【Balkan2002】【BZOJ1336】Alien最小圆覆盖

本文详细阐述了如何通过算法找到给定点集的最小包围圆,包括输入输出规范、核心算法流程以及实例演示。

Description

给出N个点,让你画一个最小的包含所有点的圆。
Input

先给出点的个数N,2<=N<=100000,再给出坐标Xi,Yi.(-10000.0<=xi,yi<=10000.0)
Output

输出圆的半径,及圆心的坐标
Sample Input
6
8.0 9.0
4.0 7.5
1.0 2.0
5.1 8.7
9.0 2.0
4.5 1.0

Sample Output
5.00
5.00 5.00
HINT

Source

跟AHOI2012信号塔是一样的
但是
eps开到1e-12

#include<iostream>
#include<cstdio>
#include<cstring>
#include<cmath>
#include<algorithm>
#include<ctime>
#define eps 1e-12
#define MAXN 100100
using namespace std;
int n;
double r;
struct point
{
    double x,y;
}s[MAXN],C;
double sqr(double x)
{
    return x*x;
}
double dis(point a,point b)
{
    return sqrt(sqr(a.x-b.x)+sqr(a.y-b.y));
}
point cen(point a,point b,point c)//已知三点求圆心 
{
    double x,y;
    double ax=sqr(a.x),ay=sqr(a.y),bx=sqr(b.x),by=sqr(b.y),cx=sqr(c.x),cy=sqr(c.y);
    double l1=ax-bx+ay-by,l2=ax-cx+ay-cy;
    double r1=2*a.x-2*b.x,r2=2*a.y-2*b.y,r3=2*a.x-2*c.x,r4=2*a.y-2*c.y;
    x=(l1-r2/r4*l2)/(r1-r2/r4*r3);y=(l1-r1/r3*l2)/(r2-r1/r3*r4);
    if (r4==0)  x=(a.x+c.x)/2;
    if (r3==0)  y=(a.y+c.y)/2;
    return (point){x,y};
}
point Mid(point a,point b)
{
    return (point){(a.x+b.x)/2,(a.y+b.y)/2};
}
int main()
{
    scanf("%d",&n);
    for (int i=1;i<=n;i++)
    {
        scanf("%lf%lf",&s[i].x,&s[i].y);
        swap(s[i],s[rand()%i+1]);
    }
    C=s[1];
    for (int i=1;i<=n;i++)
    {
        if (dis(C,s[i])<=r+eps) continue;
        C=Mid(s[1],s[i]);r=dis(s[i],C);
        for (int j=1;j<i;j++)
        {
            if (dis(C,s[j])<=r+eps) continue;
            C=Mid(s[i],s[j]);r=dis(s[i],C);
            for (int k=1;k<j;k++)
            {
                if (dis(C,s[k])<=r+eps) continue;
                C=cen(s[i],s[j],s[k]);r=dis(s[i],C);
            }
        }
    }
    printf("%.6lf\n%.6lf %.6lf",r,C.x,C.y);
}
内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更高级滤波算法的研究与对比。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值