A STRIP OF LAND POJ - 1156 (单调队列)

本文介绍了一种使用单调队列解决POJ-1156飞机场选址问题的方法,该问题要求寻找一个宽度小于k且高低差小于c的子矩形作为飞机场,以最大化其面积。

A STRIP OF LAND POJ - 1156 (单调队列)

题意

给出一个n*m的矩形,求一个宽度小于k,且高低差小于c的子矩形来修飞机场,求飞机场的最大面积。

思路

自左而右,自上而下地进行一个枚举,使用maxq和minq两个单调队列来维护当前的最大值和最大值,以此判断是否符合题意要求。

AC代码

#include<iostream>
#include <cstdio>
#include <cstring>
#include <string>
#include <vector>
#include <algorithm>
#include<queue>
#include<deque>
#include<cmath>
#include<iomanip>
using namespace std;
#define Max_int 0x3f3f3f3f
#define Max_n  1000005
#define Max_m  100005
#define ll long long
int m, n, c,res;
deque<int> maxq, minq;
int maxx[750], minn[750];
int map[750][750];

int read()
{
	int s = 0, f = 1;
	char ch = getchar();
	while (!isdigit(ch)) {
		if (ch == '-') f = -1;
		ch = getchar();
	}
	while (isdigit(ch)) {
		s = s * 10 + ch - '0';
		ch = getchar();
	}
	return s * f;
}

int main()
{
	m = read(), n = read(), c = read();
	for(int i=1;i<=n;i++)
		for (int j = 1; j <= m; j++)
		{
			 map[i][j]=read();
		}
	for (int l = 1; l <= m; l++)//从左边开始枚举
	{
		for (int i = 1; i <= n; i++)
		{
			maxx[i] = map[i][l];
			minn[i] = map[i][l];
		}
		int maxr = min(l + 99, m);
		for (int r = l + 1; r <= maxr; r++)//一步步向右扩展
		{
			for (int i = 1; i <= n; i++)
			{
				maxx[i] = max(maxx[i], map[i][r]);
				minn[i] = min(minn[i], map[i][r]);
			}
			maxq.clear(), minq.clear();
			int w = r - l + 1, up = 1, down = 1;
			while (down <= n && w * (n - up + 1) > res)//无法大于现有答案则进入下一枚举
			{
				/**维护单调队列**/
				while (maxq.size() && maxx[maxq.back()] <= maxx[down])maxq.pop_back();
				maxq.push_back(down);
				while (minq.size() && minn[minq.back()] >= minn[down])minq.pop_back();
				minq.push_back(down);
				/**无法满足要求上边向下移动**/
				while (up <= down && maxx[maxq.front()] - minn[minq.front()] > c)
				{
					up++;
					if (maxq.front() < up)maxq.pop_front();
					if (minq.front() < up)minq.pop_front();
				}
				res = max(res, w * (down - up + 1));
				down++;
			}
		}
	}
	cout << res;
	return 0;
}
一种基于有效视角点方法的相机位姿估计MATLAB实现方案 该算法通过建立三维空间点与二维图像点之间的几何对应关系,实现相机外部参数的精确求解。其核心原理在于将三维控制点表示为四个虚拟基点的加权组合,从而将非线性优化问题转化为线性方程组的求解过程。 具体实现步骤包含以下关键环节:首先对输入的三维世界坐标点进行归一化预处理,以提升数值计算的稳定性。随后构建包含四个虚拟基点的参考坐标系,并通过奇异值分解确定各三维点在该基坐标系下的齐次坐标表示。接下来建立二维图像点与三维基坐标之间的投影方程,形成线性约束系统。通过求解该线性系统获得虚拟基点在相机坐标系下的初步坐标估计。 在获得基础解后,需执行高斯-牛顿迭代优化以进一步提高估计精度。该过程通过最小化重投影误差来优化相机旋转矩阵和平移向量。最终输出包含完整的相机外参矩阵,其中旋转部分采用正交化处理确保满足旋转矩阵的约束条件。 该实现方案特别注重数值稳定性处理,包括适当的坐标缩放、矩阵条件数检测以及迭代收敛判断机制。算法能够有效处理噪声干扰下的位姿估计问题,为计算机视觉中的三维重建、目标跟踪等应用提供可靠的技术基础。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
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