15、带孔多边形可见性图的计算方法

带孔多边形可见性图的计算方法

1. 简单多边形可见性图计算

在计算简单多边形的可见性图时,有特定的算法和步骤。首先,当计算出最短路径树(SPT)后,可以按照一系列步骤来确定可见性图。
- 算法步骤
1. 从某个顶点开始,按逆时针方向在多边形边界上选取顶点或点。
2. 若选取的顶点不是特定顶点 (v_i),则回到步骤 1。
3. 将 (v_{i + 1}) 设为 (v_i) 的父节点。
4. 从多边形边界移除最短路径图(SPM)扩展边在可见区域 (V(v_1v_{i + 1})) 边界上的端点,算法停止。
- 时间复杂度分析 :对于一个可见线段 (v_jv_k),它会在 (SPT(v_j)) 和 (SPT(v_k)) 中作为边出现。设 (v_jv’ j) 和 (v_kv’_k) 为其扩展边,其中 (v’_j \in v_pv {p + 1}),(v’ k \in v_qv {q + 1}),则 (v_jv_k) 至少会在 (SPT(v_p))、(SPT(v_{p + 1}))、(SPT(v_q)) 和 (SPT(v_{q + 1})) 中的两棵树里作为边。所以,在计算弱可见多边形内的切线时,算法对一个可见线段及其扩展边最多考虑 4 次。因此,该算法的整体时间复杂度为 (O(E)),其中 (E) 是简单多边形可见性图的边数。

2. 带孔多边形可见性图计算 - 最坏情况 (O(n^2)) 算法

Welzl 提出了一种在 (O(n^2)) 时间内计算 (n) 条不相交线段集合 (S) 可见性图的算法。

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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  | 博主筛选后可见
 
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