車的放置 最大流求最大匹配

重点说一下二分图的两个部分,可以明确的是,車所在的一行一列不能再放置了,可以将这个位置,看作是車所在的行和列之间的连线,由此我们将行与列分开,可以看出,行的集合内部,没有连线,即没有哪一个車同时对多行起作用,同理,列也是如此,也就是说我们得到了一张二分图。如果某一个点不能放置,可以看作这一行和这一列之间没有边连接。然后根据这个建图,求最大匹配就是答案。

#include <bits/stdc++.h>
using namespace std;
#define mem(a, b) memset(a, b, sizeof a)
const int N = 210, inf = 0x3f3f3f3f;
bool can[N][N];
int n, m, T;
int s, t;
int head[101000], nex[101000], to[101000], ed[101000], cnt;
void pre(){
    mem(can, true);
    s = 1000;
    t = 1001;
    cnt = 1;
    mem(head, -1);
    mem(nex, -1);
}
void add(int a, int b, int c){
    to[++cnt] = b, nex[cnt] = head[a], head[a] = cnt, ed[cnt] = c;
    to[++cnt] = a, nex[cnt] = head[b], head[b] = cnt, ed[cnt] = 0;
}
int d[101000], cur[101000];
bool bfs(){
    queue<int > q;
    cur[s] = head[s];
    cur[t] = head[t];
    for (int i = 1; i <= n; i++)cur[i] = head[i];
    for (int i = 1; i <= m; i++)cur[i + 210] = head[i + 210];
    q.push(s);
    mem(d, 0);
    d[s] = 1;
    while (q.size()){
        int tp = q.front();
        q.pop();
        for (int i = head[tp]; ~i; i = nex[i]){
            if (!d[to[i]] && ed[i]){
                d[to[i]] = d[tp] + 1;
                q.push(to[i]);
                if (to[i] == t)return 1;
            }
        }
    }
    return 0;
}
int dinic(int x, int f){
    if (x == t || f == 0)return f;
    int flow = 0;
    int k;
    for (int i = cur[x]; ~i; i = nex[i]){
        cur[x] = i;
        int y = to[i];
        if (d[y] == d[x] + 1 && ed[i]){
            k = dinic(y, min(f, ed[i]));
            if (!k){
                d[y] = 0;
            }
            ed[i] -= k;
            ed[i ^ 1] += k;
            flow += k;
            if (f - flow == 0)break;
        }
    }
    return flow;
}
int maxflow(){
    int f = 0;
    while (bfs()){
        f += dinic(s, inf);
    }
    return f;
}
int main(){
    ios::sync_with_stdio(false);
    pre();
    cin >> n >> m >> T;
    while (T--){
        int x, y;
        cin >> x >> y;
        can[x][y] = 0;
    }
    // 行 和 列 是二分图的两部分
    for (int i = 1; i <= n; i++){
        add(s, i, 1);
        for (int j = 1; j <= m; j++){
            if (can[i][j]){
                add(i, j + 210, 1);
            }
        }
    }
    for (int i = 1; i <= m; i++)add(i + 210, t, 1);
    cout << maxflow() << "\n";
    return 0;
}
在机器人操作系统(ROS)中,机器视觉是机器人感知和理解周围环境的关键技术。robot_vision功能包专注于这一领域,集成了多种视觉处理技术,包括摄像头标定、OpenCV库应用、人脸识别、物体跟踪、二维码识别和物体识别,极大地拓展了ROS在视觉应用方面的能力。 摄像头标定:作为机器视觉的基础,摄像头标定用于消除镜头畸变并获取相机的内参和外参。在ROS中,camera_calibration包提供了友好的用户界面和算法,帮助计算相机参数矩阵,为后续的图像校正和三维重建提供支持。 OpenCV:OpenCV是一个广泛使用的开源计算机视觉库,在ROS中扮演着重要角色。robot_vision功能包可能包含OpenCV的示例代码和节点,涵盖图像处理、特征检测、模板匹配和图像分割等功能,这些功能对机器人视觉系统至关重要。 人脸识别:ROS中的人脸识别结合了图像处理和机器学习技术。robot_vision可能集成了基于OpenCV的人脸检测算法,如Haar级联分类器或Adaboost方法,甚至可能包含深度学习模型(如FaceNet或SSD),帮助机器人实现人脸的识别和跟踪,提升人机交互能力。 物体跟踪:物体跟踪使机器人能够持续关注并追踪特定目标。在ROS中,通常通过卡尔曼滤波器、粒子滤波器或光流法实现。robot_vision功能包可能包含这些算法的实现,助力机器人完成动态目标跟踪任务。 二维码识别:二维码是一种高效的信息编码方式,常用于机器人定位和导航。ROS中的二维码包可用于读取和解析二维码,而robot_vision可能进一步封装了这一功能,使其更易于集成到机器人系统中。 物体识别:作为机器视觉的高级应用,物体识别通常涉及深度学习模型,如YOLO、SSD或Faster R-CNN。robot_vision功能包可能包含预训练的模型和对应的ROS节点,使机器人能够识别环境中的特
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