推导点到直线(平面)的距离公式

2024-05-28 01:36

本文主要是介绍推导点到直线(平面)的距离公式,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本文利用了点和直线、平面的齐次坐标表示方法,来推导2维点到直线距离,3维点到平面距离的公式。用齐次坐标表示方法推导比较简洁。

2维点到直线

令2维点: A ( x 0 , y 0 , 1 ) (x_0,y_0, 1) (x0,y0,1), 2维直线方程: a x + b y + c = 0 ax+by+c=0 ax+by+c=0
2维直线 ( a , b , c ) (a,b,c) (a,b,c) a 2 + b 2 = 1 a^2+b^2=1 a2+b2=1
直线上的任意点: B ( x ′ , y ′ , 1 ) (x',y', 1) (x,y,1)

那么向量 A B → \overrightarrow{AB} AB 与直线法向量 ( a , b ) (a,b) (a,b)的点积就是A到直线的距离
d = ∣ ( x 0 − x ′ ) ∗ a + ( y 0 − y ′ ) ∗ b ∣ = ∣ x 0 ∗ a + y 0 ∗ b + c ∣ d=|(x_0-x')*a+(y_0-y')*b| =|x_0*a+y_0*b+c| d=(x0x)a+(y0y)b=x0a+y0b+c

3维点到平面

推导跟2维一样,A ( x 0 , y 0 , z 0 , 1 ) (x_0,y_0,z_0,1) (x0,y0,z0,1), 3维平面 a x + b y + c z + d = 0 ax+by+cz+d=0 ax+by+cz+d=0
a 2 + b 2 + c 2 = 1 a^2+b^2+c^2=1 a2+b2+c2=1
B ( x ′ , y ′ , z ′ , 1 ) (x',y',z',1) (x,y,z,1)
d = ∣ ( x 0 − x ′ ) ∗ a + ( y 0 − y ′ ) ∗ b + ( z 0 − z ′ ) ∗ c ∣ = ∣ x 0 ∗ a + y 0 ∗ b + z 0 ∗ c + d ∣ d=|(x_0-x')*a+(y_0-y')*b+(z_0-z')*c| =|x_0*a+y_0*b+z_0*c+d| d=(x0x)a+(y0y)b+(z0z)c=x0a+y0b+z0c+d

这篇关于推导点到直线(平面)的距离公式的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1009174

相关文章

hdu 2586 树上点对最近距离 (lca)

,只要知道dis[i][j]=dis[i][root]+dis[j][root]-2*dis[Lca(i,j)][root].   其中root为树的根节点,LCA(i,j)为i,j的最近公共祖先。 所以我们先把所有的询问储存下来,然后离线直接查询。复杂度是o(n+q)的。 VIE #include<cstdio>#include<algorithm>#include<i

文华财经T8自动化交易程序策略模型指标公式源码

文华财经T8自动化交易程序策略模型指标公式源码: //定义变量 //资金管理与仓位控制 8CS:=INITMONEY;//初始资金 8QY:=MONEYTOT;//实际权益 8QY1:=MIN(MA(8QY,5*R),MA(8QY,2*R)); FXBL:=N1; DBKS:8QY1*N1;//计算单笔允许亏损额度 BZDKS:=MAX(AA-BB,N*1T)*UNIT; SZDKS:=MAX(

直线一级倒立摆微分建模

建模内容如下:         https://mp.weixin.qq.com/s?__biz=Mzg5OTIyNDEzMg==&mid=2247483673&idx=1&sn=c4e8024ebffd87611b757f7fd570f3c4&chksm=c057c632f7204f2442d0aab652847e342447fa604f04d74faafb798f022fb30e

深度学习常见概念解释(四)——损失函数定义,作用与种类(附公式和代码)

损失函数 前言定义作用种类1. 均方误差损失(Mean Squared Error Loss,MSE)公式特点和优点缺点使用场景示例代码在机器学习框架中的使用总结 2. 交叉熵损失(Cross-Entropy Loss)公式特点和优点使用场景示例代码在机器学习框架中的使用总结 总结 前言 在机器学习和深度学习中,损失函数(Loss Function)起着至关重要的作用。它是模型

今天遇到的3到智力面试题(给工人分金条,小鸟来回在2火车之间飞行的距离,精确称水问题)

智力题1:你让工人为你工作7天,给工人的回报是一根金条。金条平分成相连的7段,你必须在每天结束时给他们一段金条,如果只许你两次把金条弄断,你如何给你的工人付费? 答:把金条2次弄断的方式是第一次1,6分,,然后把剩余的6用2,4分,即弄断2次为1段、2段、4段 第一天给1段, 第二天让工人把1段归还给2段, 第三天给1段, 第四天归还1段和2段,给4段。 第五天给1段, 第六天给2

OpenGL:中点直线算法

理论部分 中点直线算法是通过在像素中确定与理想直线最靠近的像素来进行扫描转换的。 在上图中,假设直线的斜率 0 ≤ m ≤ 1 0\le m \le 1 0≤m≤1。假设当前最近的像素已经确认为 P ( x k , y k ) P(x_k, y_k) P(xk​,yk​),由于 x x x位最大的位移方向,因此直线在 x x x方向上每次增加一个像素单位,而在 y y y方向上是否

贪心推公式——AcWing 125. 耍杂技的牛

贪心推公式 定义 贪心算法是一种在每一步选择中都采取在当前状态下最优的选择,希望通过局部的最优选择来得到全局最优解的算法策略。 运用情况 问题具有最优子结构,即一个问题的最优解包含其子问题的最优解。可以通过局部最优决策逐步推导到全局最优。问题的选择策略相对明确且易于计算。 注意事项 贪心算法并不总是能得到全局最优解,可能会陷入局部最优。对于一些复杂问题,需要谨慎验证其正确性。可能需要对

平面点云格网过程及可视化介绍(python)

1、背景介绍       实际人工构造物中,很多物体表面为平面结构,因此将点云投影在二维平面上进行处理,如进行点云面积计算、点云边缘提取等。       具体案例可以参考博客:详解基于格网法统计平面点云面积_点云格网法计算xy投影面积-CSDN博客、点云格网过程可视化(C++ PCL)-CSDN博客、 基于格网拓扑关系的边缘点检测-CSDN博客        本博客介绍基于python

计算两个字符串的距离(递归搜索会爆栈)

/*很经典的可使用动态规划方法解决的题目,和计算两字符串的最长公共子序列相似。设Ai为字符串A(a1a2a3 … am)的前i个字符(即为a1,a2,a3 … ai)设Bj为字符串B(b1b2b3 … bn)的前j个字符(即为b1,b2,b3 … bj)设 L(i,j)为使两个字符串和Ai和Bj相等的最小操作次数。当ai==bj时 显然 L(i,j) = L(i-1,j-1)当ai!=

DDA直线算法

理论部分 假设给定直线段的起点坐标 ( x 0 , y 0 ) (x_0,y_0) (x0​,y0​)和终点坐标 ( x 1 , y 1 ) (x_1,y_1) (x1​,y1​),则该直线的直线方程为: y = k x + b y=kx + b y=kx+b 其中 k = y 1 − y 2 x 2 − x 1 , b = y 0 − k x 0 k=\frac{y_1-y_2}{x_2-x