我有一个不一定是凸多边形,没有交点和多边形之外的一个点。我想知道如何在二维空间中最有效地计算欧几里德距离。 R
中是否有标准方法?计算多边形和点之间的距离R
我的第一个想法是计算多边形中所有线条的最小距离(无限扩展,因此它们是线条,而不是线条),然后计算从点到每条线的距离(使用线条的起点)一块和毕达哥拉斯。
你知道一个实现高效算法的包吗?
我有一个不一定是凸多边形,没有交点和多边形之外的一个点。我想知道如何在二维空间中最有效地计算欧几里德距离。 R
中是否有标准方法?计算多边形和点之间的距离R
我的第一个想法是计算多边形中所有线条的最小距离(无限扩展,因此它们是线条,而不是线条),然后计算从点到每条线的距离(使用线条的起点)一块和毕达哥拉斯。
你知道一个实现高效算法的包吗?
您可以使用rgeos package和gDistance
方法。这将需要你准备几何图形,根据你拥有的数据创建对象(我假设它是一个data.frame或类似的东西)。所述rgeos文档是很详细(见包从CRAN页的PDF手册),这是从gDistance
文档一个相关例子:
pt1 = readWKT("POINT(0.5 0.5)")
pt2 = readWKT("POINT(2 2)")
p1 = readWKT("POLYGON((0 0,1 0,1 1,0 1,0 0))")
p2 = readWKT("POLYGON((2 0,3 1,4 0,2 0))")
gDistance(pt1,pt2)
gDistance(p1,pt1)
gDistance(p1,pt2)
gDistance(p1,p2)
readWKT
被包括在rgeos为好。
Rgeos基于GEOS库,几何计算中事实上的标准之一。如果你不想重新发明轮子,这是一个好方法。
否则:
p2poly <- function(pt, poly){
# Closing the polygon
if(!identical(poly[1,],poly[nrow(poly),])){poly<-rbind(poly,poly[1,])}
# A simple distance function
dis <- function(x0,x1,y0,y1){sqrt((x0-x1)^2 +(y0-y1)^2)}
d <- c() # Your distance vector
for(i in 1:(nrow(poly)-1)){
ba <- c((pt[1]-poly[i,1]),(pt[2]-poly[i,2])) #Vector BA
bc <- c((poly[i+1,1]-poly[i,1]),(poly[i+1,2]-poly[i,2])) #Vector BC
dbc <- dis(poly[i+1,1],poly[i,1],poly[i+1,2],poly[i,2]) #Distance BC
dp <- (ba[1]*bc[1]+ba[2]*bc[2])/dbc #Projection of A on BC
if(dp<=0){ #If projection is outside of BC on B side
d[i] <- dis(pt[1],poly[i,1],pt[2],poly[i,2])
}else if(dp>=dbc){ #If projection is outside of BC on C side
d[i] <- dis(poly[i+1,1],pt[1],poly[i+1,2],pt[2])
}else{ #If projection is inside of BC
d[i] <- sqrt(abs((ba[1]^2 +ba[2]^2)-dp^2))
}
}
min(d)
}
例子:
pt <- c(3,2)
triangle <- matrix(c(1,3,2,3,4,2),byrow=T, nrow=3)
p2poly(pt,triangle)
[1] 0.3162278
底部有一个例子。 Poly可以是一个矩阵,一个数组或一个data.frame,只要每一行都是一个顶点坐标。这是我能想到的最简单的算法,是我头上的最高算法。 – plannapus 2013-03-08 14:02:54
我喜欢你的努力,但接受的答案更容易实现。 – 2013-03-08 15:46:56
我决定回,写了一个理论上的解决方案,只是为后人。这不是最简洁的例子,但对于那些想要知道如何去解决这样的问题的人来说,它是完全透明的。
理论算法
首先,我们的假设。
现在编码之前,我们应该用基本的术语写出我们想要做的事情。我们可以假设多边形和多边形之外的点之间的最短距离总是两个东西之一:多边形的顶点或两个顶点之间的直线上的点。考虑到这一点,我们执行以下步骤:
我们基本上只是看看顶点是否离点最近,或者线上的点最接近点。我们必须使用一些trig函数来完成这项工作。
代码
为了使这项工作正常,我们要避免任何“的”循环和希望只使用矢量功能看多边形顶点的整个列表时。幸运的是,这在R中非常容易。我们接受一个数据框,其顶点为'x'和'y'列,我们接受一个具有'x'和'y'值的矢量作为点的位置。
get_Point_Dist_from_Polygon <- function(.polygon, .point){
# Calculate all vertex distances from the target point.
vertex_Distance <- sqrt((.point[1] - .polygon$x)^2 + (.point[2] - .polygon$y)^2)
# Select two closest vertices.
min_1_Index <- which.min(vertex_Distance)
min_2_Index <- which.min(vertex_Distance[-min_1_Index])
# Calculate lengths of triangle sides made of
# the target point and two closest points.
a <- vertex_Distance[min_1_Index]
b <- vertex_Distance[min_2_Index]
c <- sqrt(diff(.polygon$x[c(min_1_Index, min_2_Index)])^2 + diff(.polygon$y[c(min_1_Index, min_2_Index)])^2)
if(abs(min_1_Index - min_2_Index) != 1 |
acos((b^2 + c^2 - a^2)/(2*b*c)) >= pi/2 |
acos((a^2 + c^2 - b^2)/(2*a*c)) >= pi/2
){
# Step 3 of algorithm.
return(vertex_Distance[min_1_Index])
} else {
# Step 4 of algorithm.
# Here we are using the law of cosines.
return(sqrt((a+b-c) * (a-b+c) * (-a+b+c) * (a+b+c))/(2 * c))
}
}
演示
polygon <- read.table(text="
x, y
0, 1
1, 0.8
2, 1.3
3, 1.4
2.5,0.3
1.5,0.5
0.5,0.1", header=TRUE, sep=",")
point <- c(3.2, 4.1)
get_Point_Dist_from_Polygon(polygon, point)
# 2.707397
我在geosphere
封装中使用distm()
功能时被呈现点和顶点坐标系来计算distence。另外,您可以通过替代distm()
轻松进行一些更改。
algo.p2poly <- function(pt, poly){
if(!identical(poly[1,],poly[nrow(poly),])){poly<-rbind(poly,poly[1,])}
library(geosphere)
n <- nrow(poly) - 1
pa <- distm(pt, poly[1:n, ])
pb <- distm(pt, poly[2:(n+1), ])
ab <- diag(distm(poly[1:n, ], poly[2:(n+1), ]))
p <- (pa + pb + ab)/2
d <- 2 * sqrt(p * (p - pa) * (p - pb) * (p - ab))/ab
cosa <- (pa^2 + ab^2 - pb^2)/(2 * pa * ab)
cosb <- (pb^2 + ab^2 - pa^2)/(2 * pb * ab)
d[which(cosa <= 0)] <- pa[which(cosa <= 0)]
d[which(cosb <= 0)] <- pb[which(cosb <= 0)]
return(min(d))
}
例子:
poly <- matrix(c(114.33508, 114.33616,
114.33551, 114.33824,
114.34629, 114.35053,
114.35592, 114.35951,
114.36275, 114.35340,
114.35391, 114.34715,
114.34385, 114.34349,
114.33896, 114.33917,
30.48271, 30.47791,
30.47567, 30.47356,
30.46876, 30.46851,
30.46882, 30.46770,
30.47219, 30.47356,
30.47499, 30.47673,
30.47405, 30.47723,
30.47872, 30.48320),
byrow = F, nrow = 16)
pt1 <- c(114.33508, 30.48271)
pt2 <- c(114.6351, 30.98271)
algo.p2poly(pt1, poly)
algo.p2poly(pt2, poly)
结果:
> algo.p2poly(pt1, poly)
[1] 0
> algo.p2poly(pt2, poly)
[1] 62399.81
我不知道任何事情预先包装,做你问什么。你能给我们多一点信息吗?在计算距离之前,你对多边形有任何了解吗?或者它可以是任何形状?自从你提到毕达哥拉斯以来,我认为这是在笛卡尔空间。 – Dinre 2013-03-08 12:51:24
基于所提出的方法,听起来像多边形不允许内部交叉,这表明顶点具有旋转顺序(正在进行CW或CCW)。这是真的? – Dinre 2013-03-08 12:59:00
这是正确的 – 2013-03-08 13:06:46