300分求计算椭圆RangeBox的算法

Cline 2008-05-25 11:29:10
已知椭圆的:
1. Origin (x,y,z)
2. Primary Axis (a)and Secondary Axis (b)
3. Matrix. (From WCS to OCS). World coordinates system, Object coordinates system.
...全文
337 9 打赏 收藏 转发到动态 举报
写回复
用AI写文章
9 条回复
切换为时间正序
请发表友善的回复…
发表回复
Cline 2008-05-26
  • 打赏
  • 举报
回复
谢谢大家!
1.z是多敲了
2.问题已经解决.
// Algorithm:
// Pick up a point on the ellipse which is not rotated and on xy plane:
// [a*cos(angle), b*sin(angle), 0]
// Transform the point by the rotation matrix to get the point on the ellipse whose
// origin is the origin of WCS.
// x = m[0][0]*a*cos(angle) + m[0][1]*b*sin(angle);
// y = m[1][0]*a*cos(angle) + m[1][1]*b*sin(angle);
// z = m[2][0]*a*cos(angle) + m[2][1]*b*sin(angle);
////
// Compute the first derivation of the 3d equations above, and then
// caculate the angle where the x, y and z is minimum or maximum.
//
// Use the angles to compute the x, y and z coordinates.
//
Cline 2008-05-25
  • 打赏
  • 举报
回复
打错了:
补充一下,就是要求一个最小长方体,它可以框住椭圆.比如:对角上的两点为ptMinRangeBox(x,y,z), ptMaxRangeBox(x,y,z)
Cline 2008-05-25
  • 打赏
  • 举报
回复
补充一下,就是要求一个z最小长方体,它可以框住椭圆.比如:对角上的两点为ptMinRangeBox(x,y,z), ptMaxRangeBox(x,y,z)
用户 昵称 2008-05-25
  • 打赏
  • 举报
回复
楼主的头像变了,而且也不出来解释Z是什么。
wflishh 2008-05-25
  • 打赏
  • 举报
回复
想不出楼主的Z是什么东东?是平面的还是立体的。
Z375511438 2008-05-25
  • 打赏
  • 举报
回复
这一题也是我很久的困惑,我也知道答案呢。
用户 昵称 2008-05-25
  • 打赏
  • 举报
回复
俺对那个Z很疑惑,这是平面几何吗?空间的几何俺一点不会。还有这些能不能改成中文?俺英语水平体现在看计算机相关方面,数学名词比较白痴。

1)已知原点(x,y,z) ??
2)横轴a, 纵轴b ??
3)矩阵?方程?? ??

最小矩形应该是 平行于长轴 与 平行于短轴 的4条直线组成的吧,已知长轴与知轴,就可以计算计算其交点,这个交点应该是好计算的。

再根据方程计算其长轴与短轴的长度,这样分别代入两个轴直线的方程就可以解出最小矩形的四条边了。

最后分别四个顶点。

rover___ 2008-05-25
  • 打赏
  • 举报
回复
3. Matrix. (From WCS to OCS). World coordinates system, Object coordinates system
这算个什么条件?是已知变换矩阵还是别的?是否还有椭球的某个轴方向的条件?
空间椭圆还是椭球?
椭球的话是否考虑倾斜?
用户 昵称 2008-05-25
  • 打赏
  • 举报
回复
以前一直以为楼主是女的。还差点单相思。
内容概要:本文介绍了如何利用 GitHub Copilot 辅助进行程序调试与 Bug 分析,强调 Copilot 不仅可用于代码生成,更是强大的代码分析与调试工具。文章详细阐述了 Copilot 在调试复杂问题、老旧项目维护和难以复现 Bug 场景下的优势,提出了“先分析、再修改”的四步流程:分析原因→评估风险→提出方案→修改代码,并推荐结合错误日志、用户操作等信息精准提问,提升 AI 回答质量。同时展示了如何通过 Copilot 增强调试能力,如自动加日志、异常保护、生成测试数据和性能分析。最后通过游戏拾取系统的实际案例,说明如何结构化描述问题以获得有效反馈。; 适合人群:具备一定开发经验,正在参与项目调试或维护工作的程序员,尤其是面对复杂逻辑、历史代码或难复现 Bug 的 1-3 年开发者;也适合希望提升 AI 协作能力的技术人员。; 使用场景及目标:①快速定位偶发性崩溃、数据异常等问题根源;②理解无文档或结构混乱的老代码模块;③优化调试流程,借助 AI 生成诊断建议、修复方案与测试用例;④构建更具健壮性的程序,提前发现潜在缺陷。; 阅读建议:学习者应结合自身项目中的真实问题,按照文中提供的结构化提问模板实践,逐步训练与 Copilot 的协作能力,重视问题描述的完整性与准确性,避免直接要求修改代码,优先通过分析提升对系统的理解。
内容概要:本文针对高精度电流控制下的永磁同步电机(PMSM)参数辨识难题,提出一种基于粒子群优化算法(PSO)的多参数辨识模型,并在Simulink环境中完成系统级仿真实现。研究旨在克服传统控制中因电机参数(如定子电阻、交直轴电感、永磁磁链等)随温度、负载变化而失配所导致的电流控制性能下降问题。通过构建以电流跟踪误差为核心的适应度函数,利用PSO算法全局寻优能力强的特点,实现对关键电机参数的在线或离线精确辨识。文中详述了PSO算法的实现机制、参数初始化策略、收敛判据设计以及与PMSM矢量控制系统的集成方法,验证了该方案在不同运行工况下的辨识精度、收敛速度与鲁棒性,显著提升了电流环的动态响应品质与稳态控制精度。; 适合人群:具备电机驱动控制、现代控制理论及优化算法基础,熟悉MATLAB/Simulink仿真平台,从事高性能PMSM控制系统研发的研究生、高校科研人员及自动化、电力电子领域的工程师;特别适合正在开展参数自适应、智能控制算法应用等相关课题的研究者。; 使用场景及目标:①应用于高端制造装备、电动汽车驱动系统、精密伺服系统等对电流控制精度要求严苛的场合;②解决实际工程中因电机温升、老化等因素引发的参数漂移问题,提升系统长期运行稳定性;③作为智能优化算法与电机控制深度融合的教学案例,帮助理解PSO在复杂非线性系统参数辨识中的应用逻辑与实现路径。; 阅读建议:建议读者结合提供的Simulink仿真模型进行复现实验,重点剖析PSO算法模块与电机控制模型的接口设计、适应度函数的构建原则及参数敏感性分析方法,可进一步尝试引入其他先进优化算法(如GWO、HHO)进行性能对比,以深入掌握不同智能算法在工程辨识问题中的适用性与优劣。

19,464

社区成员

发帖
与我相关
我的任务
社区描述
VC/MFC 图形处理/算法
社区管理员
  • 图形处理/算法社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧