不同形状内的均匀采样

1. 两椭圆间采样

for i = 0:3000
    r = 80;
    R = 120;
    rr = rand * (R * R - r * r) + r * r;
    rr = sqrt(rr);
    theta = -pi/2 + pi*rand; %[-pi/2,pi/2]随机角度
    if mod(round(rr),2) == 0
        scatter(rr * cos(theta+pi/6),rr * sin(theta+pi/6) / 4,5,[0 0 1],'filled');
    else
        scatter(-rr * cos(theta+pi/6),-rr * sin(theta+pi/6) / 4,5,[0 0 1],'filled');
    end
  hold on;
end
两椭圆间采样
2. 椭圆绘制
Num=100;
cicle=zeros(Num,2);
a=60;%长半轴
b=30;%短半轴
for i=1:Num
    theta=-pi+i/Num*2*pi;
    dOP=a*b/sqrt(a^2*sin(theta)^2+b^2*cos(theta)^2);
    cicle(i,:)= dOP*[cos(theta+pi/6) sin(theta+pi/6)];
end
plot(cicle(:,1),cicle(:,2),'k','linewidth',1,'linestyle','--');
%fill(cicle(:,1)+80,cicle(:,2)-150,'g');%填充颜色
axis equal
椭圆绘制
3. 椭圆均匀采样
% % % 作者:西边升起太阳
% % % 链接:https://www.zhihu.com/question/277712372/answer/550002849
% % % 来源:知乎
% % % 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
% % % 参考:Informed RRT*: Optimal Incremental Path Planning Focused through an Admissible Ellipsoidal Heuristic
%坐标系正常
clc
clear
time=0;
 start=[0,0];
 goal=[20,50];
% start=[13 13]; % source position in Y, X format
% goal=[42 32]; % goal position in Y, X format
cmin=norm(goal-start);
cbest=120;
axis([-100,100,-100,100])
scatter(start(1),start(2),100,[0 1 0],'filled');
hold on;
scatter(goal(1),goal(2),100,[1 0 0],'filled');
hold on;
set(gcf,'position',[0.1,0.1,500,500])
time=0;
while time<500 
    %内部点均匀采样:圆→椭圆
    x_center=[(start+goal)/2,0];    
    x_center=x_center';    
    a_1=[(goal(1)-start(1))/cmin;(goal(2)-start(2))/cmin;0];    
    id_t=[1,0,0];    
    M=a_1*id_t;    
    [U,S,Vh]=svd(M);    
    C=(U*diag([1,1,det(U)*det(Vh')]))*(Vh);    
    r=[cbest/2,sqrt(cbest.^2-cmin.^2)/2,sqrt(cbest.^2-cmin.^2)/2];    
    L=diag(r);    a=rand();    b=rand();    
    if b<a        
        tmp=b;        
        b=a;        
        a=tmp;    
    end
    x_ball=[b*cos(2*pi*a/b);b*sin(2*pi*a/b);0];    
    randpoint=C*L*x_ball+x_center;    
    scatter(randpoint(1,1),randpoint(2,1),'.','b')    
    hold on     
    grid on    
    %绘制外围椭圆边界
    if time==200
        for i=1:500
            theta=-pi+i/500*2*pi;
            y_ball=[cos(theta);sin(theta);0]; 
            ellipse_bound(i,:,:)=(C*L*y_ball+x_center)';
            plot(ellipse_bound(:,1),ellipse_bound(:,2),'k','linewidth',2,'linestyle','--') 
            hold on
        end 
    end
    time=time+1;
end
椭圆均匀采样
3. 单位球内均匀采样
    %单位球内采样 
    phi = rand().*2*pi;
    costheta = -1+rand()*2;
    u = rand();
    theta = acos(costheta)
    r = 1*u^(1/3);
    x_ball=[r*(sin(theta).*cos(phi));r*(sin(theta).*sin(phi));r*cos(theta);]; 
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
禁止转载,如需转载请通过简信或评论联系作者。
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,098评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,213评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,960评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,519评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,512评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,533评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,914评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,574评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,804评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,563评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,644评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,350评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,933评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,908评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,146评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,847评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,361评论 2 342

推荐阅读更多精彩内容