推导点到直线(平面)的距离公式

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)中 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=∣(x0−x′)∗a+(y0−y′)∗b∣=∣x0∗a+y0∗b+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=∣(x0−x′)∗a+(y0−y′)∗b+(z0−z′)∗c∣=∣x0∗a+y0∗b+z0∗c+d∣

相关推荐
lbb 小魔仙1 小时前
面向 NPU 的高性能矩阵乘法:CANN ops-nn 算子库架构与优化技术
线性代数·矩阵·架构
劈星斩月3 小时前
线性代数-3Blue1Brown《线性代数的本质》特征向量与特征值(12)
线性代数·特征值·特征向量·特征方程
池央5 小时前
ops-nn 算子库中的数据布局与混合精度策略:卷积、矩阵乘法与 RNN 的优化实践
rnn·线性代数·矩阵
深鱼~7 小时前
大模型底层算力支撑:ops-math在矩阵乘法上的优化
人工智能·线性代数·矩阵·cann
Zfox_7 小时前
CANN PyPTO 编程范式深度解析:并行张量与 Tile 分块操作的架构原理、内存控制与流水线调度机制
线性代数·矩阵·架构
TechWJ7 小时前
catlass深度解析:Ascend平台的高性能矩阵运算模板库
线性代数·矩阵·ascend·cann·catlass
deep_drink1 天前
【基础知识一】线性代数的核心:从矩阵变换到 SVD 终极奥义
线性代数·机器学习·矩阵
数智工坊1 天前
【数据结构-特殊矩阵】3.5 特殊矩阵-压缩存储
数据结构·线性代数·矩阵
AI科技星1 天前
张祥前统一场论核心场方程的经典验证-基于电子与质子的求导溯源及力的精确计算
线性代数·算法·机器学习·矩阵·概率论
deep_drink1 天前
【基础知识二】彻底读懂拉普拉斯矩阵 (Laplacian)
人工智能·深度学习·线性代数·矩阵