标签: distance

我想知道:除了GPS位置,有没有办法找到两部手机是否在一定距离之内？例如,如果一部手机距离另一部手机不到3英尺,则GPS不准确.

我正在为Android平台上的最后一年项目开发一个多人互动游戏,它需要一个游戏玩家距离另一个玩家不超过3英尺.

任何事情都是最有帮助的,但从环顾四周看起来似乎并非真的可能.大多数手机数据都可以共享,我将同时使用蓝牙和多播套接字.

非常感谢你花时间陪伴.

感谢大家到目前为止的回复.我仍然在研究这个问题,当我发现一些比较容易做的事情时会更新; 但到目前为止,似乎使用蓝牙RSSI值是要走的路.

给定两个具有x,y,宽度,高度(以像素为单位)的矩形以及以度为单位的旋转值 - 如何计算其轮廓彼此的最近距离？

背景:在用Lua编写的游戏中,我随机生成地图,但是想要确保某些矩形彼此不太靠近 - 这是必要的,因为如果矩形进入某个近距离位置,地图变得无法解决,如球需要在他们之间传球.速度不是一个大问题,因为我没有很多矩形,而且每个级别只生成一次地图.我在StackOverflow上找到的以前的链接是这个和这个

提前谢谢了!

赏金

这个问题提出了几个问题.赏金将回答整体上的问题.

这是我一直在玩的问题.

注意我对不在欧几里得空间的解决方案特别感兴趣.

有一组Actors形成一个大小为K的人群.d(ActorA,ActorB)对于任何两个演员来说,距离很容易计算(解决方案应该适用于'距离'的各种定义)并且我们可以找到任何给定Actor使用的N个最近邻居的集合任何一种已建立的算法.

这个邻居集在第一瞬间是正确的,但是Actors总是在移动,我想维护每个Actor的N个最近邻居的进化列表.我感兴趣的是近似解决方案,它比完美解决方案更有效.

1. 在引入错误之后,解决方案应该收敛到正确性.
2. 如果错误变得太大而有时执行完全重新计算是可以接受的,但检测这些错误应该是便宜的.

到目前为止,我一直在使用一个朋友的朋友算法:

recompute_nearest (Actor A)
{
    Actor f_o_f [N*N];
    for each Actor n in A.neighbours
        append n to f_o_f if n != A and n not in f_o_f

    Distance distances [N*N];
    for 0 <= i < f_o_f.size
        distances [i] = distance (A, f_o_f [i])

    sort (f_o_f, distances)
    A .neighbours = first N from f_o_f
}

当人群缓慢移动且N适当大时,这表现得相当好.它在小错误之后收敛,满足第一个标准,但是

• 我没有很好的方法来检测大错误, …

我想知道是否有办法计算绘图中的abline和数据点之间的距离？例如,concentration == 40与signal == 643(元素5)和基线之间的距离是多少？

concentration <- c(1,10,20,30,40,50)
signal <- c(4, 22, 44, 244, 643, 1102)
plot(concentration, signal)
res <- lm(signal ~ concentration)
abline(res)

我正在寻找一个库或使用现有库的方法(difflib,fuzzywuzzy,python-levenshtein)中查找的字符串(的最接近的匹配query)文本(corpus)

我开发了一个基于的方法difflib,我将其corpus分成大小n(长度query)的ngrams .

import difflib
from nltk.util import ngrams

def get_best_match(query, corpus):
    ngs = ngrams( list(corpus), len(query) )
    ngrams_text = [''.join(x) for x in ngs]
    return difflib.get_close_matches(query, ngrams_text, n=1, cutoff=0)

当查询和匹配字符串之间的差异只是字符替换时,它可以按我的意愿工作.

query = "ipsum dolor"
corpus = "lorem 1psum d0l0r sit amet"

match = get_best_match(query, corpus)
# match = "1psum d0l0r"

但是当差异是字符删除时,它不是.

query = "ipsum dolor"
corpus = "lorem 1psum dlr sit …

我通过以下步骤得到了一个距离矩阵:

x <- read.table(textConnection('
     t0 t1 t2
 aaa  0  1  0
 bbb  1  0  1
 ccc  1  1  1
 ddd  1  1  0
 ' ), header=TRUE)

因此x是具有列标题和行标题的数据框

    t0 t1 t2
aaa  0  1  0
bbb  1  0  1
ccc  1  1  1
ddd  1  1  0

require(vegan)
d <- vegdist(x, method="jaccard")

距离矩阵d如下获得:

          aaa       bbb       ccc
bbb 1.0000000                    
ccc 0.6666667 0.3333333          
ddd 0.5000000 0.6666667 0.3333333

通过输入str(d),我发现它不是普通的表格,也不是csv格式.

Class 'dist'  atomic [1:6] 1 0.667 0.5 0.333 0.667 ...
  ..- attr(*, "Size")= …

在浏览器中使用JavaScript,如何确定从当前位置到具有纬度和经度的其他位置的距离？

目标不是真正的距离.这更简单.
目标是检查另一台设备是否非常接近.对或错.假设10或15厘米是关闭的,所以我们的检查是正确的,并且任何远离检查的设备都是错误的.

我的第一种方法是使用api的方法,fetchUuidsWithSdp()但它失败了!
无论是在几个cms之外还是在大房间另一端的设备,延迟似乎都是一样的!

任何解决方案即使没有蓝牙也是可以接受 例如,我对wifi直接p2p协议完全不熟悉.也许有一些东西可用来粗略估计距离.

编辑:我正在阅读有关接收信号强度指示器(RSSI)的信息.这可以用于我们的特定情况,粗略估计设备之间的距离.但也许可能有某些东西需要结合才能提高准确性.

编辑:我把Ralgha的答案放到测试中.我确实建立了一个连接并且有一个小的协议来在设备之间进行乒乓.
当1字节平均延迟时非常接近时平均延迟为22.6000毫秒,而在房间的另一角时则为22.6087毫秒.
当ping为1024字节时,平均延迟在非常接近时为40.3173毫秒,在房间的另一角时甚至更小,为32.3138毫秒.
毕竟,延迟确实没有任何关于距离的信息!

谢谢!

我有数百万个地理点.对于其中的每一个,我想找到所有"相邻点",即在某个半径内的所有其他点,比如说几百米.

对这个问题有一个天真的O(N ^ 2)解决方案---简单地计算所有点对的距离.但是,因为我正在处理适当的距离度量(地理距离),所以应该有更快的方法来做到这一点.

我想在python中这样做.想到的一个解决方案是使用一些数据库(带有GIS扩展的mySQL,PostGIS),并希望这样的数据库能够使用某些索引有效地执行上述操作.我更喜欢更简单的东西,这不需要我建立和学习这些技术.

几点

• 我将执行数百万次的"寻找邻居"操作
• 数据将保持不变
• 因为问题在某种意义上很简单,我希望看到它们解决它的python代码.

就python代码而言,我想要的是:

points = [(lat1, long1), (lat2, long2) ... ] # this list contains millions lat/long tuples
points_index = magical_indexer(points)
neighbors = []
for point in points:
    point_neighbors = points_index.get_points_within(point, 200) # get all points within 200 meters of point
    neighbors.append(point_neighbors) 

我正在构建一个基于找到一个位置的"方便会面点"的应用程序.

目前我将"方便"定义为"最小化总行程距离".这与查找质心的问题不同,如下例所示(为方便起见,使用笛卡尔坐标而不是纬度和经度):

• A是(0,0)
• B在(0,0)
• C是(0,12)

这些点的最小总行程位置为(0,0),总行程距离为12; 质心位于(0,4),总行程距离为16(4 + 4 + 8).

如果位置被限制在其中一个点上,问题似乎变得更简单,但这不是我想要的约束(不像,例如,这个类似的问题).

我似乎无法做到的是提出任何类型的算法来解决这个问题 - 建议欢迎!