• 经纬度求距离求与正北方向的夹角(方向角)


    经纬度求距离求与正北方向的夹角(方向角),在网上看了好多这样的资料,许多算法感觉都不太对,今天终于找到个计算比较精准的,自己整理了下:

     
    package com.liang.test;  
      
    public class AngleUtil {  
      
        public static void main(String[] args) {  
            MyLatLng A=new MyLatLng(113.249648,23.401553);  
            MyLatLng B=new MyLatLng(113.246033,23.403362);  
            System.out.println(getAngle(A,B));  
        }  
        /** 
         * 求B点经纬度 
         * @param A 已知点的经纬度, 
         * @param distance   AB两地的距离  单位km 
         * @param angle  AB连线与正北方向的夹角(0~360) 
         * @return  B点的经纬度 
         */  
        public static MyLatLng getMyLatLng(MyLatLng A,double distance,double angle){  
              
            double dx = distance*1000*Math.sin(Math.toRadians(angle));  
            double dy= distance*1000*Math.cos(Math.toRadians(angle));  
              
            double bjd=(dx/A.Ed+A.m_RadLo)*180./Math.PI;  
            double bwd=(dy/A.Ec+A.m_RadLa)*180./Math.PI;  
            return new MyLatLng(bjd, bwd);  
        }  
          
        /** 
         * 获取AB连线与正北方向的角度 
         * @param A  A点的经纬度 
         * @param B  B点的经纬度 
         * @return  AB连线与正北方向的角度(0~360) 
         */  
        public  static double getAngle(MyLatLng A,MyLatLng B){  
            double dx=(B.m_RadLo-A.m_RadLo)*A.Ed;  
            double dy=(B.m_RadLa-A.m_RadLa)*A.Ec;  
            double angle=0.0;  
            angle=Math.atan(Math.abs(dx/dy))*180./Math.PI;    
            double dLo=B.m_Longitude-A.m_Longitude;  
            double dLa=B.m_Latitude-A.m_Latitude;  
            if(dLo>0&&dLa<=0){  
                angle=(90.-angle)+90;  
            }  
            else if(dLo<=0&&dLa<0){  
                angle=angle+180.;  
            }else if(dLo<0&&dLa>=0){  
                angle= (90.-angle)+270;  
            }  
            return angle;  
        }  
        static class MyLatLng {  
            final static double Rc=6378137;  
            final static double Rj=6356725;  
            double m_LoDeg,m_LoMin,m_LoSec;  
            double m_LaDeg,m_LaMin,m_LaSec;  
            double m_Longitude,m_Latitude;  
            double m_RadLo,m_RadLa;  
            double Ec;  
            double Ed;  
            public MyLatLng(double longitude,double latitude){  
                m_LoDeg=(int)longitude;  
                m_LoMin=(int)((longitude-m_LoDeg)*60);  
                m_LoSec=(longitude-m_LoDeg-m_LoMin/60.)*3600;  
                  
                m_LaDeg=(int)latitude;  
                m_LaMin=(int)((latitude-m_LaDeg)*60);  
                m_LaSec=(latitude-m_LaDeg-m_LaMin/60.)*3600;  
                  
                m_Longitude=longitude;  
                m_Latitude=latitude;  
                m_RadLo=longitude*Math.PI/180.;  
                m_RadLa=latitude*Math.PI/180.;  
                Ec=Rj+(Rc-Rj)*(90.-m_Latitude)/90.;  
                Ed=Ec*Math.cos(m_RadLa);  
            }  
        }  
    }  
  • 相关阅读:
    Python相关数据结构的排序
    使用OpenCV和Python构建运动热图视频
    使用AI来检测违反社交距离的行为
    基于Python、Keras和OpenCV的实时人脸活体检测
    每个人都应该知道的十大OpenCV函数
    入门用Python进行Web爬取数据:为数据科学项目提取数据的有效方法
    入门深度学习?这里有5件你应该知道的事
    基于YoloV3卫星图像的储油罐容积占用率研究
    生产中的NLP:创建Docker镜像
    使用Python可视化Word2vec的结果
  • 原文地址:https://www.cnblogs.com/lihaibo-Leao/p/5142965.html
Copyright © 2020-2023  润新知