叉积法判断点在凸多边形内：点对每条有向边的叉积符号一致（全≥0或全≤0）即在内部（含边界），该方法稳定且无浮点退化风险。
用叉积判断点是否在凸多边形内部
直接结论：对凸多边形，只要点相对于每条有向边的叉积符号一致（全 ≥ 0 或全 ≤ 0），该点就在多边形内（含边界）。这是最稳定、无浮点退化风险的核心方法。
原理很简单：凸多边形所有内角 cross(v1, v2) 的正负号正好反映这个左右关系。
实操时注意三点：
- 顶点必须按顺时针或逆时针顺序存储（不能乱序），且首尾不重复（即
points[0]到points[n-1]是闭合边） - 每条边取为
points[i] → points[(i+1)%n]，对应向量v = points[(i+1)%n] - points[i]；再构造从points[i]指向查询点p的向量w = p - points[i] - 计算叉积
cross(v, w) = v.x * w.y - v.y * w.x，对所有边检查符号是否统一（允许为 0，表示点在边上）
避免浮点误差导致误判
叉积结果为 0 表示点共线，但浮点运算下很难精确等于 0。直接写 cross == 0 几乎必然出错。
立即学习“C++免费学习笔记（深入）”；
正确做法是引入小阈值 eps（如 1e-9），把判断逻辑改为：
double c = cross(v, w);
if (c > eps) { /* 在右侧 */ }
else if (c < -eps) { /* 在左侧 */ }
else { /* 视为共线，即在边上或延长线上 */ }更关键的是：统一性判断不能只看正负，而要看是否「全部 ≥ -eps」或「全部 ≤ eps」。常见错误是先记下一个非零叉积符号，再逐个比对，却忘了把 0（即 -eps ）当作合法中间态。
推荐写法：
- 初始化
sign = 0 - 对每条边，算
c，若abs(c) > eps且sign == 0，则设sign = (c > 0 ? 1 : -1) - 若后续出现
c * sign ，立刻返回 false
为什么不用射线交点法（ray casting）？
射线交点法对任意多边形都适用，但对凸多边形是杀鸡用牛刀，且更容易出错。
问题集中在边界处理上：ray casting 要统计射线与边的交点数，但当查询点恰好落在水平边上、或射线穿过顶点时，不同实现会给出不同结果。即便加偏移扰动，也增加了不可控分支。
而凸多边形专属的叉积法天然规避这些——它不依赖交点计数，也不关心射线方向，只依赖顶点顺序和向量关系，代码更短、分支更少、结果确定。
除非你手头只有通用多边形检测函数且无法改，否则别为凸多边形特地套用 ray casting。
性能差异和实际调用建议
叉积法时间复杂度是 O(n)，但常数极小：每轮只做 2 次乘法、1 次减法、1 次比较。现代 CPU 下，100 个顶点的判断耗时通常
如果要高频调用（比如图形渲染中的逐像素判定），可考虑预处理：
- 提前计算并缓存每条边的单位法向量（用于快速点积判断）
- 对静态凸多边形，把顶点转成局部坐标系（如以质心为原点），减少数值范围带来的浮点误差
- 若多边形是轴对齐矩形，直接用
x_min ，比通用叉积快一个数量级
真正容易被忽略的，是顶点顺序验证——传入的 std::vector<point></point> 如果没保证是逆时针/顺时针，叉积法结果完全不可靠。上线前务必加一句简单校验：cross_sum = sum of cross(points[i], points[(i+1)%n], points[(i+2)%n])，看总和正负是否一致。
