zoukankan      html  css  js  c++  java
  • 碰撞检测 :Separating Axis Theorem

    目录

    引子

    Collision Detection :Transformation 中介绍了动态的碰撞检测,至此 CollisionDetection 项目的主要内容差不多都涉及了。在查询资料的时候,还接触到一些其它的检测方法,现在来看一下另外一种检测方法: Separating Axis Theorem 。

    相关知识点

    矢量和标量

    简单的来说:

    • 矢量(vector)也称向量,有大小和方向的量,例如加速度、力。
    • 标量(scalar)只有大小(magnitude)的量,例如时间、温度。

    在几何中,矢量用有向线段表示,表示如下:

    64-vector

    矢量 V 计算方法:

    • V = C2 - C1
    • V = (7-3,7-2)
    • V = (4,5)

    法向量:向量的垂直向量,交换 xy 分量,然后将坐标 x 分量取反。上面 V 的法向量为 (-5,4) 。

    64-perpendicular-vector

    点积和投影

    点积

    两个矢量,可以用点积(Dot Product)的方式进行相乘,结果是一个标量。表示形式为: A · B 。

    点积有两种计算方式:

    方式一

    A · B = Ax * Bx + Ay * By
    

    方式二

    A · B = |A| * |B| * cos(θ)
    
    • |A| 是矢量 A 的量值
    • |B| 是矢量 A 的量值
    • θ 是矢量 A 和 B 之间的角度

    还需要了解的一个概念就是单位向量,单位向量计算方法:向量除以向量自身的量值。

    A / |A|
    

    更多信息见这里

    投影

    关于投影(Projection),先看下图:

    64-projection

    想象用一个发出平行光线的光源,照射到一个物体上,将在一个面上产生阴影。这个阴影是三维物体的二维投影。

    类似的,二维物体的投影就是一维的“阴影”。

    64-projection2

    点积和投影的关系

    利用点积可以得出一个矢量在另外一个矢量上的投影。通过简单的推导就可以明白。

    64-dot

    如上图所示,将 V 在 W 上的投影标量记为 Pw(V),可以得知:

    Pw(V) = |V| * cos(θ)
    

    根据点积计算方法得知:

    V · W = |V| * |W| * cos(θ)
    V * (W / |W|) = |V| * cos(θ)
    

    因此可以得出:

    Pw(V) = |V| * cos(θ) = V * (W / |W|)
    

    多边形

    凸多边形

    一条直线穿过一个多边形时,如果该线与多边形相交不超过(包含)两次,则该多边形为凸多边形(​Convex Polygon)。

    64-convex

    凹多边形

    一条直线穿过一个多边形时,如果该线与多边形相交超过两次,则该多边形为凹多边形(Concave Polygon)。

    64-concave

    Separating Axis Theorem

    分轴理论(Separating Axis Theorem)由 Hermann Minkowski 提出,可用于解决凸多边形碰撞问题,该理论表明:

    如果存在一条轴线,两个凸面物体在该轴上的投影没有重叠,那么这两个凸面物体就没有重叠。

    这个轴线称为分轴。接下来进一步讨论一下。在下文中分轴理论简称 SAT 。

    没有重叠

    64-concave-shadow

    在上图中,可以看到投影没有重叠,根据 SAT ,这个两个形状没有重叠。

    SAT 在检测的时候,可能需要检测很多轴线,但只要检测到有一个轴线上投影没有重叠,就可以停止继续检测。由于这种特点,SAT 对于有很多物体但碰撞很少的应用(游戏、模拟等等)是理想的选择。

    重叠

    如果在所有分轴上,形状的投影都重叠,那么我们可以确定这些形状产生了重叠。示例如下:

    64-concave-overlap

    算法实现

    有了上面的原理,接下来转换成算法需要考虑的问题有:

    1. 如何获取到所有潜在的分轴?
    2. 投影重叠判断依据是什么?

    问题 1

    通过查找资料,第一个问题的答案是:在 2D 中,所有潜在的分轴是形状每条边的法线。

    法线简单来说就是没有方向的法向量。在前面的知识点中有介绍。下面是一个大概逻辑实现:

    const vertices = [] // 顶点的坐标集合,假设已有值
    const axes = [] // 存放分轴
    const verticesLen = vertices.length;
    
    for (let i = 0; i < verticesLen; i++) {
      const p1 = vertices[i];
      const p2 = vertices[i + 1 == vertices.length ? 0 : i + 1];
      // 获取每条边的矢量代数表示,subtract 方法功能主要功能是 p2 的坐标与 p1 坐标分量相减
      const edge = subtract(p1,p2);
      // 获取法向量,normalAxes 方法主要功能: (x, y) => (-y, x) or (y, -x)
      const normal = normalAxes(edge);
      axes.push(normal);
    }
    

    问题 2

    在上面的关于 SAT 的介绍中,在图示中可以比较明显观察到,在算法实现中,需要遍历形状所有的顶点与分轴执行点积,比较获得最小值和最大值。然后在一条轴线上大概标注出最小值和最大值,看是否有重叠的区间。

    下面是一个大概逻辑实现:

    假设有多边形 A 和多边形 B 。

    const verticesA = []; // A 形状所有顶点坐标集合
    const verticesB = []; // B 形状所有顶点坐标集合
    const axes = [] // 存储获取的所有分轴
    const axesLen = axes.length;
    
    for (let i = 0; i < axesLen; i++) {
      const separateAxes = axes[i];
      // getProject 方法获取投影的最大和最小值
      const projectA = getProject(separateAxes,verticesA);
      const aMin = projectA.min;
      const aMax = projectA.max;
      const projectB = getProject(separateAxes,verticesB);
      const bMin = projectB.min;
      const bMax = projectB.max;
      // 符合该条件,表示投影重叠了。
      if ( (aMin <= bMax && aMin >= bMin) || (bMin <= aMax && bMin >= aMin) ) {
        continue;
      } else {
        return false;
      }
    }
    

    验证

    根据上面的思路,以网页左上角作为坐标原点,水平向左作为 X 轴,垂直向下作为 Y 轴。根据 CSS 的单位描述坐标点。

    这个是测试页面,移动端如下:

    64-example

    在上面测试页面中,以未重叠的投影数据为例,检测的数据投影到一条轴线上:

    64-project

    可以看出没有重叠。

    参考资料

  • 相关阅读:
    Codeforces 1316B String Modification
    Codeforces 1305C Kuroni and Impossible Calculation
    Codeforces 1305B Kuroni and Simple Strings
    Codeforces 1321D Navigation System
    Codeforces 1321C Remove Adjacent
    Codeforces 1321B Journey Planning
    Operating systems Chapter 6
    Operating systems Chapter 5
    Abandoned country HDU
    Computer HDU
  • 原文地址:https://www.cnblogs.com/thyshare/p/13800823.html
Copyright © 2011-2022 走看看