碰撞檢測之分離軸定理演算法講解
本文翻譯自@sevenson的文章Separating Axis Theorem (SAT) Explanation 。原文作者用的是ActionScript 3來編寫演算法,不過文中主要講述的還是演算法原理,我想一旦演算法原理被我們掌握了,選擇什麼程式語言來實現演算法都是次要的事情了。
本人並非英文專業,所以文中翻譯得有不妥或疏漏之處,歡迎各位指正,謝謝!
正文如下:
分離軸定理(英文簡稱SAT)是一項用於檢測凸多邊形碰撞的技術。
我絕不是這個方面的專家,但當檢測碰撞的需求出現在我面前之後,我做了大量的閱讀並最終在ActionScript 3中實現了它。
我想,我應該把我所學到的分享給大家,希望大家不會在這方面被坑得很慘:)
當我發現我需要在flash中檢測多邊形碰撞時,我碰巧地遇到了一個叫“分離軸定理”的方法。但唯一的問題是,為了真正地掌握它,我可費了不少功夫。
在閱讀了大量有關碰撞檢測的資料,並參看了一些程式碼示例後,這個方法總算被我領悟了。
為了幫助其他那些不精通數學的開發者,我想我應該寫下這一篇能快速闡明這個演算法工作原理的簡短介紹。我還在下文引入了一個使用分離軸定理實現的demo,以及供大家下載並使用的ActionScript 3原始碼。(譯者:demo和原始碼請到原文中檢視和下載)
注意:分離軸定理需要一點數學向量的知識,所以在深究這個演算法前,你最好複習一下這方面的內容。
演算法簡述
從根本上來講,分離軸定理(以及其他碰撞演算法)的用途就是去檢測並判斷兩個圖形之間是否有間隙。分離軸定理中用到的方法使演算法本身顯得十分獨特。
我所聽到過分離軸定理的最好類比方式是這樣的:
假想你拿一個電筒從不同的角度照射到兩個圖形上,那麼會有怎樣的一系列的陰影投射到它們之後的牆壁上呢?
如果你用這個方式從每一個角度上對這兩個圖形進行處理,並都找不到任何的間隙,那麼這兩個圖形就一定接觸。如果你找到了一個間隙,那麼這兩個圖形就顯而易見地沒有接觸。
從程式設計的角度來講,從每個可能的角度上去檢測會使處理變得十分密集。不過幸運的是,由於多邊形的性質,你只需要檢測其中幾個關鍵的角度。
你需要檢測的角度數量就正是這個多邊形的邊數。也就是說,你所需檢測的角度最大數量就是你要檢測碰撞的兩個多邊形邊數之和。舉個例子,兩個五邊形就需要檢測10個角度。
如何在程式碼中實現
這是一個簡易但比較囉嗦的方法,以下是基本的步驟:
步驟一:從需要檢測的多邊形中取出一條邊,並找出它的法向量(垂直於它的向量),這個向量將會是我們的一個“投影軸”。
步驟二:迴圈獲取第一個多邊形的每個點,並將它們投影到這個軸上。(記錄這個多邊形投影到軸上的最高和最低點)
步驟三:對第二個多邊形做同樣的處理。
步驟四:分別得到這兩個多邊形的投影,並檢測這兩段投影是否重疊。
如果你發現了這兩個投影到軸上的“陰影”有間隙,那麼這兩個圖形一定沒有相交。但如果沒有間隙,那麼它們則可能接觸,你需要繼續檢測直到把兩個多邊形的每條邊都檢測完。如果你檢測完每條邊後,都沒有發現任何間隙,那麼它們是相互碰撞的。
這個演算法基本就是如此的。
順帶提一下,如果你記錄了哪個軸上的投影重疊值最小(以及重疊了多少),那麼你就能用這個值來分開這兩個圖形。
那麼如何處理圓呢?
在分離軸定理中,檢測圓與檢測多邊形相比,會有點點奇異,但仍然是可以實現的。
最值得注意的是,圓是沒有任何的邊,所以是沒有明顯的用於投影的軸。但它有一條“不是很明顯的”的投影軸。這條軸就是途經圓心和多邊形上離圓心最近的頂點的直線。
在這以後就是按套路遍歷另一個多邊形的每條投影軸,並檢測是否有投影重疊。
噢,對了,萬一你想知道如何把圓投影到軸上,那你只用簡單地把圓心投影上去,然後加上和減去半徑就能得到投影長度了。
優點與不足
和其他的碰撞檢測技術一樣,分離軸定理演算法有它自己的優點和不足。以下是其一些優點和不足的簡要概述:
優點
(譯者:原來老外也喜歡先談優點啊~>~)
- 分離軸定理演算法十分得快——它完美地使用了基本的數學向量知識。只要間隙一旦被檢測出來,那麼你就能馬上得出結果,消除不必要的運算。
- 分離軸定理演算法十分得準——至少據我所知是這樣的。(譯者:突然感覺作者好不靠譜啊,囧……)
不足
- 分離軸定理演算法只適用於凸多邊形——複雜的圖形(譯者:指的是凹多邊形,比如五角星)無法使用此方法,除非你把它們分成一些小的凸多邊形,然後依次檢驗這些小的多邊形。
- 分離軸定理演算法無法告訴你是那條邊發生的碰撞——僅僅是告訴你重疊了多少和分開它們所需的最短距離。
可能這個演算法會有更多優點和不足之處,但是我想這應該是最主要的幾個了。
總結
我希望這篇文章能幫助你瞭解到分離軸定理演算法。我已經儘可能地不提供過多的資訊並講解得十分簡明瞭。(我絕不是數學方面的專家,所以如果我遺漏了什麼,我深表歉意)
以下是一些幫助我理解分離軸定理演算法的頁面:
- harverycartel.org——有更多詳細的表述以及很多很酷的示例。我在這個頁面上學到了很多。
- GPWiki.org——有不錯的講解和程式碼示例,我用這些程式碼作為編寫自己程式碼的基礎。
- Tony Pa——向量教程,學習向量的不錯資源。
- GameDev.net forum——一個論壇成員寫的分離軸定理碰撞檢測系統,帶給了我一些計算方面的想法。
以下是譯者補充的內容
我將文中的演算法用JavaScript實現了一遍,大家有興趣的話,可以到下面提供的連結中下載原始碼或檢視線上demo。
原始碼下載
相關推薦
碰撞檢測之分離軸定理演算法講解
本文翻譯自@sevenson的文章Separating Axis Theorem (SAT) Explanation 。原文作者用的是ActionScript 3來編寫演算法,不過文中主要講述的還是演算法原理,我想一旦演算法原理被我們掌握了,選擇什麼程式語言來實
基於分離軸定理的碰撞檢測
教程詳情難度:中級使用平臺: AS3,Flash預計完成時間:一小時 分離軸定理在檢測兩個簡單的多邊形之間的碰撞或多邊形與圓形之間的碰撞時經常用到。與其他所有演算法一樣,分離軸定理也並非所向披靡的完美存在。本教程中,我們就深入數學角度來研究本定理,同時也向讀者展示了遊戲開發中如何應用此定理的示例程式碼和d
目標檢測之SSD:RefineNet演算法理解
RefineDet是CVPR2018的論文,個人覺得是一篇很不錯的文章,大致上是SSD演算法和RPN網路、FPN演算法的結合,可以在保持SSD高效的前提下提高檢測效果(實驗效果提升挺明顯)。第一眼看到這篇文章就讓我想起了RON,畢竟都是想做one stage和two stag
OPENCV的學習:影象特徵檢測之Harris角點演算法
影象檢測是影象分割,影象識別的基礎,也是不可缺少的關鍵。在視覺計算理論框架中,抽取二維影象的邊緣、角點、紋理等基本特徵,是整個框架的第一步;本文章對Harris角點演算法做了比較詳細的理論介紹以及相關實現。 Part One:角點型別介紹 在現實世界中,角點
碰撞檢測之Ray-Capsule檢測
Capsule的射線檢測和Cylinder的類似,只是把上下兩個面換成了兩個半球,程式碼上稍作區別即可。Capsule型別定義 public class Capsule : NGeometry { public Vector3 p0;
碰撞檢測之Ray-Cylinder檢測
正交基和標準正交基首先來看定義Let S = {v1, v2, ... , vk} be a set of vectors in Rn, then S is called an orthogonal if vi . vj=0for all i not equa
運動目標檢測 之 GMM背景模型演算法
綜述 單高斯背景建模是一種基於畫素樣本統計資訊的背景表示方法,它是根據視訊中的每個畫素在時域上的概率統計資訊(均值/方差)來構建各個畫素的顏色分佈模型,依次來達到背景建模的目的。背景建模完成後,使用統計差分進行目標畫素判斷以達到對前景目標的檢測,同時用目標畫素不斷更新背景模型以實現對
碰撞檢測之Sphere-Sphere檢測
今天超級簡單!判斷兩個球相交不相交,直接判斷兩個球心的距離是否大於兩個半徑的和就可以了。檢測程式碼public static bool IntersectSphereSphere(Sphere sphere0, Sphere sphere1) {
《實時碰撞檢測演算法技術》讀書筆記(七):分離軸測試
分離軸測試基於凸體:給定兩凸體集A和B,若兩集合不存在交集,則必定存在一個軸使得兩凸體投影無重疊。若找不到該軸,則兩凸體集相交。對於對稱幾何體如線段、AABB、OBB、球體等,其包含中心C且為投影軸上投影區間的中心位置,只需計算其投影區間的1/2寬度或半徑,求和並於二中心投影
人臉檢測之face_recognition演算法除錯
參考:https://github.com/ageitgey/face_recognition 公司專案需求,要出一個人臉檢測與識別的demo,檢視網上比較成熟的是face_recognition方案,因此在電腦上按照推薦步驟進行除錯。face_recognition使用dlib最先進的面部
cocos2d x遊戲開發系列教程 坦克大戰遊戲之子彈的碰撞檢測處理
分享一下我老師大神的人工智慧教程!零基礎,通俗易懂!http://blog.csdn.net/jiangjunshow 也歡迎大家轉載本篇文章。分享知識,造福人民,實現我們中華民族偉大復興!  
遊戲中的基礎碰撞檢測演算法
在遊戲中,經常需要進行碰撞檢測的實現,例如判斷前面是否有障礙以及判斷子彈是否擊中飛機,都是檢測兩個物體是否發生碰撞,然後根據檢測的結果做出不同的處理。 進行碰撞檢測的物體可能有些的形狀和複雜,這些需要進行組合碰撞檢測,就是將複雜的物體處理成一個一個的基本形狀的組合,然後分別進行不同的檢測。 下面簡單介紹
邊緣檢測之Canny演算法_Qt實現(C++)
邊緣檢測之Canny演算法_Qt實現(C++) Canny邊緣檢測演算法的簡單介紹 Canny的目標是找到一個最優的邊緣檢測演算法,最優邊緣檢測的含義是: 好的檢測 - 演算法能夠儘可能多地標識出影象中的實際邊緣。 好的定位 - 標識出的
《實時碰撞檢測演算法技術》讀書筆記(六):最近點計算(下)
點至3D矩形的最近點 實際上等同於計算OBB上的最近點,其中3D矩形可看做是z向為0的OBB。 struct Rect { Point c; Vector u[2]; float e[2]; } 令z軸為0並重寫函式ClosestPtPointO
特徵點檢測之surf演算法
四、尺度不變的SURF特徵檢測 當我們想匹配不同影象時,經常會遇到影象尺度不同的問題,不同影象中特徵點的距離變得不同,物體變成不同的尺寸,如果我們通過修正特徵點的大小,就會造成強度不匹配。為了解決這個問題,我們提出一個尺度不變的SURF特徵檢測,在計算特徵點
第三十五節,目標檢測之YOLO演算法詳解
YOLO的全拼是You Only Look Once,顧名思義就是隻看一次,把目標區域預測和目標類別預測合二為一,作者將目標檢測任務看作目標區域預測和類別預測的迴歸問題。該方法採用單個神經網路直接預測物品邊界和類別概率,實現端到端的物品檢測。因此識別效能有了很大提升,達到每秒45幀,而在快速YOLO(Fas
基於影象配準的影象特徵檢測之sift演算法----sift演算法總結
身為菜鳥的我,花了將近3個月的時間把sift演算法吃透並自己把演算法實現啦,實在是耗時耗力呀,為了對得起我這段時間的努力,決定把自己對sift演算法的理解和大家分享一下,有什麼錯誤望各位大神指教,小妹在此獻醜啦。 一 概念 sift---Scale Invari
【H5/JS】遊戲常用演算法-碰撞檢測-包圍盒檢測演算法(1)-圓形
檢測物體碰撞實際上是需要檢測物體是否相交,而實際應用中物體的形狀大小各異,如果直接對物體的邊緣進行碰撞檢測,實際計算過程的代價非常高昂。如果物體的數量太多,比如像網路遊戲中,通常少則幾千使用者,多則上萬、幾十萬使用者同時線上,而這些碰撞都要通過伺服器檢測,這樣計算的消耗,即使
基於cocos2d-x的2D空間中的OBB(Orient Bounding Box)碰撞檢測演算法
引言 最近在與好友聊天的過程中,好友問我如何實現類似這樣的遊戲。它主要想知道,如何檢測旋轉過後的物體與其他物體之間的碰撞。 我們知道,在沒有旋轉的情況下,對於這樣的方塊,比較規則的物體,我們完全可以使用AABB(Axie-Alig
【H5/JS】遊戲常用演算法-碰撞檢測-包圍盒檢測演算法(2)-矩形
矩形包圍盒,顧名思義,就是使用一個矩形來包圍住影象,矩形的大小以剛好包圍住影象為最佳,這種包圍盒最適用的場景是剛好物體的形狀接近於矩形。在具體的應用中,描述矩形包圍盒的的常用方式有以下兩種,一:採用最小最大頂點法描述AABB包圍盒上圖中使用了最小最大頂點法來描述包圍盒資訊,由