Ray-AABB交叉检测算法

  最近在解决三维问题时,需要判断线段是否与立方体交叉,这个问题可以引申为:射线是否穿过立方体AABB。   在3D游戏开发中碰撞检测普遍采用的算法是轴对齐矩形边界框(Axially Aligned Bounding Box, AABB)包装盒方法,其基本思想是用一个立方体或者球体完全包裹住3D物体对象,然后根据包装盒的距离、位置等相关信息来计算是否发生碰撞。

slab的碰撞检测算法

  本文接下来主要讨论射线与AABB的关系,主要对box2d碰撞检测使用的slab的碰撞检测算法(Slabs method)进行介绍,然后使用python语言实现slab碰撞检测方法,该方法可以用于3D物体拾取等应用场景。   Slab英文翻译是“平板”,本文是指两个平行平面/直线之间的空间。在2D空间中slab可以理解为平行于坐标轴的两条直线间的区域,3D空间中为平行于xy平面(或者yz面,xz面)的两个平面之间的区域。由此,我们可以把3D空间中的AABB盒子看做是由AABB的3组平行面形成的3个方向的slab的交集。   另外,引入候选面的概念:在3D空间中,我们先确定正对着射线的三个面,也就是说,我们可以通过某种方式将AABB相对于射线Ray的背面给忽略掉,从而确定三个候选的面。这三个候选的面,就是有可能和射线Ray发生交叉的最近的面。

  根据这个定义,我们可以得到以下三个结论:

  1. 性质一:如果一个点在AABB中,那么这个点必定同时在这3个slab中。
  2. 性质二:如果一条射线和AABB相交,那么这条射线和3个slab的相交部分必定有重合部分。
  3. 性质三:当射线与这三个候选面中的一个发生交叉之后,射线Ray的原点到这个面的距离要比到其他几个面的距离要长。

  性质一和性质二比较容易理解,如果射线和3个slab的相交线段没有重合,那么这些线段就不可能同时存在于3个slab中,也就不可能在AABB盒子中。   为了方便理解性质三,使用2D图形来讲解:

  在上图中,我们的射线在右下角,向左上角发射,射线经过一个A点,其中候选面是y1面和x2面。   根据上述性质,可以看到A点同时在2D空间中的2个slab中;此外,根据性质二,因为射线与平面相交,那么这条射线与slab的相交部分必有重合部分,因为A点在射线上,且在平面中,那么可以得到max(t1,t2)<=tA<=min(t3,t4);根据性质三:当交叉后,可以看出t2>t1。   同理,我们可以把上述的验证过程推广到三维中。在三维空间中,假设射线到3个候选面的距离分别是t1、t2、t3,到候选面对应的面的距离分别为t4、t5、t6,那么根据性质二,射线与AABB碰撞的条件是max(t1,t2,t3)<=min(t4,t5,t6);如果发生交叉,那么根据性质三,射线到最近的交叉面的距离是是max(t1,t2,t3)。

  在上述性质基础上,确定射线与AABB是否交叉需要三步骤:

  1. 如何确定候选面:只要将平面方程带入射线Ray的方程,求出这两个平面的t值,然后t值较小的那个自然先与射线交叉,那么就表示它是一个候选面。射线可以用参数方程表示为R(t) = P0 + t·d, (其中P0为射线起点,d为射线的方向向量)
  2. 如何确定候选面的方程。平面由隐式定义方程X·n=D, (其中X为平面上的点,n为平面法向量,D为原点到平面的距离)给出。由于AABB的slab平面都分别和两个坐标轴平行,它的面的法线总是有两个分量是0,而另外一个分量总是为1,所以我们一致使用某个轴分量为1的法线。如果上面的方程表示的是AABB盒的左面的面,那么公式中的n表示的就是(1,0,0),但上面的公式表示的是AABB盒的右边的面的时候,n表示的值依然是(1,0,0)。
  3. 如何对交叉点是否在AABB盒上进行判断。根据性质二判断,即射线与AABB碰撞的条件是max(t1,t2,t3)<=min(t4,t5,t6)。

碰撞检测算法公式推导

  求取t值的公式推导如下:


碰撞检测算法Python源代码

最后,附上我的Python代码片段,代码实时更新于GitHub

# Ray-AABB方法 相交返回True,否则返回False
# TDPoint = collections.namedtuple("TDPoint", ["x", "y","z"])
# AABB有最大和最小点组成,数据结构为{max=TDPoint,min=TDPoint}
# Ray由原点和方向组成,其中方向矢量为1,数据结构为{TDPoint,TDPoint}
def intersectWithAABB(AABB,Ray):
    tmin=0
    tmax=10000

    # <editor-fold desc="平行于x轴">
    if(math.fabs(Ray[1].x)<0.000001):
        if (Ray[0].x<AABB.min.x) or (Ray[0].x>AABB.max.x):
            return  False
    else:
        ood=1.0/Ray[1].x
        t1=(AABB.min.x-Ray[0].x)*ood
        t2=(AABB.max.x-Ray[0].x)*ood
        # t1做候选平面,t2做远平面
        if (t1>t2):
            temp=t1
            t1=t2
            t2=temp
        if t1>tmin:
            tmin=t1
        if t2<tmax:
            tmax=t2
        if tmin>tmax:
            return False
    # </editor-fold>

    # <editor-fold desc="平行于y轴">
    if(math.fabs(Ray[1].y)<0.000001):
        if (Ray[0].y<AABB.min.y) or (Ray[0].y>AABB.max.y):
            return  False
    else:
        ood=1.0/Ray[1].y
        t1=(AABB.min.y-Ray[0].y)*ood
        t2=(AABB.max.y-Ray[0].y)*ood
        # t1做候选平面,t2做远平面
        if (t1>t2):
            temp=t1
            t1=t2
            t2=temp
        if t1>tmin:
            tmin=t1
        if t2<tmax:
            tmax=t2
        if tmin>tmax:
            return False
    # </editor-fold>

    # <editor-fold desc="平行于z轴">
    if(math.fabs(Ray[1].z)<0.000001):
        if (Ray[0].z<AABB.min.z) or (Ray[0].z>AABB.max.z):
            return  False
    else:
        ood=1.0/Ray[1].z
        t1=(AABB.min.z-Ray[0].z)*ood
        t2=(AABB.max.z-Ray[0].z)*ood
        # t1做候选平面,t2做远平面
        if (t1>t2):
            temp=t1
            t1=t2
            t2=temp
        if t1>tmin:
            tmin=t1
        if t2<tmax:
            tmax=t2
        if tmin>tmax:
            return False
    # </editor-fold>
    return True

from 3D空间中射线与轴向包围盒AABB的交叉检测算法 from Box2D 射线和AABB的碰撞检测

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏程序员宝库

Python+OpenCV实现增强现实(第1部分)

你可能已经(或可能没有)听过或看过增强现实电子游戏隐形妖怪或Topps推出的3D棒球卡。其主要思想是在平板电脑,PC或智能手机的屏幕上,根据卡片的位置和方向,...

3219
来自专栏Java与Android技术栈

基于边缘保留滤波实现人脸磨皮的算法

快速边缘保留滤波是通过积分图像实现局部均方差的边缘保留模糊算法,计算简单而且可以做到计算量跟半径无关。 首先局部均方差滤波中计算局部均值的公式如下:

542
来自专栏大数据文摘

手把手:用OpenCV亲手给小扎、Musk等科技大佬们做一张“平均脸”(附Python代码)

1417
来自专栏量子位

如何捕获一只彩色卓别林?黑白照片AI上色教程很友好 | 哈佛大触

1112
来自专栏听雨堂

地图坐标

1、椭球面 地图坐标系由大地基准面和地图投影确定,大地基准面是利用特定椭球体对特定地区地球表面的逼近,因此每个国家或地区均有各自的大地基准面,我们通常称谓的...

18010
来自专栏CreateAMind

mask R-cnn检测,分割和特征点定位全部都做了

摘要 我们提出一个概念上简单,灵活,而且通用的对象实例分割框架(object instance segmentation)。我们的方法能有效检测图像中的对象,...

752
来自专栏机器之心

教程 | 重新发现语义分割,一文简述全卷积网络

语义分割是一种学习如何识别图像中对象范围的机器学习技术。语义分割赋予机器学习系统与人类相似的理解图像内容的能力。它促使机器学习算法定位对象的精准边界,无论是街景...

1002
来自专栏吉浦迅科技

【阿星的学习笔记(2)】使用Tensorflow实作卷积神经网络(CNN)

Lady之前已经向各位介绍一个朋友阿星(Ashing)以及他的机器学习读书笔记! 阿星也是我们手撕深度学习算法微信群的热心群友!接下来,Lady我也会陆续分享这...

32510
来自专栏智能算法

鸟群的启发--粒子群算法

看文章之前先看一个相关小视频(55s, 2.86M): ? 1. PSO的基本思想: “自然界的蚁群、鸟群、鱼群、羊群、牛群、蜂群等,其实时时刻刻都在给予我们以...

30011
来自专栏机器人网

机器人运动学之连杆笑你不会看平面三维图

前面我们已经对变换已经有一定了解了,是时候该放到机器人上去实践一下了。当然,我们的实践目标还是臂式机器人。

813

扫描关注云+社区