AABB与OOB包围盒子

最新推荐文章于 2024-03-13 17:36:14 发布

微小的鱼

最新推荐文章于 2024-03-13 17:36:14 发布

阅读量2.3k

点赞数 6

分类专栏： cg&图形学文章标签：图形学 3d引擎 3d游戏 3d

本文链接：https://blog.csdn.net/chenweiyu11962/article/details/107032402

版权

cg&图形学专栏收录该内容

21 篇文章 25 订阅

订阅专栏

包围盒也叫外接最小矩形,是一种求解离散点集最优包围空间的算法，基本思想是用体积稍大且特性简单的几何体（称为包围盒）来近似地代替复杂的几何对象。
在这里插入图片描述
常见的包围盒算法有AABB包围盒、包围球、方向包围盒OBB以及固定方向凸包FDH。碰撞检测问题在虚拟现实、计算机辅助设计与制造、游戏及机器人等领域有着广泛的应用，甚至成为关键技术。而包围盒算法是进行碰撞干涉初步检测的重要方法之一。
AABB盒子： 首先 aabb包围盒由一个max坐标和一个min坐标组成，一个3D的AABB就是一个简单的六面体，每一边都平行于一个坐标平面，矩形边界框不一定都是立方体，它的长、宽、高可以彼此不同。一个3D的AABB就是一个简单的六面体，每一边都平行于一个坐标平面，矩形边界框不一定都是立方体，它的长、宽、高可以彼此不同。因为AABB总是与坐标轴平行，不能在旋转物体时简单地旋转AABB，而是应该在每一帧都重新计算。
AABB的重要性质:
Xmin<= X <= Xmax
Ymin <= Y <= Ymax
Zmin <= Z <= Zmax
特别重要的两个顶点为：Pmin = [Xmin Ymin Zmin]，Pmax = [ Xmax Ymax Zmax].
因此只需要知道两个特别重要的顶点（xmin，ymin，zmin）、（xmax，ymax，zmax），记作：

 float[] min = new float []{0.0f,0.0f,0.0f};
 float[] max = new float []{0.0f,0.0f,0.0f};

中心点是两个顶点的中点，代表了包装盒的质点。

  float[] center = new float []{0.0f,0.0f,0.0f};

中心点的计算方法如下：

 float [] center(){   center[0] = (min[0] + max[0])*0.5f;  center[1] = (min[1] + max[1])*0.5f;  center[2] = (min[2] + max[2])*0.5f;  return center;}`

通过这两个顶点可以知道以下属性。

  float xSize() { return (max[0]-min[0]); }
  float ySize() { return (max[1]-min[1]); }
  float zSize() { return (max[2]-min[2]); }
  float size(){ return (max[0]-min[0])*(max[1]-min[1])*(max[2]-min[2]);}

当添加一个顶点到包装盒时，需要先与这两个顶点进行比较。

void add(float []p) {    
if (p[0] < min[0]) min[0] = p[0];   
if (p[0] > max[0]) max[0] = p[0];  
if (p[1] < min[1]) min[1] = p[1];  
if (p[1] > max[1]) max[1] = p[1];   
if (p[2] < min[2]) min[2] = p[2];   
if (p[2] > max[2]) max[2] = p[2];}

检测包装盒是否为空，可以将这两个顶点进行比较。

boolean isEmpty() {   return (min[0] > max[0]) || (min[1] > max[1]) || (min[2] > max[2]);}

检测某个点是否属于AABB范围之内的代码如下：

boolean contains(float []p){    return    (p[0] >= min[0]) && (p[0] <= max[0]) &&    (p[1] >= min[1]) && (p[1] <= max[1]) &&    (p[2] >= min[2]) && (p[2] <= max[2]);}

OBB盒子：基于OBB即定向包容盒子（Oriented Bounding Box,OBB）的技术，它已经广泛用于光线追踪和碰撞检测中， OBB这种方法是根据物体本身的几何形状来决定盒子的大小和方向，盒子无须和坐标轴垂直。这样就可以选择最合适的最紧凑的包容盒子。OBB盒子的生成比较复杂。一般是考虑物体所有的顶点在空间的分布，通过一定的算法找到最好的方向(OBB盒子的几个轴)。
正交：正交矩阵是方块矩阵，行向量和列向量皆为正交的单位向量。行向量皆为正交的单位向量，任意两行正交就是两行点乘结果为0，而因为是单位向量，所以任意行点乘自己结果为1。对于3x3正交矩阵，每行是一个3维向量，两个3维向量正交的几何意义就是这两个向量相互垂直。所以3x3正交矩阵的三行可以理解为一个3D坐标系里的三个坐标轴，下面是3*3正交矩阵M，
x1, x2, x3, // x轴
y1, y2, y3, // y轴
z1, z2, z3，// z轴
单位矩阵表示的三个坐标轴就是笛卡尔坐标系里的x,y,z轴：1, 0, 0, // x轴0, 1, 0, // y轴0, 0, 1, // z轴向量的意义：一个向量(1, 2, 3)右乘这个矩阵M1得到新的向量(2, 1, 3)，就是把原向量从原坐标系变换到一个新的坐标系。正交矩阵的定义“行向量和列向量皆为正交的单位向量”带来了另一个好处：正交矩阵的转置就是正交矩阵的逆，比普通矩阵求逆矩阵简单多了。逆矩阵的定义就是逆矩阵乘以原矩阵等于单位矩阵，所以，正交矩阵的转置就是正交矩阵的逆。
方差： 在统计学中，方差是用来度量单个随机变量的离散程度，而协方差则一般用来刻画两个随机变量的相似程度，
在这里插入图片描述
协方差： 理解：两个变量在变化过程中是同方向变化？还是反方向变化？同向或反向程度如何？你变大，同时我也变大，说明两个变量是同向变化的，这时协方差就是正的。你变大，同时我变小，说明两个变量是反向变化的，这时协方差就是负的。从数值来看，协方差的数值越大，两个变量同向程度也就越大。反之亦然。
在这里插入图片描述
公式简单翻译一下是：如果有X,Y两个变量，每个时刻的“X值与其均值之差”乘以“Y值与其均值之差”得到一个乘积，再对这每时刻的乘积求和并求出均值（其实是求“期望”，但就不引申太多新概念了，简单认为就是求均值了）。因此，协方差矩阵为：
在这里插入图片描述
其中，对角线上的元素为各个随机变量的方差，非对角线上的元素为两两随机变量之间的协方差，根据协方差的定义，我们可以认定：矩阵

协方差矩阵