weixin_45387973的博客

普通Undo/Redo，Undo后修改，被Undo的日志可以直接清掉了，但数据同步后Undo，再修改就不能清掉，因为下次同步还需要将Undo也同步了，这时候就需要增加一个保存点的设计来管理哪些日志能清，哪些不能。第二，日志是会组合的，我们一般Undo/Redo的不是单条修改，而是一批命令，例如我们画一条线，要添加一条线，设置第一个顶点，设置第二个顶点，这三条修改应该作为一个组合命令Undo/Redo一次，而不是三次。鉴于这些问题的复杂度，我们需要很高的抽象能力，同时也会涉及很多的概念和细节。

多项式是几何内核中比较常见的表达式（Bezier、Nurbs等），多项式值域精准高效的估计，严重影响区间类迭代算法的收敛速度。根据该多项式，通过计算极值点，很容易计算其值域区间为[21, 28]，我们不推荐直接这样做的原因是因为计算极值点的效率有点低。在本算法中，我们做的工作是求出该式中的pi，并根据pi计算闭包作为多项式的值域估计。需要注意的是，u属于[0, 1]，所以首先需要将多项式的变量x变换到[0, 1]。采用本文算法，u的采样点选为0，1/3，2/3，1。最终计算出的值域区间为[21, 31]。

和OpenCaseCade对比，同样配置，OpenCaseCade用IntTools_EdgeEdge来实现三维线求交，相同数据和配置，1000次普通求交就要1.159秒，接近重合情况运行1000次需要50多秒，效率远超OpenCaseCade。演示代码如下所示，测试了Nurbs曲线的相交、重合、接近重合三种常见情况，每个运行1000次并输出计时和计算结果。算法是支持方程数多于变量数的，所以原理上不需要任何特殊处理。原理一致，唯一的区别就是方程组多了一个维度。从结果来看，效率和稳定性都还是不错了。

特殊求交（例如直线与圆弧、圆弧与圆弧等）虽然是提速的好办法，但它们相对简单，只是工作量的问题，本文就不做针对性描述了。

基于上面的需求，WGP实现了一个方程组求解器，它的核心算法是在区间迭代法上做了改造。WGP的方程组求解器，由一个方程组定义（EquationSystem）和一个求解器组成（Solver），下面是一个直接调用最基础源码的例子。非线性方程组求解是图形算法库核心中的核心、曲线与曲线求交、曲线与曲面求交、曲面与曲面求交、空间距离检测、曲面求交内环检测等等等等。当然，区间迭代法有很多不足之处，我们只是借鉴了它的思想，设计出了我们独有的数值算法。关于区间迭代法思想的说明，可以看我下面的这篇文章。

2024-3-112024-3-12https://github.com/wangzy1982/WGP

结果非常不理想，求出2个点和1段重合线，和我预期不太一致，用时方面这次1000次用了3.08635秒，算是非常慢了，可能OpenCASECADE有检测重合的算法，但即使有，每次求交都调重合监测，也不好。接近重合情况还是很常见的，也是最容易出错的，可见OpenCASECADE表现的并不好，计算结果错误，没有找到交点，耗时也不少，1000次耗时1.68328秒。1000次用时0.065093秒，还是不错的。首先看看我们的对标产品实现的怎么样。读者也可以当个学习的Demo来用。先从简单的入手，二维曲线求交。

但这个bat并不支持VS2022，所以既然我们要快速运行起来，又不想修改系统的环境变量，所以直接在项目里加吧。在这个项目中，我只是希望将OpenCASECADE作为对标工具，并不是用它来做具体项目，所以，我的目标是能在我的Visual Studio 2022下快速编译并跑起来一个Demo，并不需要完美的配置它，所以直接在VS里配置了绝对路径。2、尝试编译，会有部分project有找不到头文件或者lib文件，看似报了很多错，经过验证，实际需要调整的不多，主要是引用的第三方库找不到。添加完直接编译就可以了。

这个歧义的消除，就需要算法都统一到距离误差下，但统一到距离误差下往往会使算法变慢，所以，折中的方案是两个角度误差，一大一小，小于小的绝对重合，大于大的绝对不重合，两者之间的转为距离误差的算法。不夸张的说，因为这个问题的存在，几乎所有图形算法都不能完全按书上的实现，哪怕是最简单的判断点内外的射线法，在接近重合以及几何体不完美的情况下也会出错，都需要特殊处理（这个几何体不完美指的是几何体经过若干运算后，本身就带了误差，这个是必然会出现的）。因为情况太多了，不能一一列举，只能高度抽象，重要的是思想。

虽然据传说OpenCASECADE不如那几个商业引擎（本人并未考证，不对这句话真实性负责），但它应用的也足够广泛，最重要的是开源，这就使更深入细节的对比成为可能。在精力有限的情况下，OpenCASECADE明显是日常开发中最好的对标产品。目前，本人对OpenCASECADE的了解非常少，还需不断学习。后续除了会把自己开发过程中的核心技术和代码分享之外，也会把对OpenCASECADE的学习一起分享。既然要做一个世界级的图形算法库，首先还是选一个对标产品。综合来看OpenCASECADE是最合适的。