OBB盒构建方法

本文主要参考：Morgan_Kaufmann.Real-Time Collision Detection(2005)

包围盒是一个简单的几何空间，里面包含着复杂形状的物体。最常见的包围盒算法有包围球(Sphere)，轴对齐包围盒(Axis-aligned bounding box)AABB盒，OBB方向包围盒(Oriented bounding box)， FDH固定方向凸包(Fixed directions hulls或k-DOP)等。这些表示法对于规则形状的物体较为有效，计算速度较快，但在捕捉不规则形状时由于包含了一定的无用空间，因此可能存在一定的精度损失。

OBB紧凑地贴合物体的实际形状，与物体的主要方向对齐。这种贴合性使得OBB能够较精确地反映被包围物体的外形，它减少了不必要的安全距离。

虽然OBB的碰撞检测计算复杂度高于AABB，但它在处理复杂或长条形状物体时更为有效，因为它减少了误报的碰撞检测次数。与AABB不同，OBB随物体旋转而旋转，保持与物体的相对方向一致。这使得OBB在处理旋转物体时保持了包围盒的大小和形状不变，从而在动态环境中提供了更稳定的避障性能。

OBB盒有不同的表示方法，首选的是一个中心点加一个主方向矩阵和三个半边长度，这种表示方法更易于进行包围盒与包围盒之间的交叉测试。

第一步，准备数据，收集物体的所有顶点数据。

第二步，计算所有顶点的平均位置即几何中心，可以初步确定为OBB盒的中心点。

中心点=  。其中，N是顶点的数量，Pi是第 i个顶点的位置。

第三步，进行PCA分析，获取这组数据的主要分布方向。

主成分分析（PCA）是一种通过正交变换，将一组可能相关的变量集合变换成一组线性不相关的变量集合，即主成分。在这里引入协方差矩阵的概念，协方差表示的使两个变量之间的线性相关程度。协方差越小则表示两个变量之间越独立，即线性相关性小。

由此可以得到一个协方差矩阵（if 三维数据）

主对角线的元素表示变量的方差，主对角线的元素较大则表示强信号。非主对角线的元素表示变量之间的协方差，较大的非对角线元素表示数据的畸变。由于协方差矩阵是一个实对称矩阵，所以为了减小畸变，可以重新定义变量间的线性组合，将协方差矩阵相似对角化。

通过矩阵相似变换可以求得其特征值和特征向量Q，特征向量代表数据中的主要方向，而对应的特征值则表示这些方向的方差大小，即分布的广度。

第四步，确定OBB包围盒的朝向和中心点。

第五步，投影计算半边长度。将各个顶点投影到主轴上，计算投影后的极值，物体的尺寸即可通过计算最大值和最小值的差来得到，由此可以得到各个主轴方向的半边长度。

由此，基本上可以生成一个OBB包围盒。

如何判断多个OBB盒是否相撞？

分离轴定理：即如果存在一个轴（即分离轴），使得将两个对象在这个轴上的投影分开，那么这两个对象不相交。而在两个OBB包围盒，至多存在15个轴。两个OBB的每个局部坐标轴（共6个轴）；两个盒子的轴之间的交叉乘积（可能的9个轴）。但是绝多数情况下是不需要全算完的。

两个盒子不发生碰撞的充要条件是.

代码可参考Chatgpt生成，MATLAB的确实会简单很多。