Algorithm 碰撞检测中的优化

我正在搜索有关碰撞检测优化的信息

有一个物体（圆）正在从点a移动到点b。这个物体的半径为r，在这个区域也有很多障碍物（圆）

我有一个算法（函数）来检查圆和胶囊之间的碰撞，目前我为每个障碍物调用此函数：

for-each (o : obstacles)
  if collide(o, Capsule(a,b,r))
    return true;

return false;

许多障碍物离运动物体很远，使用碰撞检测功能检查时可以忽略这些障碍物

我的问题是:

是否有一种解决方案可以忽略使用碰撞检测功能检查所有障碍物？类似于最近邻搜索或KD树

---

编辑：所有障碍物都有相同的半径。

作为第一步，您可以忽略不在某一帧/框中的所有障碍物

例如，y坐标（障碍物形状的y-最低点）大于a和b的最大y坐标+移动物体半径相同距离的所有障碍物都可以忽略。对于较低的y边框和x边框类似。 代替一个盒子，您可以进一步将类似的分支分成两个（或更多）盒子。例如，将a-b的距离分成两个距离，并对（a，（b-a）/2），/（b-a）/2，b）中的每一个进行上述步骤

---

但这完全取决于与碰撞过程相比，比较这些值的效率。

您可以简单地使用一个网格，其中每个单元格容纳所有接触该单元格的障碍物。现在只检查你的胶囊接触到的细胞有无碰撞。

---

另外，你也可以使用四叉树，但根据我的经验，网格通常就足够了，而且它的优点是在障碍物移动的情况下可以轻松快速地更新

我可以推荐一条怪兽曲线，例如希尔伯特曲线。它是一种四叉树或类似kd树的数据结构，它将二维复杂性降低为一维问题。在每一帧中，你只需要从一开始构建怪物曲线，这样就不用在四叉树或kd树中删除或插入。它还有一些更好的二维平铺特性，但在您的情况下可能不需要这些特性

对马丁回答的评论：

我制作了一个类似于

的盒子（a.x-R，a.y-R，b.x+R，b.y+R）

其中

R

是

ObjectRadius+ObstacleRadius

，然后扔掉所有不在这个盒子里的障碍物。在图中，仅检查带有黄点的障碍物：

将障碍物的中心放入KD树

找到最近的中心

检查它是否比ObstacleRadius更接近

---

您可以尝试在代码中实现空间分区。通过将每个对象/障碍划分为覆盖整个空间或地图的每个框。这样做就是将障碍物分成若干部分。因此，只需在一小部分内检查碰撞，就可以大大减少碰撞检查。如果你的障碍物没有移动，你只需要对每个障碍物进行一次分区。如果它们正在移动，您必须每次更新每个障碍的分区[重新分组]

空间分区技术已经存在了相当长的一段时间，这里有一个链接可以帮助您实现

---

您有多少障碍？它们的密度有多大？碰撞是经常发生还是很少发生？想想100个障碍物，它们是稀疏分布的。算法每10毫秒调用一次。我认为我的程序的瓶颈是这个问题。你应该尝试分析你的程序，以确保你找到了瓶颈。另外，kd树似乎适合您的问题，如果它有帮助，您尝试过吗？我以前使用kd树查找到给定点的最近点。但在这种情况下我不知道如何使用kd树！这个看起来很漂亮。尽管您可能需要稍微扩展这个框，以便所有的粉红色路径（+security R）都包含在其中（上面我假设a和b通过一条线连接）。小黑线表示什么？这是没有R防护罩的盒子。它工作得很好，我不得不在几个地方编辑代码。