基于特征點的碰撞檢測算法的研究.pdf

1、針對目前碰撞檢測算法普遍存在的準確性和實時性的矛盾，本文提出一種基于特征點的碰撞檢測算法，以三維實體的特征點作為碰撞檢測的計算依據，應用軸向包圍盒AABB作為碰撞檢測的輔助工具，在保證碰撞檢測準確性的同時，降低算法的計算復雜度，加快碰撞檢測的速度，提高算法的效率。 在Julien Tierny提出的應用于骨架抽取的特征點提取算法的基礎上，以局部極值作為判斷依據，提出基于局部極值的特征點提取算法(Feature Point Ext

2、raction Based onLocal Extremum，F-LE)，增加有意義的特征點的提取數量。針對F-LE算法計算復雜度過高，提出兩種基于夾角的特征點提取算法：基于鄰接面夾角的特征點提取算法(Feature Point Extraction Based on Neighbor Faces Angle，F-NFA)和基于鄰接點法矢夾角的特征點提取算法(Feature Point Extraction Based on Neigh

3、bor Point Vectors Angle，F-NPVA)。F-NFA算法和F-NPVA算法都是針對三角網格模型提出的。F-NFA算法以模型每條邊的兩個鄰接面的夾角作為判斷依據，F-NFVA算法以模型每條邊的兩個鄰接頂點法向矢量的夾角作為判斷依據。兩種方法都能夠快速有效地提取模型的特征點，并且提取的特征點的數量和準確度可以滿足碰撞檢測的需求。 針對F-NFA算法和F-NPVA算法對不同模型進行特征點提取的閾值設定問題，提出三

4、維模型特征點提取自適應閾值公式(Feature Points Extraction Self-AccommodatedValue，F-SAV)，根據模型自身的特點，可以方便地設定適合特征點提取的閾值。F-NPVA算法涉及頂點法向矢量計算，為解決狹長三角面對公共頂點法向失量的貢獻問題，提出基于圓面積加權的點法矢計算方法(Point Vector Based on Circle Area，PV-CA)，將狹長三角形各部分對公共頂點法向矢量的