CN102609992A - 基于三角网格变形体的自碰撞检测方法 - Google Patents
基于三角网格变形体的自碰撞检测方法 Download PDFInfo
- Publication number
- CN102609992A CN102609992A CN2012100306323A CN201210030632A CN102609992A CN 102609992 A CN102609992 A CN 102609992A CN 2012100306323 A CN2012100306323 A CN 2012100306323A CN 201210030632 A CN201210030632 A CN 201210030632A CN 102609992 A CN102609992 A CN 102609992A
- Authority
- CN
- China
- Prior art keywords
- node
- self
- collision
- xbvh
- self collision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Processing Or Creating Images (AREA)
Abstract
一种基于三角网格变形体的自碰撞检测方法:(1)构建基于层次包围体的数据结构;构建拓展层次包围体xBVH;构建自碰撞检测树SCTT;星型轮廓检测优化步骤;(2)基于星型轮廓的自碰撞检测预处理阶段步骤;(3)基于星型轮廓的自碰撞检测实时阶段步骤。本发明能够高效实时的检测三角网格变形体变形过程中的自碰撞现象,精确定位碰撞发生点并实时更新碰撞信息。
Description
技术领域
本发明属于计算机虚拟现实技术领域,具体地说是从开发包含真实细节的可变形物体的交互式仿真***的实际需求出发,通过研究可变形物体自碰撞检测技术的现状,为方便用户进行可变形实体建模仿真中真实变形操作而开发的一个三角网格变形体自碰撞检测方法或***。
背景技术
近二十多年来,研究人员在碰撞检测领域中做了相当多有意义的工作,对虚拟现实的发展起到了推动作用。碰撞检测算法种类繁多,各有侧重。文献1-H.C.Longuet-Higgins,A computer algorithm for reconstructing a scenefrom two projections[J].Nature,1981.293(10):133-135提出了一类连续碰撞测算法,连续碰撞检测算法通过对结构空间精确建模,较好地解决了离散碰撞检测算法存在的问题。但这类算法的缺点是计算量较大,计算速度比较慢,尤其是在大规模场景中无法实现实时的碰撞检测。所以尽管离散碰撞检测算法存在一些问题,但因其检测过程的快速性能够较好地迎合人们对实时碰撞检测的需求,目前仍是碰撞检测算法研究的重点和热点。
纵观前人的研究,大致可分为基于图形和基于图像的碰撞检测算法。在基于图形的碰撞检测上,研究人员已经做了大量的工作,形成了空间分解法和层次包围体法等成熟算法。文献2-Jimenez P,Thomas F,Torras C.CollisionDetection:A Survey.Computers and Graphics[J],2001.25(2):269-285所采用的空间分解法主要是先将整个虚拟空间划分成等体积的规则单元格,以此将场景中的物体分割成更小的组群,并只对占据了同一单元格或相邻单元格的几何对象进行相交测试。一般来说,空间分解法在每次碰撞检测时都需要确定每个物体占有的空间单元。如果场景中不可动的模型很多,可以预先划分好空间单元格并确定每个模型占有的空间单元。当有模型运动时,只需要重新计算运动模型所占有的空间就可以了。空间分解法比较典型的例子有k-d树、八叉树、BSP树、四面体网和规则网格等。采用层次划分方法进行空间分解可以进一步提高算法的速度。
文献3-Daniel S.Coming and Oliver G.Staadt,Kinetic.Sweep andPrune for Collision Detection[A],Workshop on Virtual Reality Interactionand Physical Simulation[C],2005提出了包围盒技术,层次包围体法的核心思想是用体积略大而几何特性简单的包围体来近似的描述复杂的几何对象,从而只需对包围体重叠的对象进行进一步的相交测试。此外通过构造树状层次结构可以越来越逼近对象的几何模型,直到几乎完全获得对象的几何特征。基于包围体的碰撞检测方法的不同点在于树节点的包围体类型不同或者采用不同的技术来建立、更新和平衡包围体树。典型的包围体有:轴对齐包围盒(AABB)、包围球(Sphere)、有向包围盒(OBB)和离散有向多面体k-DOP。其中前两者的计算简单但是包围程度相对不够紧密,而OBB的方法由于考虑到轴向所以包围相对紧密,但是计算相对比较复杂。而K-DOPs算法则在全局坐标系中计算物体的包围盒,每当物体运动时,其包围盒层次结构需要重新计算。
近些年,随着图形硬件计算性能的迅速增长,基于图像的碰撞检测算法进入了一个新的快速发展的阶段。该方法一般将三维几何对象通过投影绘制到图像平面上,降维得到一个二维的图像空间;然后分析该空间中保存在各类缓存的信息,进而检测出对象之间是否发生相交。这类算法的优势在于能有效利用图形硬件加速技术来减轻的计算负荷,从而达到提高算法效率的目的。
近年来的研究热点主要集中于变形体对象的自碰撞检测。变形体对象会在运动中发生形变,其包围体树必须实时的重新构建或者更新,而重新构建整个数据结构的时间耗费在一个实时的仿真环境中是不能接受的,因此在层次包围体方法中必须避免整棵树的重新构建。研究这根据不同包围体的特性进行改进,将层次包围体方法也用于变形体对象的自碰撞检测。文献4-ASmith,Y Kitamura,H Takemura,et al.A Simple and Efficient Method forAccurate Collision Detection among Deformable Polyhedral Objects inArbitrary Motion.The IEEE Virtual Reality Annual International Symposium,1995,2:136-145提出了一种基于AABB包围盒的解决变形体对象的方法,该方法每一步都重新计算对象的包围盒,其缺点是当模型复杂时不能得到实时计算。文献5-Yashifumi Kitamura,Andrew Smith,Haruo Takemura.ARealtime Algorithm for Accurate Collision Detection for DeformablePolyhedral Objects.Presence,Vol.7,No.1,February 1998:36-52提出了一种用于解决复杂场景下的变形体的自碰撞检测方法,这种算法的本质是包围盒方法与空间分解法的结合。此方法的缺点是采用八叉树的数据结构复杂。文献6-PROVOT,X.Collision and Self-collision Handling in ClothModel Dedicated to Design Garment[A].Graphics Interface[C],1997:177-189提出了法向量锥法,与包围盒树搭配使用,起到了剪枝的作用,在大范围上过滤掉不可能相交的三角面片区域。连续碰撞检测中的三角面片对的一次精确求交运算可以归结为6次点-面求交和9次边-边求交。由于存在几何基元被相邻的三角面片对共享的现象,为了避免进行冗余的几何基元精确相交测试,对每个三角形对进行点-面或边-边检测前,首先查询数据表中是否已存在检测过的记录,若没有则继续进行检测。但查询数据表的方法内存开销大,***效率低。
上述自碰撞检测方法,与用户的需求联系不紧密,对实时建模仿真的模块重用性、通用性以及布料仿真方面考虑较少,导致用户使用不方便,建模设计周期长,给研发工作带来诸多不便。
发明内容
本发明的技术解决问题:为克服上述缺点,本发明提供了一种基于三角网格变形体的自碰撞检测数据结构及方法,能够高效的在可变形物体三角网格模型变形、运动仿真过程中进行自碰撞检测,如着装人体的动画仿真中人体与布料的穿透检测,虚实融合环境中(电影特效、游戏制作)人体部位与虚拟场景交互自碰撞检测。
本发明采用基于三角网格变形体的自碰撞检测方法,其特点在于步骤如下:
(1)构建基于层次包围体的数据结构;
(a)层次包围体(BVH)构造为树的每个结点与物体基本元素的一个子集相关联,并且用指定类型的包围体包住该子集的基本元素。
(b)BVH的叶节点复制到底层,拓展成XBVH。
(2)根据步骤(1)中的层次包围体的数据结构,实现基于星型轮廓的自碰撞检测预处理阶段算法;
(3)根据步骤(1)中的层次包围体的数据结构表达形式,实现基于星型轮廓的自碰撞检测实时阶段算法。
本发明与现有技术相比的优点在于:采用层次包围体预处理自碰撞检测方法,提高实时检测时的准确性和效率;研究可变形体的变形、仿真动画中的自碰撞检测方法,把自碰撞检测与变形仿真进行模块独立,使其具有广泛的适用性;在布料仿真中运用本方法,与建模工具进行整合,加快了布料仿真的自碰撞检测过程,高效地完善仿真-自碰撞流程。
附图说明
图1为投影算法示意图;
图2为自碰撞检测及仿真过程基本流程图;
图3为星型轮廓自碰撞算法流程图;
图4法向量形成的圆锥区域图。
具体实施方式
本发明的具体实施过程包括步骤:基于星型轮廓的自碰撞检测预处理阶段的步骤、基于星型轮廓的自碰撞检测实时阶段的步骤,本发明还提出了一种面向三角网格变形体的自碰撞检测算法应用。如图3所示。
本发明算法使用数据为通过三维激光扫描仪对现实模型(如陶瓷制作的马)进行扫描并重建的三角网格模型。
步骤一:星型轮廓检测算法的预处理阶段的主要任务是划分网格,建立后续判断所需要的数据结构,数据结构包括:拓展的层次包围体(xBVH)、自碰撞检测树(SCTT)、轮廓片段树林(CSF)。如图3所示。
(a)网格划分与xBVH构建,xBVH节点的数据结构包含用法向量锥方法进行方向测试所要求的数据结构,xBVH节点自身包含的面片信息,以及xBVH构成二叉树必要的指针信息。
xBVH节点的数据结构可以如下表示:
(b)自碰撞检测树(SCTT)的构建:相邻的面片构成的节点是SCTT节点,不相邻的子面片对构成的节点不是SCTT节点。
(c)包围盒测试树(BVTT)的构建:把包含了xBVH根节点的两个子节点定义为BVTT的根节点(xBVH root.left,xBVH root.right),root表示根节点,是所有节点的父节点,left表示某个节点的左子节点,right表示某个节点的右子节点。用下面的方法递归地定义其他节点。对于SCTT节点(A,B),它的子节点集是{(A.child,B.child)}(child表示节点的所有子节点),其中A.child和B.child是相邻的。此外,如果A和B在xBVH中有相同的父节点,即A.parent=B.parent(parent表示节点的父节点),则(A.left,A.right)和(B.left,B.right)也是其子节点。BVTT节点的数据结构可以如下表示:
步骤二:基于星型轮廓的自碰撞检测实时阶段算法步骤有:
方向测试:在碰撞的粗略检测过程中,自顶而下的检测包围盒树的结点,若此结点对应区域的α<π/2,可以断定这块区域没有发生自碰撞,停止进一步检测;但若α≥π/2,则判断这块区域可能发生了自碰撞。如此,通过判断节点的半锥角α值是否大于π/2,来判断区域内是否发生自碰撞,进而决定是否继续检测其子节点,如图4所示。
轮廓测试:其给出了一个SCTT节点A的轮廓片段的投影,和上下边界,并按照以下方式进行测试:
i.计算平面上A的轮廓片段投影的AABB包围盒,即分别求投影边上顶点的x、y最大最小坐标;
ii.选定AABB包围盒的中垂线和中水平线作为搜索线,首先对中垂线L进行判断;
iii.把所有顶子片段的下边界和L的交点作为t,所有底子片段的上边界和L的交点作为b;
iv.如果b>t(通过在面片的局部区域进行参数化,建立参数化平面及其坐标系),面片轮廓有可能自相交,轮廓测试失败;
v.否则,通过比较L与顶子片段的水平区间,计算实际上和L相交的顶子片段的数量;
vi.如果和一个顶子片段s.top有一个交点,并且这个片段s没有底子片段,这个面片轮廓就没有自相交,轮廓测试成功;
vii.否则,这个面片轮廓有可能自相交,因为片段s有可能成环,有不止一条顶边与L相交;
viii.如果中垂线的测试失败,再测试中间水平线。做类似iii-vii步的操作。
包围盒测试:利用体积略大而几何特性简单的包围盒将复杂几何对象包裹起来,在进行碰撞检测时,首先进行包围盒之间的相交测试,只有包围盒相交时,才对其所包裹的对象作进一步求交计算。而在构造碰撞体的包围盒时,引入树状层次结构,快速剔除不发生碰撞的元素,减少大量不必要的相交测试,从而提高碰撞检测效率。
基元检测:对于三角形面片来说,基元测试即检测空间中两个三角形是否相交。假设要判断三角形ABC与三角形PQR是否相交,假设三角形ABC在面e上:
若三角形PQR三个顶点全在面e的同一侧,则二者不相交;
若三角形PQR与面e有交点,求出其交点,相交测试转化成交点与面e相交的2D测试;
若只有一个交点,进行点与三角形相交的判断;
若有两个交点(或者PQR一条边在面e上),进行边与三角形相交的判断;
若三角形PQR也在面e上,进行三角形与三角形相交的判断。
本发明的面向三角网格变形体的自碰撞检测算法的实例应用如下:
(a)普通变形体运动仿真自碰撞检测模块(如人体或者动物模型,采用基于几何的方法驱动器运动,并将自碰撞检测引入其中)。整个变形体运动的过程中,在预处理阶段将变形体模型划分网格、整理建立层次包围体BVH树与自碰撞检测树SCTT,并逐层建立包围盒,计算面片的轮廓作为实时阶段自碰撞检测的前提。在实时阶段,利用变形算法对模型进行手动拖拽或输入时间序列帧使模型运动两种方法对变形体进行运动仿真自碰撞检测。
(b)布料运动仿真自碰撞检测模块(基于几何的方法不足以表现其真实的运动,因此需要采用基于物理的方法驱动其运动,并将自碰撞检测引入其中),包含四个步骤。第一步,对织物建立力学模型,计算织物所有结点所受外力,根据织物形变计算内力;第二步,运动积分,建立运动偏微分方程,计算织物结点每一帧的运动状态信息,包括织物结点的位置和速度信息;第三步,根据积分求出的结点位置信息,进行约束处理,避免织物过度的形变;第四步,根据积分求出的结点速度,进行连续性碰撞检测,对发生碰撞的结点计算碰撞响应,修改碰撞点的位置和速度;最后,按照最终计算出的结点位置绘制出当前仿真时刻的织物图像,把当前的位置和速度信息带入到下一帧的仿真计算中去。
Claims (4)
1.一种基于三角网格变形体的自碰撞检测方法,所述变形体包括肌肉蒙皮组织或纺织布料,其特征在于如下步骤:
(1)建立基于层次包围体的数据结构;
(2)基于星型轮廓的自碰撞检测预处理阶段;
(3)基于星型轮廓的自碰撞检测实时阶段。
2.根据权利要求1所述的基于三角网格变形体的自碰撞检测方法,其特征在于:所述步骤(1)中基于层次包围体的数据结构的表达形式为:
(a)层次包围体BVH构造为树的每个结点与物体基本元素的一个子集相关联,并且用指定类型的包围体包住该子集的基本元素;
(b)BVH的叶节点复制到底层,拓展成拓展层次包围体XBVH。
3.根据权利要求1所述的基于三角网格变形体的自碰撞检测方法,其特征在于:所述步骤(2)中基于星型轮廓的自碰撞检测预处理阶段算法为:
(a)网格划分与xBVH构建,xBVH节点的数据结构包括用法向量锥方法进行方向测试所要求的数据结构,xBVH节点自身包含的面片信息,以及xBVH构成二叉树必要的指针信息;
(b)自碰撞检测树SCTT的构建:相邻的面片构成的节点是SCTT节点,不相邻的子面片对构成的节点不是SCTT节点;
(c)包围盒测试树BVTT的构建:把包含了xBVH根节点的两个子节点定义为BVTT的根节点(xBVH root.left,xBVH root.right);并递归地定义其他节点:对于SCTT节点(A,B),它的子节点集是{(A.child,B.child)},其中A.child和B.child是相邻的;如果A和B在xBVH中有相同的父节点,即A.parent=B.parent,则(A.left,A.right)和(B.left,B.right)也是其子节点。
4.根据权利要求1所述的基于三角网格变形体的自碰撞检测方法,其特征在于:所述步骤(3)中基于星型轮廓的自碰撞检测实时阶段步骤:
方向测试:在碰撞的粗略检测过程中,自顶而下的检测包围盒树的结点,若此结点对应区域的α<π/2,α为结点的半锥角,则断定这块区域没有发生自碰撞,停止进一步检测;但若α≥π/2,则判断这块区域可能发生了自碰撞;如此,通过判断节点的半锥角α值是否大于π/2,来判断区域内是否发生自碰撞,进而决定是否继续检测其子节点;
轮廓测试:在SCTT节点A的二维投影轮廓片段的基础上,计算轮廓顶边的下边界和底边的上边界,所述下边界即顶边的最低点,所述上边界即底边的最高点;
包围盒测试:利用体积略大而几何特性简单的包围盒将复杂几何对象包裹起来,在进行碰撞检测时,首先进行包围盒之间的相交测试,只有包围盒相交时,才对其所包裹的对象作进一步求交计算;而在构造碰撞体的包围盒时,引入树状层次结构,快速剔除不发生碰撞的元素,减少大量不必要的相交测试;
基元检测:对于三角形面片来说,基元测试即检测空间中两个三角形是否相交。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100306323A CN102609992A (zh) | 2012-02-12 | 2012-02-12 | 基于三角网格变形体的自碰撞检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100306323A CN102609992A (zh) | 2012-02-12 | 2012-02-12 | 基于三角网格变形体的自碰撞检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102609992A true CN102609992A (zh) | 2012-07-25 |
Family
ID=46527332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100306323A Pending CN102609992A (zh) | 2012-02-12 | 2012-02-12 | 基于三角网格变形体的自碰撞检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102609992A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982567A (zh) * | 2012-10-25 | 2013-03-20 | 北京航空航天大学 | 一种基于统计分析的变形体碰撞检测剔除方法 |
CN103722565A (zh) * | 2014-01-23 | 2014-04-16 | 哈尔滨工业大学 | 仿人机器人自碰撞监控***及监控方法 |
CN104097205A (zh) * | 2013-04-07 | 2014-10-15 | 同济大学 | 基于任务空间的机器人实时运动自碰撞避免控制方法 |
CN105205289A (zh) * | 2015-11-02 | 2015-12-30 | 北京航空航天大学 | 一种基于人脑变形仿真的快速连续碰撞检测方法 |
CN105488851A (zh) * | 2015-11-30 | 2016-04-13 | 腾讯科技(深圳)有限公司 | 实时虚拟场景中碰撞体之间碰撞探测的方法和装置 |
CN106233338A (zh) * | 2014-04-21 | 2016-12-14 | 高通股份有限公司 | 用于光线跟踪应用中的树遍历的开始节点确定 |
CN106875491A (zh) * | 2017-02-13 | 2017-06-20 | 华东师范大学 | 一种面向gpu的三角网格碰撞检测方法 |
CN107330139A (zh) * | 2017-05-19 | 2017-11-07 | 河北省电力勘测设计研究院 | 基于bim技术的碰撞检测方法 |
CN108615229A (zh) * | 2018-03-09 | 2018-10-02 | 南京信息工程大学 | 基于曲率点聚类及决策树的碰撞检测优化方法 |
CN108629837A (zh) * | 2018-01-09 | 2018-10-09 | 南京大学 | 一种用于虚拟试衣的布料实时仿真方法 |
CN109388229A (zh) * | 2017-08-11 | 2019-02-26 | 哈尔滨工业大学 | 一种带有触感体验的沉浸式虚拟试衣方法及*** |
WO2019153445A1 (zh) * | 2018-02-08 | 2019-08-15 | 真玫智能科技(深圳)有限公司 | 一种布人碰撞的方法及装置 |
CN110930521A (zh) * | 2019-11-21 | 2020-03-27 | 哈尔滨理工大学 | 一种应用于虚拟手术中降维的动态碰撞检测方法及*** |
CN112417746A (zh) * | 2020-11-18 | 2021-02-26 | 中北大学 | 一种基于神经网络预测碰撞检测的方法 |
CN112669434A (zh) * | 2020-12-21 | 2021-04-16 | 山东华数智能科技有限公司 | 一种基于网格与包围盒的碰撞检测方法 |
CN114170385A (zh) * | 2021-12-10 | 2022-03-11 | 北京优锘科技有限公司 | 实时生成模型剖面带洞网格的方法、装置、介质和设备 |
CN115272379A (zh) * | 2022-08-03 | 2022-11-01 | 杭州新迪数字工程***有限公司 | 一种基于投影的三维网格模型外轮廓提取方法及*** |
CN115346005A (zh) * | 2022-10-19 | 2022-11-15 | 中国空气动力研究与发展中心计算空气动力研究所 | 基于嵌套包围盒概念用于物面网格的数据结构构建方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0124381A1 (en) * | 1983-05-02 | 1984-11-07 | Kabushiki Kaisha Toshiba | Contention-type data communication system |
CN101093586A (zh) * | 2007-07-12 | 2007-12-26 | 上海交通大学 | 面向复杂场景实时交互操作的并行碰撞检测方法 |
CN101984443A (zh) * | 2010-11-10 | 2011-03-09 | 北京航空航天大学 | 一种改进的柔性织物碰撞处理方法 |
-
2012
- 2012-02-12 CN CN2012100306323A patent/CN102609992A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0124381A1 (en) * | 1983-05-02 | 1984-11-07 | Kabushiki Kaisha Toshiba | Contention-type data communication system |
CN101093586A (zh) * | 2007-07-12 | 2007-12-26 | 上海交通大学 | 面向复杂场景实时交互操作的并行碰撞检测方法 |
CN101984443A (zh) * | 2010-11-10 | 2011-03-09 | 北京航空航天大学 | 一种改进的柔性织物碰撞处理方法 |
Non-Patent Citations (1)
Title |
---|
SARA C. SCHVARTZMAN等: "Star-Contours for Efficient Hierarchical Self-Collision Detection", 《ACM TRANSACTIONS ON GRAPHICS (TOG) 》 * |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982567B (zh) * | 2012-10-25 | 2015-09-09 | 北京航空航天大学 | 一种基于统计分析的变形体碰撞检测剔除方法 |
CN102982567A (zh) * | 2012-10-25 | 2013-03-20 | 北京航空航天大学 | 一种基于统计分析的变形体碰撞检测剔除方法 |
CN104097205A (zh) * | 2013-04-07 | 2014-10-15 | 同济大学 | 基于任务空间的机器人实时运动自碰撞避免控制方法 |
CN104097205B (zh) * | 2013-04-07 | 2016-02-17 | 同济大学 | 基于任务空间的机器人实时运动自碰撞避免控制方法 |
CN103722565A (zh) * | 2014-01-23 | 2014-04-16 | 哈尔滨工业大学 | 仿人机器人自碰撞监控***及监控方法 |
CN106233338A (zh) * | 2014-04-21 | 2016-12-14 | 高通股份有限公司 | 用于光线跟踪应用中的树遍历的开始节点确定 |
CN105205289B (zh) * | 2015-11-02 | 2018-04-06 | 北京航空航天大学 | 一种基于人脑变形仿真的快速连续碰撞检测方法 |
CN105205289A (zh) * | 2015-11-02 | 2015-12-30 | 北京航空航天大学 | 一种基于人脑变形仿真的快速连续碰撞检测方法 |
US10235764B2 (en) | 2015-11-30 | 2019-03-19 | Tencent Technology (Shenzhen) Company Limited | Method, terminal, and storage medium for detecting collision between colliders in real-time virtual scene |
CN105488851A (zh) * | 2015-11-30 | 2016-04-13 | 腾讯科技(深圳)有限公司 | 实时虚拟场景中碰撞体之间碰撞探测的方法和装置 |
CN106875491A (zh) * | 2017-02-13 | 2017-06-20 | 华东师范大学 | 一种面向gpu的三角网格碰撞检测方法 |
CN107330139A (zh) * | 2017-05-19 | 2017-11-07 | 河北省电力勘测设计研究院 | 基于bim技术的碰撞检测方法 |
CN109388229A (zh) * | 2017-08-11 | 2019-02-26 | 哈尔滨工业大学 | 一种带有触感体验的沉浸式虚拟试衣方法及*** |
CN108629837A (zh) * | 2018-01-09 | 2018-10-09 | 南京大学 | 一种用于虚拟试衣的布料实时仿真方法 |
WO2019153445A1 (zh) * | 2018-02-08 | 2019-08-15 | 真玫智能科技(深圳)有限公司 | 一种布人碰撞的方法及装置 |
CN108615229A (zh) * | 2018-03-09 | 2018-10-02 | 南京信息工程大学 | 基于曲率点聚类及决策树的碰撞检测优化方法 |
CN110930521B (zh) * | 2019-11-21 | 2023-05-19 | 哈尔滨理工大学 | 一种应用于虚拟手术中降维的动态碰撞检测方法及*** |
CN110930521A (zh) * | 2019-11-21 | 2020-03-27 | 哈尔滨理工大学 | 一种应用于虚拟手术中降维的动态碰撞检测方法及*** |
CN112417746A (zh) * | 2020-11-18 | 2021-02-26 | 中北大学 | 一种基于神经网络预测碰撞检测的方法 |
CN112417746B (zh) * | 2020-11-18 | 2022-11-25 | 中北大学 | 一种基于神经网络预测碰撞检测的方法 |
CN112669434B (zh) * | 2020-12-21 | 2022-05-03 | 山东华数智能科技有限公司 | 一种基于网格与包围盒的碰撞检测方法 |
CN112669434A (zh) * | 2020-12-21 | 2021-04-16 | 山东华数智能科技有限公司 | 一种基于网格与包围盒的碰撞检测方法 |
CN114170385A (zh) * | 2021-12-10 | 2022-03-11 | 北京优锘科技有限公司 | 实时生成模型剖面带洞网格的方法、装置、介质和设备 |
CN114170385B (zh) * | 2021-12-10 | 2022-08-16 | 北京优锘科技有限公司 | 实时生成模型剖面带洞网格的方法、装置、介质和设备 |
CN115272379A (zh) * | 2022-08-03 | 2022-11-01 | 杭州新迪数字工程***有限公司 | 一种基于投影的三维网格模型外轮廓提取方法及*** |
CN115272379B (zh) * | 2022-08-03 | 2023-11-28 | 上海新迪数字技术有限公司 | 一种基于投影的三维网格模型外轮廓提取方法及*** |
CN115346005A (zh) * | 2022-10-19 | 2022-11-15 | 中国空气动力研究与发展中心计算空气动力研究所 | 基于嵌套包围盒概念用于物面网格的数据结构构建方法 |
CN115346005B (zh) * | 2022-10-19 | 2023-03-28 | 中国空气动力研究与发展中心计算空气动力研究所 | 基于嵌套包围盒概念用于物面网格的数据结构构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102609992A (zh) | 基于三角网格变形体的自碰撞检测方法 | |
Lin et al. | Collision and proximity queries | |
Krishnan et al. | Spherical shell: A higher order bounding volume for fast proximity queries | |
Larsson et al. | Collision detection for continuously deforming bodies. | |
Mezger et al. | Hierarchical techniques in collision detection for cloth animation | |
CN102708227B (zh) | 基于sph算法的洪水溃坝过程仿真方法与仿真*** | |
CN101944144B (zh) | 一种基于无网格的布类仿真方法 | |
Weller | New geometric data structures for collision detection and haptics | |
CN104504760B (zh) | 实时更新三维图像的方法和*** | |
CN103235854A (zh) | 一种离散元仿真中球形颗粒与三角网格间的接触判断方法 | |
US11734887B2 (en) | Generating clothing patterns of garment using bounding volumes of body parts | |
CN101982837A (zh) | 一种基于有限元分析后处理结果的快速三维可视化方法 | |
Weller et al. | A brief overview of collision detection | |
CN103473811A (zh) | 基于二维手绘线画图的三维实体模型便捷生成方法 | |
Wang et al. | A review of collision detection for deformable objects | |
CN109002571B (zh) | 基于等几何弹簧质点模型的布料动态仿真方法 | |
CN104463934B (zh) | 一种“质点‑弹簧”***驱动的点集模型动画自动生成方法 | |
Song et al. | Continuous collision detection with medial axis transform for rigid body simulation | |
CN102393827A (zh) | 一种基于连续法向锥剔除的柔性场景连续碰撞检测方法 | |
Choi et al. | Controlling the contact levels of details for fast and precise haptic collision detection | |
Wong et al. | GPU-based radial view-based culling for continuous self-collision detection of deformable surfaces | |
CN107610231A (zh) | 一种动态碰撞检测方法 | |
Weller et al. | Kinetic Separation Lists for Continuous Collision Detection of Deformable Objects. | |
Salazar et al. | Cloth simulation using AABB hierarchies and GPU parallelism | |
Li et al. | Coherent hierarchical collision detection for clothing animation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120725 |