首頁 > 軟體

JS快速檢索碰撞圖形之四元樹碰撞檢測

2023-01-18 14:01:51

正文

在上篇文章我們討論了使用 髒矩形渲染,通過重渲染區域性的圖形來提優化 Canvas 的效能,將 GPU 密集轉換為 CPU  密集。

看這篇文章《Canvas 效能優化:髒矩形渲染

CPU 密集在哪?

在需要遍歷 所有的圖形,判斷它們是否和髒矩形發生相交(碰撞),儲存發生碰抓給你的圖形,將它們在區域性進行重繪。

有沒有辦法減少需要遍歷的圖形,不要遍歷全部的圖形,而是少量的圖形呢?有一個辦法是使用 四元樹

四元樹碰撞檢測原理

我們將區域的分割表述為 “節點”,因為是四元樹;

將畫布上的真實圖形就叫做 “圖形”。

四元樹本質使用了 空間分割,給圖形加 索引,將視口介面分割成多個區域,每個區域記住自己包含了哪些圖形。

然後移動目標圖形時,判斷它落在哪個區域,取出所在區域的圖形,這些圖形集合就是和目標圖形發生碰撞圖形的超集。

這些區域外的圖形就被我們排除了。

演演算法實現的要點:

建立根節點,根節點儲存區域的資訊 x、y、width 和 height。

新增圖形時,當一個節點內的節點數量大於閥值,就將整個區域均等切割為 4 等份的子節點,將圖形從當前區域取出,重新放入到這些子節點內,從而將節點的歸屬劃分為更小的區域。

(原來的區域轉換為索引層,真正儲存節點的地方放到了它的子區域上)

當我們提供一個碰撞矩形,我們從四元樹頂節點往下找,看是否有子節點。如果有,使用矩形碰撞演演算法找出它所在的子節點有哪些(可能有多個)。對這些子節點重複前面的操作,進行遞迴,找到所有的圖形。

這些圖形就是碰撞矩形可能相交的矩形,但相對所有圖形,又不至於太多。

四元樹碰撞檢測演演算法

先看看經典演演算法實現。

演演算法我就不自己實現了,這裡展示 quadtree-js 庫的程式碼實現。

github.com/timohausman…

建構函式:

function Quadtree(bounds, max_objects, max_levels, level) {
  this.max_objects = max_objects || 10; // 節點內最大物件數量
  this.max_levels = max_levels || 4; // 樹的最大深度
  this.level = level || 0;
  this.bounds = bounds; // 區域,結構為 {x, y, width, height}
  this.objects = []; // 儲存圖形的地方
  this.nodes = []; // 4 個子節點,到達閥值時才建立
}

這是一個內部私有方法,當節點內圖形過多,超過閥值,就將當前節點分 裂成 4 個子節點:

// 切割:生成 4 個子節點
Quadtree.prototype.split = function () {
  var nextLevel = this.level + 1,
    subWidth = this.bounds.width / 2,
    subHeight = this.bounds.height / 2,
    x = this.bounds.x,
    y = this.bounds.y;
  // 右上
  this.nodes[0] = new Quadtree(
    {
      x: x + subWidth,
      y: y,
      width: subWidth,
      height: subHeight,
    },
    this.max_objects,
    this.max_levels,
    nextLevel
  );
  // 左上
  this.nodes[1] = new Quadtree(
    {
      x: x,
      y: y,
      width: subWidth,
      height: subHeight,
    },
    this.max_objects,
    this.max_levels,
    nextLevel
  );
  // 左下
  this.nodes[2] = new Quadtree(
    {
      x: x,
      y: y + subHeight,
      width: subWidth,
      height: subHeight,
    },
    this.max_objects,
    this.max_levels,
    nextLevel
  );
  // 右下
  this.nodes[3] = new Quadtree(
    {
      x: x + subWidth,
      y: y + subHeight,
      width: subWidth,
      height: subHeight,
    },
    this.max_objects,
    this.max_levels,
    nextLevel
  );
};

計算某個圖形落在當前節點的哪個子節點,拿到對應節點索引值陣列:

// 找到某個 box 落在在哪個區域
Quadtree.prototype.getIndex = function (pRect) {
  var indexes = [],
    verticalMidpoint = this.bounds.x + this.bounds.width / 2,
    horizontalMidpoint = this.bounds.y + this.bounds.height / 2;
  var startIsNorth = pRect.y < horizontalMidpoint,
    startIsWest = pRect.x < verticalMidpoint,
    endIsEast = pRect.x + pRect.width > verticalMidpoint,
    endIsSouth = pRect.y + pRect.height > horizontalMidpoint;
  // top-right quad
  if (startIsNorth && endIsEast) {
    indexes.push(0);
  }
  // top-left quad
  if (startIsWest && startIsNorth) {
    indexes.push(1);
  }
  // bottom-left quad
  if (startIsWest && endIsSouth) {
    indexes.push(2);
  }
  // bottom-right quad
  if (endIsEast && endIsSouth) {
    indexes.push(3);
  }
  return indexes;
};

插入一個圖形,先看是否存在子節點,有的話說明當前節點變成了索引層,通過矩形碰撞演演算法找到所在的子節點,對這些子節點做插入操作:

Quadtree.prototype.insert = function (pRect) {
  var i = 0,
    indexes;
  // 存在子節點,則插入到子節點
  if (this.nodes.length) { 
    indexes = this.getIndex(pRect); // 找到索引位置
    for (i = 0; i < indexes.length; i++) {
      this.nodes[indexes[i]].insert(pRect); // 遞迴 insert
    }
    return;
  }
  // 沒有子節點,不是索引層,圖形放到前節點下
  // (有個小 BUG,就是不在範圍內的圖形也加上去了)
  this.objects.push(pRect);
  // 如果物件太多,構建子節點
  if (
    this.objects.length > this.max_objects &&
    this.level < this.max_levels
  ) {
    if (!this.nodes.length) {
      this.split();
    }
    // 將 objects 取出,放入這些子節點中
    for (i = 0; i < this.objects.length; i++) {
      indexes = this.getIndex(this.objects[i]);
      for (var k = 0; k < indexes.length; k++) {
        this.nodes[indexes[k]].insert(this.objects[i]);
      }
    }
    this.objects = [];
  }
};

返回目標圖形所在節點下的所有圖形:

// 傳入一個矩形,取出它所在節點的所有矩形
// 這個方法能返回
Quadtree.prototype.retrieve = function (pRect) {
  // 提取目標矩形所在區間下的所有矩形
  var indexes = this.getIndex(pRect),
    returnObjects = this.objects;
  // 可能需要遞迴。
  //if we have subnodes, retrieve their objects
  if (this.nodes.length) {
    for (var i = 0; i < indexes.length; i++) {
      returnObjects = returnObjects.concat(
        this.nodes[indexes[i]].retrieve(pRect)
      );
    }
  }
  // 移除重複的節點
  returnObjects = returnObjects.filter(function (item, index) {
    return returnObjects.indexOf(item) >= index;
  });
  return returnObjects;
};

非常簡單,一些可以改善的能力。

  • 沒有新增對映功能,最後返回的圖形都是 box 物件資訊,我們可以考慮改造為 insert(rect, data),儲存額外的資訊,比如實際形狀物件或 id。
  • 動態收縮:移除某個圖形後更新樹結構,並在發現圖形數量低於閥值時,取出圖形放到父節點上,銷燬子節點;
  • 修改根節點範圍 後,需要重置整棵樹,如何高效重置等;
  • 四元樹的圖形型別,常見的是矩形,但還可以是點、直線、曲線等,如果需要可以考慮支援。

請根據實際需要進行擴充套件。

一些權衡

處於節點內分割線上的圖形,它是歸屬於多個子節點的,所以最終會同時放到它的多個子節點下,會花費記憶體。

極端情況下,一個非常大的圖形,會儲存在所有的節點下。

如果想節省記憶體,可以直接儲存到當前節點上,不放到子節點上,可以減少記憶體使用,只是最後返回的被碰撞圖形會多一點。因為圖形可能只壓在了兩個子節點的交界線上,比如 A、 B ,但目標矩形是在其他的子節點 C 上,但因為它們來自同一個父節點,所以拿到了這個不可能在 C 的圖形。

後者會更好一些,但如果一個圖形剛好在畫布中心,那每次取出的碰撞圖形都會有它(這點可以通過鬆散四元樹解決)。

鬆散四元樹

經典四元樹有個問題,就是如果圖形的物理資訊是比較動態的,當總是在邊界附近時,就會發生頻繁地將圖形從一個節點取出並放到另個節點下。

對此我們可以額外設定一個出口邊界。這個出口邊界要比入口邊界要大,只有當圖形離開這個出口邊界,才會更新提取圖形到新的節點。

這樣,當圖形劃分到另一個節點上時,就 需要移動較長的距離才能回到原來節點下,輕微地移動不會導致劇烈的更新

通常出口邊界邊長為入口邊界的兩倍最佳,為什麼不知道,經驗之談。

其他空間分割思想的演演算法

簡單介紹一些也使用了 空間分割 思想的演演算法。

  • 跳錶:一種有序連結串列,通過疊加大量的索引層,可以進行連結串列形式的 “二分查詢”,達到高效的 O(logn) 時間複雜度,但也帶來了記憶體的消耗。Redis 中的有序集合(Sorted Set)底層使用了跳錶,一個原因是可以高效地獲取區間內的資料集;
  • B+ 樹:一種平衡二元樹,有點像跳錶,但樹的層數最多為三層,MySQL 的索引實現使用了 B+ 樹,因為層數較少,可以減少 IO 操作;
  • R 樹:R 表示矩形的意思。相比前面兩種單維的範圍查詢,R 樹能做高效的高維查詢。比如地圖中,我們可以通過 R 樹將 距離 相近的高維圖形合併為一個大節點,當搜尋 “2km 內的藥店” 時,如果你落到某個大節點上,我們只要遍歷一個大節點下的所有節點,而不是遍歷整個市,或整個國家。

R 樹的思路是最接近四元樹的,它其實是另一種 減少圖形遍歷的方案,可以適用於高效剔除視口範圍之外的圖形。

R 樹有個 star 數很多的庫,叫做 RBush,感興趣可以看看。

github.com/mourner/rbu…

以上就是JS快速檢索碰撞圖形之四元樹碰撞檢測的詳細內容,更多關於JS四元樹碰撞檢測的資料請關注it145.com其它相關文章!


IT145.com E-mail:sddin#qq.com