欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

JS快速檢索碰撞圖形之四叉樹碰撞檢測

 更新時間:2023年01月16日 11:14:23   作者:前端西瓜哥  
這篇文章主要為大家介紹了JS快速檢索碰撞圖形之四叉樹碰撞檢測,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪

正文

在上篇文章我們討論了使用 臟矩形渲染,通過重渲染局部的圖形來提優(yōu)化 Canvas 的性能,將 GPU 密集轉(zhuǎn)換為 CPU  密集。

看這篇文章《Canvas 性能優(yōu)化:臟矩形渲染

CPU 密集在哪?

在需要遍歷 所有的圖形,判斷它們是否和臟矩形發(fā)生相交(碰撞),保存發(fā)生碰抓給你的圖形,將它們在局部進(jìn)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 四叉樹。

四叉樹碰撞檢測原理

我們將區(qū)域的分割表述為 “節(jié)點(diǎn)”,因?yàn)槭撬牟鏄洌?/p>

將畫布上的真實(shí)圖形就叫做 “圖形”。

四叉樹本質(zhì)使用了 空間分割,給圖形加 索引,將視口界面分割成多個區(qū)域,每個區(qū)域記住自己包含了哪些圖形。

然后移動目標(biāo)圖形時,判斷它落在哪個區(qū)域,取出所在區(qū)域的圖形,這些圖形集合就是和目標(biāo)圖形發(fā)生碰撞圖形的超集。

這些區(qū)域外的圖形就被我們排除了。

算法實(shí)現(xiàn)的要點(diǎn):

創(chuàng)建根節(jié)點(diǎn),根節(jié)點(diǎn)保存區(qū)域的信息 x、y、width 和 height。

添加圖形時,當(dāng)一個節(jié)點(diǎn)內(nèi)的節(jié)點(diǎn)數(shù)量大于閥值,就將整個區(qū)域均等切割為 4 等份的子節(jié)點(diǎn),將圖形從當(dāng)前區(qū)域取出,重新放入到這些子節(jié)點(diǎn)內(nèi),從而將節(jié)點(diǎn)的歸屬劃分為更小的區(qū)域。

(原來的區(qū)域轉(zhuǎn)換為索引層,真正保存節(jié)點(diǎn)的地方放到了它的子區(qū)域上)

當(dāng)我們提供一個碰撞矩形,我們從四叉樹頂節(jié)點(diǎn)往下找,看是否有子節(jié)點(diǎn)。如果有,使用矩形碰撞算法找出它所在的子節(jié)點(diǎn)有哪些(可能有多個)。對這些子節(jié)點(diǎn)重復(fù)前面的操作,進(jìn)行遞歸,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,又不至于太多。

四叉樹碰撞檢測算法

先看看經(jīng)典算法實(shí)現(xiàn)。

算法我就不自己實(shí)現(xiàn)了,這里展示 quadtree-js 庫的代碼實(shí)現(xiàn)。

github.com/timohausman…

構(gòu)造函數(shù):

function Quadtree(bounds, max_objects, max_levels, level) {
  this.max_objects = max_objects || 10; // 節(jié)點(diǎn)內(nèi)最大對象數(shù)量
  this.max_levels = max_levels || 4; // 樹的最大深度
  this.level = level || 0;
  this.bounds = bounds; // 區(qū)域,結(jié)構(gòu)為 {x, y, width, height}
  this.objects = []; // 保存圖形的地方
  this.nodes = []; // 4 個子節(jié)點(diǎn),到達(dá)閥值時才創(chuàng)建
}

這是一個內(nèi)部私有方法,當(dāng)節(jié)點(diǎn)內(nèi)圖形過多,超過閥值,就將當(dāng)前節(jié)點(diǎn)分 裂成 4 個子節(jié)點(diǎn):

// 切割:生成 4 個子節(jié)點(diǎn)
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(jì)算某個圖形落在當(dāng)前節(jié)點(diǎn)的哪個子節(jié)點(diǎn),拿到對應(yīng)節(jié)點(diǎn)索引值數(shù)組:

// 找到某個 box 落在在哪個區(qū)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(jié)點(diǎn),有的話說明當(dāng)前節(jié)點(diǎn)變成了索引層,通過矩形碰撞算法找到所在的子節(jié)點(diǎn),對這些子節(jié)點(diǎn)做插入操作:

Quadtree.prototype.insert = function (pRect) {
  var i = 0,
    indexes;
  // 存在子節(jié)點(diǎn),則插入到子節(jié)點(diǎn)
  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); // 遞歸 insert
    }
    return;
  }
  // 沒有子節(jié)點(diǎn),不是索引層,圖形放到前節(jié)點(diǎn)下
  // (有個小 BUG,就是不在范圍內(nèi)的圖形也加上去了)
  this.objects.push(pRect);
  // 如果對象太多,構(gòu)建子節(jié)點(diǎn)
  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(jié)點(diǎn)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(biāo)圖形所在節(jié)點(diǎn)下的所有圖形:

// 傳入一個矩形,取出它所在節(jié)點(diǎn)的所有矩形
// 這個方法能返回
Quadtree.prototype.retrieve = function (pRect) {
  // 提取目標(biāo)矩形所在區(qū)間下的所有矩形
  var indexes = this.getIndex(pRect),
    returnObjects = this.objects;
  // 可能需要遞歸。
  //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)
      );
    }
  }
  // 移除重復(fù)的節(jié)點(diǎn)
  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。

  • 沒有添加映射功能,最后返回的圖形都是 box 對象信息,我們可以考慮改造為 insert(rect, data),保存額外的信息,比如實(shí)際形狀對象或 id。
  • 動態(tài)收縮:移除某個圖形后更新樹結(jié)構(gòu),并在發(fā)現(xiàn)圖形數(shù)量低于閥值時,取出圖形放到父節(jié)點(diǎn)上,銷毀子節(jié)點(diǎn);
  • 修改根節(jié)點(diǎn)范圍 后,需要重置整棵樹,如何高效重置等;
  • 四叉樹的圖形類型,常見的是矩形,但還可以是點(diǎn)、直線、曲線等,如果需要可以考慮支持。

請根據(jù)實(shí)際需要進(jìn)行擴(kuò)展。

一些權(quán)衡

處于節(jié)點(diǎn)內(nèi)分割線上的圖形,它是歸屬于多個子節(jié)點(diǎn)的,所以最終會同時放到它的多個子節(jié)點(diǎn)下,會花費(fèi)內(nèi)存。

極端情況下,一個非常大的圖形,會保存在所有的節(jié)點(diǎn)下。

如果想節(jié)省內(nèi)存,可以直接保存到當(dāng)前節(jié)點(diǎn)上,不放到子節(jié)點(diǎn)上,可以減少內(nèi)存使用,只是最后返回的被碰撞圖形會多一點(diǎn)。因?yàn)閳D形可能只壓在了兩個子節(jié)點(diǎn)的交界線上,比如 A、 B ,但目標(biāo)矩形是在其他的子節(jié)點(diǎn) C 上,但因?yàn)樗鼈儊碜酝粋€父節(jié)點(diǎn),所以拿到了這個不可能在 C 的圖形。

后者會更好一些,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(diǎn)可以通過松散四叉樹解決)。

松散四叉樹

經(jīng)典四叉樹有個問題,就是如果圖形的物理信息是比較動態(tài)的,當(dāng)總是在邊界附近時,就會發(fā)生頻繁地將圖形從一個節(jié)點(diǎn)取出并放到另個節(jié)點(diǎn)下。

對此我們可以額外設(shè)置一個出口邊界。這個出口邊界要比入口邊界要大,只有當(dāng)圖形離開這個出口邊界,才會更新提取圖形到新的節(jié)點(diǎn)。

這樣,當(dāng)圖形劃分到另一個節(jié)點(diǎn)上時,就 需要移動較長的距離才能回到原來節(jié)點(diǎn)下,輕微地移動不會導(dǎo)致劇烈的更新

通常出口邊界邊長為入口邊界的兩倍最佳,為什么不知道,經(jīng)驗(yàn)之談。

其他空間分割思想的算法

簡單介紹一些也使用了 空間分割 思想的算法。

  • 跳表:一種有序鏈表,通過疊加大量的索引層,可以進(jìn)行鏈表形式的 “二分查找”,達(dá)到高效的 O(logn) 時間復(fù)雜度,但也帶來了內(nèi)存的消耗。Redis 中的有序集合(Sorted Set)底層使用了跳表,一個原因是可以高效地獲取區(qū)間內(nèi)的數(shù)據(jù)集;
  • B+ 樹:一種平衡二叉樹,有點(diǎn)像跳表,但樹的層數(shù)最多為三層,MySQL 的索引實(shí)現(xiàn)使用了 B+ 樹,因?yàn)閷訑?shù)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范圍查找,R 樹能做高效的高維查找。比如地圖中,我們可以通過 R 樹將 距離 相近的高維圖形合并為一個大節(jié)點(diǎn),當(dāng)搜索 “2km 內(nèi)的藥店” 時,如果你落到某個大節(jié)點(diǎn)上,我們只要遍歷一個大節(jié)點(diǎn)下的所有節(jié)點(diǎn),而不是遍歷整個市,或整個國家。

R 樹的思路是最接近四叉樹的,它其實(shí)是另一種 減少圖形遍歷的方案,可以適用于高效剔除視口范圍之外的圖形。

R 樹有個 star 數(shù)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叉樹碰撞檢測的詳細(xì)內(nèi)容,更多關(guān)于JS四叉樹碰撞檢測的資料請關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

最新評論