Inner Sphere Trees and Their Application to Collision Detection
Inner Sphere Trees and Their Application to Collision Detection
复制标题
内球树及其在碰撞检测中的应用
DOI：
10.1007/978-3-211-99178-7_10
复制
发表时间：
2011
期刊：
影响因子：
--
通讯作者：
Gabriel Zachmann
中科院分区：
文献类型：
--
作者：
René Weller;Gabriel Zachmann
我们提出了一种新的几何数据结构的近似碰撞检测刚性物体之间的触觉速率。我们的数据结构，我们callinner球树，支持不同种类的查询，即，接近查询和penetrationvolume，这是相关的重叠区域的水位移，因此，对应于一个物理动力。此外，我们提出了一个时间关键版本的渗透量计算，能够实现非常严格的上限和下限内的一个固定的预算的查询时间。其主要思想是从内部用包围体层次结构来约束对象，该包围体层次结构可以基于稠密球体填充来构造。为了建立我们的新层次结构，我们建议使用AI聚类算法，我们在这里扩展和适应。结果表明，在触觉速率的性能接近和渗透量查询的模型组成的数十万个多边形。
We present a novel geometric data structure for approximate collision detection at haptic rates between rigid objects. Our data structure, which we callinner sphere trees, supports different kinds of queries, namely, proximity queries and the penetrationvolume, which is related to the water displacement of the overlapping region and, thus, corresponds to a physically motivated force. Moreover, we present a time-critical version of the penetration volume computation that is able to achieve very tight upper and lower bounds within a fixed budget of query time. The main idea is to bound the object from theinsidewith a bounding volume hierarchy, which can be constructed based on dense sphere packings. In order to build our new hierarchy, we propose to use an AI clustering algorithm, which we extend and adapt here. The results show performance at haptic rates both for proximity and penetration volume queries for models consisting of hundreds of thousands of polygons.
登录
查看更多内容
DOI：
--
发表时间：
2001
期刊：
--
影响因子：
--
作者：
M. Renz;C. Preusche;Marco Pötke;H. Kriegel;G. Hirzinger
通讯作者：
M. Renz;C. Preusche;Marco Pötke;H. Kriegel;G. Hirzinger
批量神经气体的放大倍数控制
DOI：
--
发表时间：
2007
期刊：
The European Symposium on Artificial Neural Networks
影响因子：
--
作者：
B. Hammer;Alexander Hasenfuss;T. Villmann
通讯作者：
T. Villmann
DOI：
--
发表时间：
2002
期刊：
SCG '02
影响因子：
--
作者：
Pankaj Agarwal;L. Guibas;A. Nguyen;Daniel Russel;Li Zhang
通讯作者：
Li Zhang
触觉渲染的算法和数据结构：曲线约束、距离图和数据记录
DOI：
--
发表时间：
2007
期刊：
影响因子：
--
作者：
D. Morris
通讯作者：
D. Morris
影响因子：
7.8
作者：
Cottrell, Marie;Hammer, Barbara;Villmann, Thomas
通讯作者：
Villmann, Thomas