Crown引擎中射线与OBB相交检测的缩放问题分析
在3D游戏引擎开发中,射线与定向包围盒(OBB)的相交检测是一个基础但至关重要的功能。Crown引擎近期修复了一个关于OBB缩放导致的相交检测失效问题,这个修复揭示了3D几何变换处理中的一些关键细节。
问题背景
定向包围盒(OBB)是3D图形学中常用的碰撞体表示方式,相比轴对齐包围盒(AABB),OBB可以任意旋转,更紧密地包裹物体。射线与OBB的相交检测通常采用分离轴定理(SAT)来实现,这是一种高效且精确的算法。
在Crown引擎中,当OBB应用了非均匀缩放变换时,原有的相交检测算法会出现失效情况。这是因为缩放变换会影响OBB的轴向和半边长,而原始实现没有正确处理这些变换后的参数。
技术细节分析
问题的核心在于OBB的表示和变换处理。一个OBB通常由以下属性定义:
- 中心点位置
- 三个正交的轴向(通常为单位向量)
- 三个半边长(表示盒子在各轴向的尺寸)
当对OBB应用缩放变换时,会产生两个主要影响:
- 轴向向量不再保持单位长度
- 半边长需要与缩放因子相乘
原始实现可能假设轴向始终是单位向量,导致在计算投影距离时出现错误。正确的做法应该是在相交检测前,将轴向归一化,同时将半边长乘以相应的缩放因子。
解决方案实现
修复方案主要包含两个关键修改:
-
轴向归一化处理:在进行相交检测前,确保OBB的三个轴向都是单位向量。这通过计算每个轴向的长度,然后对向量进行归一化实现。
-
半边长缩放补偿:将原始半边长乘以相应轴向的缩放因子。这样,经过缩放变换后的OBB能正确反映其实际尺寸。
这种处理方式确保了无论OBB经过何种缩放变换,相交检测算法都能正确工作。它保持了算法的数学严谨性,同时不增加额外的计算复杂度。
实际意义
这个修复对于游戏引擎的实际应用有重要意义:
-
物理系统准确性:确保射线投射(如武器射击、视线检测等)在各种变换条件下都能正确与物体碰撞体交互。
-
编辑器功能可靠性:在场景编辑器中,选择、拾取等功能依赖于精确的相交检测,缩放不变性保证了这些功能的稳定性。
-
动画系统兼容性:角色动画常伴随骨骼缩放,正确的OBB相交检测确保了碰撞体随动画正确变化。
总结
Crown引擎对射线-OBB相交检测的修复展示了3D引擎开发中几何变换处理的复杂性。正确处理变换组合(平移、旋转、缩放)是保证物理和碰撞系统准确性的基础。这个案例也提醒开发者,在实现几何算法时,必须考虑所有可能的变换情况,特别是那些在数学理论上可能被忽略但在实际应用中常见的场景。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00