CN103679751A - 一种基于量子计算的碰撞检测方法 - Google Patents

一种基于量子计算的碰撞检测方法 Download PDF

Info

Publication number
CN103679751A
CN103679751A CN201310636229.XA CN201310636229A CN103679751A CN 103679751 A CN103679751 A CN 103679751A CN 201310636229 A CN201310636229 A CN 201310636229A CN 103679751 A CN103679751 A CN 103679751A
Authority
CN
China
Prior art keywords
quantum
probability
convex closure
particle
gate
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.)
Granted
Application number
CN201310636229.XA
Other languages
English (en)
Other versions
CN103679751B (zh
Inventor
魏小鹏
王元华
周东生
张强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian University
Original Assignee
Dalian University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dalian University filed Critical Dalian University
Priority to CN201310636229.XA priority Critical patent/CN103679751B/zh
Publication of CN103679751A publication Critical patent/CN103679751A/zh
Application granted granted Critical
Publication of CN103679751B publication Critical patent/CN103679751B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Processing Or Creating Images (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种基于量子计算的碰撞检测方法，属于计算机图形学技术领域；包括以下步骤：分别建立两个物体的凸包，同时构建形成凸包的参数集；用随机惯性权重改变粒子的惯性权重；用量子旋转门和量子
Figure 201310636229X100004DEST_PATH_IMAGE002
门改变量子位概率幅，更新量子状态；根据变异概率，用量子Hadamard门兑换两个概率幅，实现量子变异；跟踪粒子运动轨迹，输出最小距离差；判断两个物体是否发生碰撞；其有益效果是：使用自适应变异惯性权重增强效果，充分考虑了物体运动的复杂性，从而提高了检测精度，用随机惯性权重改变粒子的惯性权重、用量子旋转门和量子
Figure 65411DEST_PATH_IMAGE002
门改变量子位概率幅和用量子Hadamard门兑换两个概率幅，三者结合后显著提高了碰撞检测的效率。

Description

一种基于量子计算的碰撞检测方法
技术领域    本发明涉及一种基于量子计算的碰撞检测方法，属于计算机图形学技术领域。
背景技术   近年来，随着计算机图形学（Computer Graphics，CG）产业的飞速发展，碰撞检测技术在从二维层面向三维扩展中日趋成熟，碰撞检测已成为目前广泛应用的能够真实检测运动物体运动相交状态的技术。碰撞检测是检测虚拟空间运动物体相交状况的技术，其基于计算机图形学原理,通过三维建模采集运动物体的图像,之后对该图像的数据进行处理,以判断运动物体的空间相交状况。碰撞检测广泛应用于虚拟现实、机器人运动规划、影视制作、游戏娱乐和计算机动画等领域；传统的碰撞检测方法是采用外形近似于运动物体的包围盒代替物体来判断物体的相交状态，该方法简单，较容易忽略复杂物体的细节，使检测精度低。
发明内容    针对上述技术问题， 本发明提供了一种基于量子计算的碰撞检测方法，以解决现有技术提供的碰撞检测方法因物体复杂度增加导致碰撞检测精度和效率逐渐降低的问题。
为实现上述目的，本发明所采用的技术解决方案是：一种基于量子计算的碰撞检测方法，所述方法包括以下步骤：
1）采集运动物体在当前帧的图像数据，分别建立两个物体的凸包，同时构建形成凸包的参数集；
2）          把凸包上的顶点看成是量子粒子群中的粒子，用随机惯性权重改变粒子的惯性权重，扩大搜索空间；
3）          用量子旋转门和量子                                               
Figure 201310636229X100002DEST_PATH_IMAGE002
 门改变量子位概率幅，更新量子状态；
4）          根据变异概率，用量子Hadamard门兑换两个概率幅，实现量子变异；
5）          跟踪粒子运动轨迹，根据参数集计算两个凸包上的距离差，输出最小距离差；
6）          根据距离差与设定值的关系，判断两个物体是否发生碰撞。
所述采集运动物体在当前帧的图像数据，分别建立两个物体的凸包，同时构建形成凸包的参数集包括以下步骤：
记录当前帧中所述被检测物体的运动图像数据，形成物体的顶点集；取图像数据边缘的四条边上的四个端点，获取顶点集的包围盒；删除位于该四边形内部的顶点，计算四条边外部距离最远的顶点，若所述点都是垂直于边的端点，将其加入凸包中。
其中，边的两个顶点和一个新的凸顶点形成三角形，删除三角形内部的点；对于凸包上的新边，递归地重复前述的同一个过程，直到没有顶点位于边外时终止；建立凸包的步骤为：
其中
Figure 201310636229X100002DEST_PATH_IMAGE006
，
Figure 201310636229X100002DEST_PATH_IMAGE008
为实数，
Figure 201310636229X100002DEST_PATH_IMAGE010
为n维空间；当且时，
Figure 201310636229X100002DEST_PATH_IMAGE016
为点
Figure 201310636229X100002DEST_PATH_IMAGE018
的凸组合。
构建凸包时形成的参数集的步骤为：
Figure 201310636229X100002DEST_PATH_IMAGE020
Figure 201310636229X100002DEST_PATH_IMAGE022
其中
Figure 593929DEST_PATH_IMAGE006
，
Figure 703484DEST_PATH_IMAGE008
为实数，
Figure 201310636229X100002DEST_PATH_IMAGE024
，
Figure 495729DEST_PATH_IMAGE010
为n维空间；当
Figure 102684DEST_PATH_IMAGE012
且
Figure 209049DEST_PATH_IMAGE014
时,
Figure 201310636229X100002DEST_PATH_IMAGE026
中任意有限个点
Figure 211991DEST_PATH_IMAGE018
的所有凸组合成为
Figure 178066DEST_PATH_IMAGE026
的凸包,记为
Figure 201310636229X100002DEST_PATH_IMAGE028
,即由所述物体形成两个凸包的实数集。的点集为，即两个凸包所处空间位置构成的点集，其中表示所有正整数集合。
进一步地，用随机惯性权重改变粒子的惯性权重，扩大搜索空间；自适应权重的更新步骤为：
Figure 201310636229X100002DEST_PATH_IMAGE034
 
其中是最大惯性权重，
Figure 201310636229X100002DEST_PATH_IMAGE038
是最小惯性权重，
Figure 201310636229X100002DEST_PATH_IMAGE040
是最小适应度值，
Figure 201310636229X100002DEST_PATH_IMAGE042
是当前适应度值，
Figure 201310636229X100002DEST_PATH_IMAGE044
是平均适应度值，
Figure 201310636229X100002DEST_PATH_IMAGE046
为自适应权重。
用量子旋转门和量子 门改变量子位概率幅，更新量子状态的具体步骤为：
1）若
Figure 201310636229X100002DEST_PATH_IMAGE048
 且
Figure 201310636229X100002DEST_PATH_IMAGE050
 ，则：
Figure 201310636229X100002DEST_PATH_IMAGE052
 
 2）若
Figure DEST_PATH_IMAGE056
且，则
Figure DEST_PATH_IMAGE060
 
3）否则
Figure DEST_PATH_IMAGE062
 
其中
Figure DEST_PATH_IMAGE064
；
Figure DEST_PATH_IMAGE066
，，
Figure DEST_PATH_IMAGE070
为
Figure DEST_PATH_IMAGE072
时刻的量子概率幅，为更新后的量子概率幅，
Figure DEST_PATH_IMAGE076
,
Figure 235561DEST_PATH_IMAGE032
表示所有正整数集合。
Figure DEST_PATH_IMAGE078
为限定的概率值，
Figure DEST_PATH_IMAGE080
，取
Figure DEST_PATH_IMAGE082
。
Figure DEST_PATH_IMAGE084
 为量子位概率幅。
Figure DEST_PATH_IMAGE086
为
Figure 777399DEST_PATH_IMAGE072
 时刻的量子相位,
Figure DEST_PATH_IMAGE088
为下一时刻
Figure DEST_PATH_IMAGE090
时刻的量子相位增量。
根据变异概率，用量子Hadamard门兑换两个概率幅的步骤为：
Figure DEST_PATH_IMAGE092
 
其中
Figure DEST_PATH_IMAGE094
 ；
Figure 166136DEST_PATH_IMAGE066
,
Figure 427353DEST_PATH_IMAGE068
，
Figure 82850DEST_PATH_IMAGE076
 , 
Figure 653378DEST_PATH_IMAGE032
表示所有正整数集合。
Figure DEST_PATH_IMAGE096
为量子Hadamard门，
Figure 716362DEST_PATH_IMAGE084
 为量子位概率幅，
Figure DEST_PATH_IMAGE098
为变异后的量子概率幅。
根据参数集计算所述凸包间的距离差的具体步骤为： 
步骤1）随机初始化粒子群；
步骤2）变换解空间，计算粒子的适应度；
Figure DEST_PATH_IMAGE100
其中为点
Figure DEST_PATH_IMAGE104
与点
Figure DEST_PATH_IMAGE106
之间的距离，为凸包
Figure 162297DEST_PATH_IMAGE026
与之间的最短距离, 为
Figure 305921DEST_PATH_IMAGE026
，
Figure 987963DEST_PATH_IMAGE110
之间的最短距离。
Figure 26326DEST_PATH_IMAGE104
为
Figure 813367DEST_PATH_IMAGE026
 上的任意一点，
Figure 706105DEST_PATH_IMAGE106
为
Figure 355786DEST_PATH_IMAGE110
上的任意一点。
比较粒子目前的位置与当前最优位置，若粒子目前的位置比当前的最优位置好，则用目前的位置替换当前的最优位置；若目前全局最优位置比到目前为止搜索到的全局最优位置好，则用目前全局最优位置替换全局最优位置；
步骤3）更新粒子状态，用随机惯性权重更新量子惯性权重，用量子旋转门和更新量子位概率幅；
步骤4）根据变异概率，对粒子用量子Hadamard门实现变异操作；
步骤5）如果适应度值小于或等于设定值，则输出全局最优值，结束程序，否则返回步骤2循环计算,直到达到最大迭代次数或是满足收敛条件为止。
更进一步地，根据距离差与设定值的关系，判断两个物体是否发生碰撞的具体步骤为：
若距离差大于设定值，则两个物体未碰撞；若距离差小于或等于设定值，则两个物体发生碰撞。
一种基于量子计算的碰撞检测方法，其有益效果是：
1 ）使用自适应变异惯性权重增强效果；2 ）将用随机惯性权重改变粒子的惯性权重、用量子旋转门和量子
Figure 333975DEST_PATH_IMAGE002
门改变量子位概率幅和用量子Hadamard门兑换两个概率幅三者结合；应用本发明实施例提供的碰撞检测方法对复杂物体进行检测时，同时改变粒子运动的速度和方向，而不是使其速度与方向分别改变，充分考虑了物体运动的复杂性，从而提高了检测精度；本发明对比已有技术具有以下显著优点：用随机惯性权重改变粒子的惯性权重、用量子旋转门和量子门改变量子位概率幅和用量子Hadamard门兑换两个概率幅，三者结合后显著提高了碰撞检测的效率。
附图说明
图1是本发明实施例提供的碰撞检测方法的流程图；
图2是采用本发明实施例1提供的碰撞检测方法与现有碰撞检测方法的效果对比图；
图3是采用本发明实施例2提供的碰撞检测方法与现有碰撞检测方法的效果对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。 
本发明的基本思想是：采集运动物体的顶点在当前帧的位置数据，分别建立被测物体的凸包，同时构建形成凸包的参数集。用基于量子计算的方法计算两个凸包间的距离差来判断两个物体是否碰撞。 
图1示出了本发明实施例提供的碰撞检测方法的流程。
实施例1
在步骤S101中，采集运动物体的顶点在当前帧的位置数据，分别建立两个物体的凸包，同时构建形成凸包的参数集。 
其中的运动图像数据可以是多个标记点在运动图像上的位置，具体可以是物体顶点的
Figure DEST_PATH_IMAGE114
 、
Figure DEST_PATH_IMAGE116
 、
Figure DEST_PATH_IMAGE118
轴的坐标。记录当前帧中所述凸包顶点的运动图像数据。取图像数据边缘的四条边上的四个端点，获取顶点集的包围盒。删除位于该四边形内部的顶点，计算四条边外部距离最远的顶点，若所述点都是垂直于边的端点，将其加入凸包中，其中边的两个顶点和这一个新的凸顶点形成了一个三角形。删除三角形内部的点。对于凸包上的新边，递归地重复前述的同一个过程，直到没有顶点位于边外时终止,形成凸包。该参数集包括：由两个凸包所处空间位置构成的点集、以及由所述物体形成两个凸包的实数集。
在步骤S102中，把凸包上的顶点看成是量子粒子群中的粒子，用随机惯性权重改变粒子的惯性权重，以扩大粒子的搜索空间。用量子旋转门和量子
Figure 845520DEST_PATH_IMAGE002
门改变量子位概率幅。用量子Hadamard门兑换两个概率幅，使量子位能同时改变粒子运动的速度和方向。跟踪粒子运动轨迹，以寻找最快速使距离差取得最小值的粒子；假设量子幅角为，经过量子旋转门变化后，量子幅相位为
Figure DEST_PATH_IMAGE122
。有时量子位概率幅会限定在一个小范围内，量子
Figure 997645DEST_PATH_IMAGE002
门改变量子位概率幅的范围。令变异概率为
Figure DEST_PATH_IMAGE124
，为每个粒子均设定一个随机数
Figure DEST_PATH_IMAGE126
，
Figure DEST_PATH_IMAGE128
，若
Figure DEST_PATH_IMAGE130
,则随机选择该粒子上
Figure DEST_PATH_IMAGE132
个量子位，用量子Hadamard门变换两个概率幅，实际上是对量子位幅角的一种旋转，使量子位绕
Figure 397884DEST_PATH_IMAGE116
轴和
Figure 526727DEST_PATH_IMAGE114
轴分别旋转，增加位幅角，增加了种群多样性。如设某一量子位幅角为
Figure DEST_PATH_IMAGE134
，则变异后的幅角为
Figure DEST_PATH_IMAGE136
，即下一时刻的量子位幅角与前一时刻量子位幅角有关，减少冗余计算。假定有两多面体
Figure 692260DEST_PATH_IMAGE026
 和
Figure 697126DEST_PATH_IMAGE110
，且
Figure 381398DEST_PATH_IMAGE026
和位于同一参考坐标系（否则可将转换至
Figure 748554DEST_PATH_IMAGE110
的空间内），则两凸多面体之间的的距离为：
Figure DEST_PATH_IMAGE138
 
其中凸多面体
Figure 255144DEST_PATH_IMAGE026
中任意一点
Figure DEST_PATH_IMAGE140
，凸多面体
Figure 980917DEST_PATH_IMAGE110
中任意一点
Figure DEST_PATH_IMAGE142
，
Figure DEST_PATH_IMAGE144
为形成凸体
Figure 180430DEST_PATH_IMAGE026
的系数,
Figure DEST_PATH_IMAGE146
为形成凸体
Figure 960386DEST_PATH_IMAGE110
的系数，
Figure DEST_PATH_IMAGE148
 ;
Figure DEST_PATH_IMAGE150
，
Figure 999011DEST_PATH_IMAGE068
，
Figure 7769DEST_PATH_IMAGE076
，表示所有正整数集合。
Figure DEST_PATH_IMAGE152
为
Figure 270702DEST_PATH_IMAGE026
和
Figure 419793DEST_PATH_IMAGE110
之间的距离。
在步骤S103中，根据距离差与设定值的关系，判断两个物体是否发生碰撞，
若距离差大于设定值，则两个物体未碰撞。若距离差小于或等于设定值，则两个物体发生碰撞。即寻找参数
Figure 68728DEST_PATH_IMAGE144
,
Figure 354085DEST_PATH_IMAGE146
，使
Figure 232435DEST_PATH_IMAGE152
取最小值。若
Figure DEST_PATH_IMAGE154
，
Figure DEST_PATH_IMAGE156
则凸多面体
Figure 239794DEST_PATH_IMAGE026
和发生碰撞，否则凸多面体分离。
实施例2
在步骤S101中，采集运动物体的顶点在当前帧的位置数据，分别建立两个物体的凸包，同时构建形成凸包的参数集。 
其中的运动图像数据可以是多个标记点在运动图像上的位置，具体可以是物体顶点的 、
Figure 110295DEST_PATH_IMAGE116
 、
Figure 778518DEST_PATH_IMAGE118
轴的坐标。记录当前帧中所述凸包顶点的运动图像数据。取图像数据边缘的四条边上的四个端点，获取顶点集的包围盒。删除位于该四边形内部的顶点，计算四条边外部距离最远的顶点，若所述点都是垂直于边的端点，将其加入凸包中，其中边的两个顶点和这一个新的凸顶点形成了一个三角形。删除三角形内部的点。对于凸包上的新边，递归地重复前述的同一个过程，直到没有顶点位于边外时终止,形成凸包。该参数集包括：由两个凸包所处空间位置构成的点集、以及由所述物体形成两个凸包的实数集。
在步骤S102中，把凸包上的顶点看成是量子粒子群中的粒子，用随机惯性权重改变粒子的惯性权重，以扩大粒子的搜索空间。用量子旋转门改变量子位概率幅。用量子Hadamard门兑换两个概率幅，使粒子运动的速度和方向能同时改变。跟踪粒子运动轨迹，以寻找最快速使距离差取得最小值的粒子；假设量子幅角为，经过量子旋转门变化后，量子幅相位为
Figure 526473DEST_PATH_IMAGE122
，从而改变量子概率幅。令变异概率为
Figure 743697DEST_PATH_IMAGE124
，为每个粒子均设定一个随机数
Figure 902146DEST_PATH_IMAGE126
，，若
Figure 36860DEST_PATH_IMAGE130
,则随机选择该粒子上
Figure 427915DEST_PATH_IMAGE132
个量子位，用量子Hadamard门变换两个概率幅，实际上是对量子位幅角的一种旋转，使量子位绕
Figure 73659DEST_PATH_IMAGE116
轴和
Figure 593151DEST_PATH_IMAGE114
轴分别旋转，增加位幅角，增加了种群多样性。如设某一量子位幅角为，则变异后的幅角为
Figure 451964DEST_PATH_IMAGE136
，即下一时刻的量子位幅角与前一时刻量子位幅角有关，减少冗余计算。假定有两多面体
Figure 585006DEST_PATH_IMAGE026
 和，且
Figure 36115DEST_PATH_IMAGE026
和
Figure 766042DEST_PATH_IMAGE110
位于同一参考坐标系（否则可将
Figure 123730DEST_PATH_IMAGE026
转换至
Figure 230095DEST_PATH_IMAGE110
的空间内），则两凸多面体之间的的距离为：
 
其中凸多面体
Figure 133865DEST_PATH_IMAGE026
中任意一点
Figure 241498DEST_PATH_IMAGE140
，凸多面体
Figure 888905DEST_PATH_IMAGE110
中任意一点
Figure 749282DEST_PATH_IMAGE142
，
Figure 83662DEST_PATH_IMAGE144
为形成凸体
Figure 413012DEST_PATH_IMAGE026
的系数,为形成凸体
Figure 578993DEST_PATH_IMAGE110
的系数，
Figure 107712DEST_PATH_IMAGE148
 ;
Figure 658779DEST_PATH_IMAGE150
，
Figure 910638DEST_PATH_IMAGE068
，
Figure 748537DEST_PATH_IMAGE076
，
Figure 162070DEST_PATH_IMAGE032
表示所有正整数集合。
Figure 463082DEST_PATH_IMAGE152
为
Figure 253053DEST_PATH_IMAGE026
 和
Figure 945459DEST_PATH_IMAGE110
之间的距离。
在步骤S103中，根据距离差与设定值的关系，判断两个物体是否发生碰撞，
若距离差大于设定值，则两个物体未碰撞。若距离差小于或等于设定值，则两个物体发生碰撞。即寻找参数
Figure 795472DEST_PATH_IMAGE144
,
Figure 321131DEST_PATH_IMAGE146
，使
Figure 911863DEST_PATH_IMAGE152
取最小值。若
Figure 721425DEST_PATH_IMAGE154
，设置
Figure 479689DEST_PATH_IMAGE156
则凸多面体和发生碰撞，否则凸多面体分离。
图2示采用本发明实施例1提供的碰撞检测方法与现有碰撞检测方法的效果对比图；图3示采用本发明实施例2提供的碰撞检测方法与现有碰撞检测方法的效果对比图；图示用在相同的最大迭代次数下对比两种方法计算的距离差值（单位为毫米）方法显示本发明实施例提供的碰撞检测方法和现有碰撞检测方法的效果对比。图示中叠加显示了每次迭代计算的距离差。星型线条为现有碰撞检测方法产生的实验结果，直线条为本发明实施例提供的碰撞检测方法产生的实验结果。为明确显示算法效果，将现有碰撞检测的效果值都增加了0.1毫米。
应用本发明实施例提供的碰撞检测方法对复杂物体进行检测时，用物体上的点作为基本图元进行计算，充分考虑了物体运动的复杂性。在寻找最小距离差的计算过程中，同时改变了粒子运动的速度和方向，而不是分步改变其运动速度与方向，从而提高了检测速度。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种基于量子计算的碰撞检测方法，其特征是所述方法包括以下步骤：
1）采集运动物体在当前帧的图像数据，分别建立两个物体的凸包，同时构建形成凸包的参数集；
2）          把凸包上的顶点看成是量子粒子群中的粒子，用随机惯性权重改变粒子的惯性权重，扩大搜索空间；
3）          用量子旋转门和量子                                                门改变量子位概率幅，更新量子状态；
4）          根据变异概率，用量子Hadamard门兑换两个概率幅，实现量子变异；
5）          跟踪粒子运动轨迹，根据参数集计算两个凸包上的距离差，输出最小距离差；
6）          根据距离差与设定值的关系，判断两个物体是否发生碰撞。
2.根据权利要求1所述的一种基于量子计算的碰撞检测方法，其特征是所述采集运动物体在当前帧的图像数据，分别建立两个物体的凸包，同时构建形成凸包的参数集包括以下步骤：记录当前帧中所述被检测物体的运动图像数据，形成物体的顶点集；取图像数据边缘的四条边上的四个端点，获取顶点集的包围盒；删除位于该四边形内部的顶点，计算四条边外部距离最远的顶点，若所述点都是垂直于边的端点，将其加入凸包中。
3.根据权利要求1所述的一种基于量子计算的碰撞检测方法，其特征是构建所述凸包时形成的参数集的步骤为：
Figure 201310636229X100001DEST_PATH_IMAGE002
Figure 604347DEST_PATH_IMAGE003
其中
Figure DEST_PATH_IMAGE004
，
Figure 446401DEST_PATH_IMAGE005
为实数，，
Figure 966244DEST_PATH_IMAGE007
为n维空间；当且
Figure 842933DEST_PATH_IMAGE009
时，
Figure DEST_PATH_IMAGE010
中任意有限个点
Figure 790029DEST_PATH_IMAGE011
的所有凸组合成为的凸包，记为
Figure 122309DEST_PATH_IMAGE013
，即由所述物体形成两个凸包的实数集，
Figure 383526DEST_PATH_IMAGE012
的点集为
Figure DEST_PATH_IMAGE014
，即两个凸包所处空间位置构成的点集，其中
Figure 114722DEST_PATH_IMAGE015
表示所有正整数集合。
4.根据权利要求1所述的一种基于量子计算的碰撞检测方法，其特征是所述权重的更新步骤为：
Figure DEST_PATH_IMAGE016
 
其中
Figure 170403DEST_PATH_IMAGE017
是最大惯性权重，
Figure DEST_PATH_IMAGE018
是最小惯性权重，是最小适应度值，
Figure DEST_PATH_IMAGE020
是当前适应度值，
Figure 848695DEST_PATH_IMAGE021
是平均适应度值，
Figure DEST_PATH_IMAGE022
为自适应权重。
5.根据权利要求1所述的一种基于量子计算的碰撞检测方法，其特征是更新所述量子状态的具体步骤为：
1）若
Figure 499643DEST_PATH_IMAGE023
 且
Figure DEST_PATH_IMAGE024
 ，则：
 
 2）若
Figure 420381DEST_PATH_IMAGE027
且
Figure DEST_PATH_IMAGE028
，则
 
3）否则
Figure DEST_PATH_IMAGE030
 
其中
Figure 525926DEST_PATH_IMAGE031
；
Figure DEST_PATH_IMAGE032
，
Figure 988656DEST_PATH_IMAGE033
，
Figure DEST_PATH_IMAGE034
为
Figure DEST_PATH_IMAGE035
时刻的量子概率幅，为更新后的量子概率幅，
Figure 904528DEST_PATH_IMAGE037
,
Figure 45659DEST_PATH_IMAGE015
表示所有正整数集合；
Figure DEST_PATH_IMAGE038
为限定的概率值，
Figure 605954DEST_PATH_IMAGE039
，取
Figure DEST_PATH_IMAGE040
；
Figure 516883DEST_PATH_IMAGE041
 为量子位概率幅；
Figure DEST_PATH_IMAGE042
为
Figure 592155DEST_PATH_IMAGE035
 时刻的量子相位,
Figure 536977DEST_PATH_IMAGE043
为下一时刻
Figure DEST_PATH_IMAGE044
时刻的量子相位增量。
6.根据权利要求1所述的一种基于量子计算的碰撞检测方法，其特征是用量子Hadamard门兑换所述两个概率幅的步骤为：
Figure 951778DEST_PATH_IMAGE045
 
其中 ；
Figure 18960DEST_PATH_IMAGE032
，
Figure 456895DEST_PATH_IMAGE033
， ， 
Figure 477645DEST_PATH_IMAGE015
表示所有正整数集合；
Figure 653411DEST_PATH_IMAGE047
为量子Hadamard门，
Figure 578642DEST_PATH_IMAGE041
 为量子位概率幅，
Figure DEST_PATH_IMAGE048
为变异后的量子概率幅。
7.根据权利要求1所述的一种基于量子计算的碰撞检测方法，其特征是根据参数集计算所述凸包间的距离差的具体步骤为： 
步骤1）随机初始化粒子群；
步骤2）变换解空间，计算粒子的适应度；
Figure 927584DEST_PATH_IMAGE049
其中
Figure DEST_PATH_IMAGE050
为点
Figure 51398DEST_PATH_IMAGE051
与点
Figure DEST_PATH_IMAGE052
之间的距离，
Figure 460382DEST_PATH_IMAGE053
为凸包
Figure 935226DEST_PATH_IMAGE012
与
Figure DEST_PATH_IMAGE054
之间的最短距离, 
Figure 28471DEST_PATH_IMAGE055
为
Figure 272371DEST_PATH_IMAGE012
，
Figure 524361DEST_PATH_IMAGE054
之间的最短距离，
Figure 424183DEST_PATH_IMAGE051
为
Figure 52611DEST_PATH_IMAGE012
 上的任意一点，
Figure 416596DEST_PATH_IMAGE052
为
Figure 839487DEST_PATH_IMAGE054
上的任意一点；
比较粒子目前的位置与当前最优位置，若粒子目前的位置比当前的最优位置好，则用目前的位置替换当前的最优位置；若目前全局最优位置比到目前为止搜索到的全局最优位置好，则用目前全局最优位置替换全局最优位置；
步骤3）更新粒子状态，用随机惯性权重更新量子惯性权重，用量子旋转门和更新量子位概率幅；
步骤4）根据变异概率，对粒子用量子Hadamard门实现变异操作；
步骤5）如果适应度值小于或等于设定值，则输出全局最优值，结束程序，否则返回步骤2循环计算,直到达到最大迭代次数或是满足收敛条件为止。
8.根据权利要求1所述的一种基于量子计算的碰撞检测方法，其特征是根据所述距离差与设定值的关系，判断两个物体是否发生碰撞的具体步骤为：若距离差大于设定值，则两个物体未碰撞；若距离差小于或等于设定值，则两个物体发生碰撞。
CN201310636229.XA 2013-12-03 2013-12-03 一种基于量子计算的碰撞检测方法 Active CN103679751B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310636229.XA CN103679751B (zh) 2013-12-03 2013-12-03 一种基于量子计算的碰撞检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310636229.XA CN103679751B (zh) 2013-12-03 2013-12-03 一种基于量子计算的碰撞检测方法

Publications (2)

Publication Number Publication Date
CN103679751A true CN103679751A (zh) 2014-03-26
CN103679751B CN103679751B (zh) 2016-08-17

Family

ID=50317201

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310636229.XA Active CN103679751B (zh) 2013-12-03 2013-12-03 一种基于量子计算的碰撞检测方法

Country Status (1)

Country Link
CN (1) CN103679751B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104851110A (zh) * 2015-04-21 2015-08-19 南京邮电大学 基于量子粒子群优化的视觉跟踪方法
CN110162536A (zh) * 2019-04-10 2019-08-23 深圳大学 一种量子搜索方法、系统、电子装置及存储介质
CN111467796A (zh) * 2020-04-02 2020-07-31 北京代码乾坤科技有限公司 分布式物理结算方法和装置
CN114254546A (zh) * 2022-02-11 2022-03-29 中国空气动力研究与发展中心计算空气动力研究所 一种稀薄气体粒子碰撞模拟计算方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102999661A (zh) * 2012-11-16 2013-03-27 上海电机学院 基于粒子群优化的并行碰撞检测系统及方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102999661A (zh) * 2012-11-16 2013-03-27 上海电机学院 基于粒子群优化的并行碰撞检测系统及方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
KUK-HYUN HAN等: "Quantum-Inspired Evolutionary Algorithms With a New Termination Criterion, Gate, and Two-Phase Scheme", 《IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION》 *
WEI ZHAO等: "Research on Collision Detection Algorithm Based on Particle Swarm Optimization", 《SPRINGER BERLIN HEIDELBERG》 *
延丽平等: "具有自适应随机惯性权重的PSO算法", 《计算机工程与设计》 *
李士勇等: "求解连续空间优化问题的量子粒子群算法", 《量子电子学报》 *
赵伟等: "基于非线性规划的凸多面体间碰撞检测算法", 《吉林大学学报 (工学版)》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104851110A (zh) * 2015-04-21 2015-08-19 南京邮电大学 基于量子粒子群优化的视觉跟踪方法
CN110162536A (zh) * 2019-04-10 2019-08-23 深圳大学 一种量子搜索方法、系统、电子装置及存储介质
CN111467796A (zh) * 2020-04-02 2020-07-31 北京代码乾坤科技有限公司 分布式物理结算方法和装置
CN111467796B (zh) * 2020-04-02 2023-05-02 北京代码乾坤科技有限公司 分布式物理结算方法和装置
CN114254546A (zh) * 2022-02-11 2022-03-29 中国空气动力研究与发展中心计算空气动力研究所 一种稀薄气体粒子碰撞模拟计算方法
CN114254546B (zh) * 2022-02-11 2023-04-18 中国空气动力研究与发展中心计算空气动力研究所 一种稀薄气体粒子碰撞模拟计算方法

Also Published As

Publication number Publication date
CN103679751B (zh) 2016-08-17

Similar Documents

Publication Publication Date Title
CN104268943B (zh) 一种基于欧拉‑拉格朗日耦合方法的流体仿真方法
Spillmann et al. An adaptive contact model for the robust simulation of knots
CN103679751A (zh) 一种基于量子计算的碰撞检测方法
CN103679271B (zh) 基于Bloch球面坐标及量子计算的碰撞检测方法
CN104123747B (zh) 多方式触控三维建模方法和系统
CN105469406A (zh) 一种基于包围盒与空间划分的虚拟物体碰撞检测方法
Levine et al. A Peridynamic Perspective on Spring-Mass Fracture.
CN103236079A (zh) 一种基于三维模型体素化的内部球改进构造方法
CN102999661A (zh) 基于粒子群优化的并行碰撞检测系统及方法
CN103699715A (zh) 一种基于光滑粒子流体动力学和非线性有限元的流固耦合方法
CN103324784B (zh) 一种基于局部约束的网格模型碰撞处理方法
CN107222873A (zh) 一种面向三维有向感知模型的wmsn全目标覆盖方法
US10108172B2 (en) Spiral toolpaths for high-speed machining of polygonal pockets
CN103337091A (zh) 一种基于厚度的柔性场景连续碰撞检测方法
CN104778737B (zh) 基于gpu的大规模落叶实时渲染方法
Tang et al. Hierarchical and controlled advancement for continuous collision detectionof rigid and articulated models
Favilli et al. Geometric deep learning for statics-aware grid shells
CN106658537A (zh) 构建无人机自组织网络节点的三维时空相关群组移动模型的方法及系统
Im et al. Visual simulation of rapidly freezing water based on crystallization
Wong et al. Continuous collision detection for deformable objects using permissible clusters
Tang et al. FLAT: Flux-Aware Imperceptible Adversarial Attacks on 3D Point Clouds
Zeng et al. Coverage optimization algorithm for multi-robot system based on virtual force refinement
CN104615481B (zh) 一种基于簇聚类的风吹有叶树摇曳模拟方法
Luo et al. AE-Reorient: Active Exploration Based Reorientation for Robotic Pick-and-Place
Waszak Limbless movement simulation with a particle‐based system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant