CN106875492A - 一种面向gpu包围盒碰撞检测方法 - Google Patents

一种面向gpu包围盒碰撞检测方法 Download PDF

Info

Publication number
CN106875492A
CN106875492A CN201710076635.3A CN201710076635A CN106875492A CN 106875492 A CN106875492 A CN 106875492A CN 201710076635 A CN201710076635 A CN 201710076635A CN 106875492 A CN106875492 A CN 106875492A
Authority
CN
China
Prior art keywords
bounding box
gpu
stage
node
point
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.)
Pending
Application number
CN201710076635.3A
Other languages
English (en)
Inventor
张新宇
黄楠
郭娟
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.)
East China Normal University
Original Assignee
East China Normal 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 East China Normal University filed Critical East China Normal University
Priority to CN201710076635.3A priority Critical patent/CN106875492A/zh
Publication of CN106875492A publication Critical patent/CN106875492A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/12—Bounding box

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种面向GPU包围盒碰撞检测方法，包括以下三个阶段：阶段1、包围盒层次结构构造阶段；阶段2、轴对齐包围盒(AABB)碰撞检测阶段；阶段3、包围盒层次结构更新阶段；其中，阶段2具体包括步骤21、在GPU上进行AABB重叠测试；步骤22、在GPU上进行基元三角形相交测试；本发明的一种面向GPU包围盒碰撞检测方法在保证高度交互式更新率的前提下，快速准确地检测两个严重变形模型的所有基元对之间的相交。

Description

一种面向GPU包围盒碰撞检测方法
技术领域
本发明涉及计算机图形学领域，尤其涉及一种面向GPU包围盒碰撞检测方法。
背景技术
碰撞检测是计算机图像、虚拟现实、计算机游戏、动画、计算机辅助设计、机器人及虚拟制造等领域中的一个重要研究课题。碰撞检测技术是检测物体之间是否发生接触或穿透，如果发生了这种情况就要采取相应的相应措施，而自碰撞检测是可变形体模拟过程中最耗时的环节。而，现有算法大多是为单核CPU设计的，无法有效扩展到大规模并行处理器上。随着多核图形处理器(Graphics Processing Unit，简称GPU)的快速发展，基本上所有的计算机上都配置有GPU，设计新的并行算法有望利用GPU的计算资源提高碰撞检测算法的效率。
因此，本领域的技术人员致力于开发一种面向GPU包围盒碰撞检测方法，在保证高度交互式更新率的前提下，快速准确地检测两个严重变形模型的所有基元对之间的相交。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是开发一种面向GPU包围盒碰撞检测方法，在保证高度交互式更新率的前提下，快速准确地检测两个严重变形模型的所有基元对之间的相交。
为了获得GPU的最大计算性能，需要考虑两个问题：1、每个线程应使用尽量少的硬件寄存器和存储资源，以保证GPU内部同一时刻可以运行更多的活动线程；2、线程的单指令多数据操作对程序的分支执行非常敏感，统一线程组内的线程只有执行程序的同一分支才能获得最大性能。
为实现上述目的，本发明提供了一种面向GPU包围盒碰撞检测方法，包括以下三个阶段：
阶段1、包围盒层次结构构造阶段；
阶段2、轴对齐包围盒(AABB)碰撞检测阶段；
阶段3、包围盒层次结构更新阶段；
其中，
阶段1具体为包括步骤11、在GPU上分阶段构造BVH树；
阶段2具体为包括步骤21、在GPU上进行AABB重叠测试；
步骤22、在GPU上进行基元三角形相交测试；
阶段3具体为包括步骤31、使用包围盒修整的方式更新BVH树结构。
进一步地，步骤11具体为：采用表面积启发式算法策略来确定最优的分割点，进而形成包围盒的节点。
进一步地，计算每个潜在的分割点，然后采用宽度优先的方式计算各个采样分割点的表面积启发式算法花费，以确定加速结构中一个节点包围盒的最优分割点位置。
进一步地，计算每个潜在分割点的具体步骤为：Cp被设置为选取当前采样点后进行遍历和相交操作所可能产生的花费；nl和nr分别被设置为相应左子节点、右子节点所含的面片数量；S(Nl)、S(Nr)分别被设置为与当前采样分割点相邻的左子节点、右子节点的表面积，S(N)被设置为当前采样分割点的父节点的表面积，KT被设置为对当前采样分割点的父节点进行遍历所产生的花费，KI被设置为对当前采样分割点进行相交操作所产生的花费，利用公式Cp＝KT+Kl[nlS(Nl)+nrS(Nr)]/S(N)得到的最小的Cp所对应的点即为最优分割点。
进一步地，在包围盒碰撞检测阶段，首先在GPU上进行全局的AABB重叠测试，接着在GPU上进行大规模并行重叠测试，在模型的全局AABB对之间检测相交，找出存在相交的模型对。
进一步地，步骤31具体为，首先更新叶子节点，再更新两个孩子节点，最后更新中间节点。
进一步地，步骤1还包括减少GPU计算资源浪费的步骤，具体为：
步骤12、在全局存储区域中建立2个队列，第1队列和第2队列分别用来存放等待进行划分的包围盒；
步骤13、当GPU存在空闲线程块时，依次从第1队列中取等待进行划分的包围盒节点进行划分，并将产生的新的包围盒节点放入第2队列；
步骤14、当第1队列中所有等待进行划分的包围盒节点处理完毕后，清空第1队列中的所有节点数据；当GPU存在空闲线程块时，依次从第2队列中取等待进行划分的包围盒节点进行划分，并将产生的新的包围盒节点放入第1队列，直至第2队列中等待进行划分的包围盒节点都处理完毕；
步骤15、循环执行步骤14和步骤15，直至完成相应的包围盒节点的划分。
进一步地，构造BVH树的中期，使用一个block处理一个BVH节点。
进一步地，步骤1分别对模型X和模型Y构造BVH树。
技术效果
本发明的一种面向GPU包围盒碰撞检测方法能够有效地利用GPU可多线程并行的特点，在GPU上构建BVH树结构，在GPU上执行大规模并行AABB包围盒重叠测试，在GPU上进行造包围盒层次结构的更新，有效地将复杂的变形体碰撞检测在GPU下进行大规模并行流计算的方式实现，在保证高度交互率的前提下，快速准确检测两个严重变形模型的所有基元对之间的相交。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的一个较佳实施例的一种面向GPU包围盒碰撞检测方法的流程示意图。
图2是本发明的一个较佳实施例的一种面向GPU包围盒碰撞检测方法的BVH树构造过程示意图。
具体实施方式
如图1所示，本发明的一较佳实施例提供了一种面向GPU包围盒碰撞检测方法，以检测模型X、模型Y之间发生碰撞的三角形基元对为例，对发明的一种面向GPU包围盒碰撞检测方法进行详细说明，在本发明的较佳实施例中，输入流为根据模型X和Y构造的BVH树结构构成的两个轴对齐包围盒(Axis Aligned Bounding Box，简称AABB)，面向GPU包围盒碰撞检测方法的步骤主要是：
阶段1、包围盒层次结构构造阶段；
阶段2、轴对齐包围盒碰撞检测阶段；
阶段3、包围盒层次结构更新阶段；
具体地，步骤如下：
阶段1具体为包括
步骤11、在GPU上分阶段构造BVH树；
步骤11、在GPU上分阶段构造BVH树的具体步骤是，分别对模型X、Y创建初始的BVH树。
采用表面积启发式算法(SAH)策略来确定最优的分割点，进而形成包围盒节点。GPU线程计算单元都用以计算各个采样分割点的SAH花费进而快速确定加速结构中一个节点包围盒的最优分割点位置。采用宽度优先的方式，在3个坐标轴上分别计算采样分割点的SAH花费，然后选取每个坐标轴上花费最小的分割点。
计算每个潜在分割点的具体步骤为：Cp被设置为选取当前采样点后进行遍历和相交操作所可能产生的花费；nl和nr分别被设置为相应左子节点、右子节点所含的面片数量；S(Nl)、S(Nr)分别被设置为与当前采样分割点相邻的左子节点、右子节点的表面积，S(N)被设置为当前采样分割点的父节点的表面积，KT被设置为对当前采样分割点的父节点进行遍历所产生的花费，KI被设置为对当前采样分割点进行相交操作所产生的花费，利用公式Cp＝KT+KI[nlS(Nl)+nrS(Nr)]/S(N)得到的最小的Cp所对应的点即为最优分割点。
根据BVH树在不同构造阶段的特点采用不同的构造策略，解决在构造初期线程块间因任务不均而使空闲线程块出现等待状况的问题。在加速构造初期，可以将GPU中全部线程计算单元都用以计算各个采样分割点的SAH花费，进而快速确定加速结构中一个结点包围盒的最优分割点位置。
因此，步骤1还包括减少GPU计算资源浪费的步骤，具体为：
步骤12、在全局存储区域中建立2个队列，第1队列和第2队列分别用来存放等待进行划分的包围盒；
步骤13、当GPU存在空闲线程块时，依次从第1队列中取等待进行划分的包围盒节点进行划分，并将产生的新的包围盒节点放入第2队列；对于第1队列中编号为k的包围盒节点进行划分后所产生的新的包围盒节点，使其在第2队列中的编号分别为2k+t(t＝0,1)；包围盒节点在队列中的编号对应该包围盒节点在存储区域中的位置。
步骤14、当第1队列中所有等待进行划分的包围盒节点处理完毕后，清空第1队列中的所有节点数据；当GPU存在空闲线程块时，依次从第2队列中取等待进行划分的包围盒节点进行划分，并将产生的新的包围盒节点放入第1队列，直至第2队列中等待进行划分的包围盒节点都处理完毕；对于第2队列中编号为j的包围盒节点进行划分后所产生的新的包围盒节点，使其在第1队列中的编号分别为2j+t(t＝0,1)；包围盒节点在队列中的编号对应该包围盒节点在存储区域中的位置。
步骤15、循环执行步骤14和步骤15，直至完成相应的包围盒节点的划分。
如图2所示，在层次包围盒的构造初期，包围盒内部包含大量需要计算的采样分割点，而这些计算都是相互独立并且能够快速实现，因此将GPU中全部线程单元看作是线程池，并行地计算各个采样分割点的SAH花费。
当每个队列中等待进行划分的包围盒节点划分完毕后，通过硬件支持的紧凑操作清除该队列中的空节点。t的具体取值可以在线程块内速度更快的共享存储区里计算.在当前层次的子结点全部计算完毕后，通过计算压缩，即使用压缩操作将空节点去掉，形成新的父节点队列。因此将BVH结构中每个节点所包含的面片放入单个的线程中，避免出现计算资源闲置的情况。
其中，构造BVH树的中期，使用一个线程块处理一个BVH节点。随着结构构造层次的加深，BVH结构每个节点所含的面片数越来越少，甚至少于一个线程块的线程数。为充分利用GPU的资源，到构造后期，GPU的每个线程要逐个计算节点内各采样点的SAH花费，然后选取最优的采样点作为该节点的分割点。
用同样的方法，创建Y的BVH树结构。之后利用轴对齐包围盒包含着BVH树的叶子节点，利用轴对齐包围盒进行碰撞检测。
阶段2、轴对齐包围盒碰撞检测阶段的具体为包括：
步骤21、在GPU上进行AABB重叠测试；
步骤22、在GPU上进行基元三角形相交测试；
其中，首先在GPU上进行全局AABB重叠测试，接着在GPU上进行大规模并行重叠测试；
在模型的全局AABB对之间检测相交，找出存在相交的模型对执行下一步骤；
在GPU进行AABB重叠测试，计算两个AABB重叠非常简单，用坐标轴最小和最大的两个点来表示一个AABB。片段着色器完成向量的最小和最大分量的计算。调用一个GPU上的片段程序，通过单指令多数据流(Single Instruction Multiple Data，简称SIMD)对相应的AABB间进行基础的重叠测试。假设包围盒A和B的最大点和最小点分别是(aabbMinA,aabbMaxA)和(aabbMinB,aabbMaxB)，无碰撞的条件是aabbMinA.x大于aabbMaxB.x或者aabbMaxA.x小于aabbMinB.x或者aabbMinA.y大于aabbMaxB.y或者aabbMaxA.y小于aabbMinB.y或者aabbMinA.z大于aabbMaxB.z或者aabbMaxA.z小于aabbMinB.z。比较AABB的上界和下界值，若无相交值，则立即报告不存在碰撞；若有相交，则在GPU上对所有发生了相交的AABB进行三角形基元相交测试。
利用测试AABB碰撞的方法，测试相交的AABB包围盒内的三角形是否存在碰撞；由上一步计算得到的发生碰撞的AABB流，取出其中包含的三角形基元，在GPU上调用一个片段程序，同样利用单指令多数据流对三角形进行相交测试。
准备AABB重叠测试时，利用GPU可多线程并行的特点，将包围盒存储到一个2D的数组存储结构中，对包含限定三角形个数的AABB进行边界检测；将发生碰撞的AABB的三角形基元存储到2D数组结构里，对三角形基元直接进行重叠测试。
阶段3、包围盒层次结构更新阶段。具体为包括步骤31、使用包围盒修整的方式更新BVH树结构。基本规则是：叶子节点首先更新，中间节点等两个孩子节点都更新后，在进行更新。这种更新可逐层同时进行，是一种适合并行的算法。
综上所述，本发明的一种面向GPU包围盒碰撞检测方法能够有效地利用GPU可多线程并行的特点，在GPU上构建BVH树结构，在GPU上执行大规模并行AABB包围盒重叠测试，在GPU上进行造包围盒层次结构的更新，有效地将复杂的变形体碰撞检测在GPU下进行大规模并行流计算的方式实现，在保证高度交互率的前提下，快速准确检测两个严重变形模型的所有基元对之间的相交。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (9)

1.一种面向GPU包围盒碰撞检测方法，其特征在于，包括以下三个阶段：
阶段1、包围盒层次结构构造阶段；
阶段2、轴对齐包围盒(AABB)碰撞检测阶段；
阶段3、包围盒层次结构更新阶段；
其中，
所述阶段1具体为包括步骤11、在GPU上分阶段构造BVH树；
所述阶段2具体为包括步骤21、在GPU上进行AABB重叠测试；
步骤22、在GPU上进行基元三角形相交测试；
所述阶段3具体为包括步骤31、使用包围盒修整的方式更新BVH树结构。
2.如权利要求1所述的一种面向GPU包围盒碰撞检测方法，其特征在于，所述步骤11具体为：采用表面积启发式算法策略来确定最优的分割点，进而形成包围盒的节点。
3.如权利要求2所述的一种面向GPU包围盒碰撞检测方法，其特征在于，计算每个潜在的分割点，然后采用宽度优先的方式计算各个采样分割点的所述表面积启发式算法花费，以确定加速结构中一个节点包围盒的最优分割点位置。
4.如权利要求3所述的一种面向GPU包围盒碰撞检测方法，其特征在于，计算每个潜在分割点的具体步骤为：Cp被设置为选取当前采样点后进行遍历和相交操作所可能产生的花费；nl和nr分别被设置为相应左子节点、右子节点所含的面片数量；S(Nl)、S(Nr)分别被设置为与当前采样分割点相邻的左子节点、右子节点的表面积，S(N)被设置为当前采样分割点的父节点的表面积，KT被设置为对当前采样分割点的父节点进行遍历所产生的花费，KI被设置为对当前采样分割点进行相交操作所产生的花费，利用公式Cp＝KT+KI[nlS(Nl)+nrS(Nr)]/S(N)得到的最小的Cp所对应的点即为最优分割点。
5.如权利要求1所述的一种面向GPU包围盒碰撞检测方法，其特征在于，在所述包围盒碰撞检测阶段，首先在GPU上进行全局的AABB重叠测试，接着在GPU上进行大规模并行重叠测试，在模型的全局AABB对之间检测相交，找出存在相交的模型对。
6.如权利要求1所述的一种面向GPU包围盒碰撞检测方法，其特征在于，所述步骤31具体为，首先更新叶子节点，再更新两个孩子节点，最后更新中间节点。
7.如权利要求1所述的一种面向GPU包围盒碰撞检测方法，其特征在于，所述步骤1还包括减少GPU计算资源浪费的步骤，具体为：
步骤12、在全局存储区域中建立2个队列，第1队列和第2队列分别用来存放等待进行划分的包围盒；
步骤13、当GPU存在空闲线程块时，依次从所述第1队列中取等待进行划分的包围盒节点进行划分，并将产生的新的包围盒节点放入所述第2队列；
步骤14、当第1队列中所有等待进行划分的包围盒节点处理完毕后，清空所述第1队列中的所有节点数据；当GPU存在空闲线程块时，依次从所述第2队列中取等待进行划分的包围盒节点进行划分，并将产生的新的包围盒节点放入所述第1队列，直至所述第2队列中等待进行划分的包围盒节点都处理完毕；
步骤15、循环执行步骤14和步骤15，直至完成相应的包围盒节点的划分。
8.如权利要求1所述的一种面向GPU包围盒碰撞检测方法，其特征在于，构造BVH树的中期，使用一个block处理一个BVH节点。
9.如权利要求1所述的一种面向GPU包围盒碰撞检测方法，其特征在于，所述步骤1分别对模型X和模型Y构造BVH树。
CN201710076635.3A 2017-02-13 2017-02-13 一种面向gpu包围盒碰撞检测方法 Pending CN106875492A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710076635.3A CN106875492A (zh) 2017-02-13 2017-02-13 一种面向gpu包围盒碰撞检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710076635.3A CN106875492A (zh) 2017-02-13 2017-02-13 一种面向gpu包围盒碰撞检测方法

Publications (1)

Publication Number Publication Date
CN106875492A true CN106875492A (zh) 2017-06-20

Family

ID=59166107

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710076635.3A Pending CN106875492A (zh) 2017-02-13 2017-02-13 一种面向gpu包围盒碰撞检测方法

Country Status (1)

Country Link
CN (1) CN106875492A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107346527A (zh) * 2017-06-29 2017-11-14 武汉大学 一种基于动态任务调度的层次包围盒构建方法
CN108615262A (zh) * 2018-04-28 2018-10-02 重庆大学 一种基于gpu的海量模型并行碰撞检测方法
CN111739084A (zh) * 2019-03-25 2020-10-02 上海幻电信息科技有限公司 图片处理方法、图集处理方法、计算机设备和存储介质
CN112619152A (zh) * 2021-01-05 2021-04-09 网易（杭州）网络有限公司 游戏包围盒的处理方法、装置及电子设备
CN112906114A (zh) * 2021-02-23 2021-06-04 中国科学院武汉岩土力学研究所 一种地质体与结构体的自洽整合建模方法
CN113781846A (zh) * 2021-09-28 2021-12-10 中国人民解放军空军工程大学 一种水平维度空域冲突检测方法
WO2022121525A1 (zh) * 2020-12-11 2022-06-16 中兴通讯股份有限公司 三维场景数据的渲染方法及装置、存储介质、电子装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101819675A (zh) * 2010-04-19 2010-09-01 浙江大学 一种基于gpu的层次包围盒的快速构造方法
CN106055740A (zh) * 2016-05-19 2016-10-26 华东师范大学 一种基于aabb流计算的变形体碰撞检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101819675A (zh) * 2010-04-19 2010-09-01 浙江大学 一种基于gpu的层次包围盒的快速构造方法
CN106055740A (zh) * 2016-05-19 2016-10-26 华东师范大学 一种基于aabb流计算的变形体碰撞检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
叶黎明: "一种基于GPU加速的快速碰撞检测算法", 《中国优秀硕士学位论文全文数据库》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107346527A (zh) * 2017-06-29 2017-11-14 武汉大学 一种基于动态任务调度的层次包围盒构建方法
CN107346527B (zh) * 2017-06-29 2020-03-10 武汉大学 一种基于动态任务调度的层次包围盒构建方法
CN108615262A (zh) * 2018-04-28 2018-10-02 重庆大学 一种基于gpu的海量模型并行碰撞检测方法
CN111739084A (zh) * 2019-03-25 2020-10-02 上海幻电信息科技有限公司 图片处理方法、图集处理方法、计算机设备和存储介质
CN111739084B (zh) * 2019-03-25 2023-12-05 上海幻电信息科技有限公司 图片处理方法、图集处理方法、计算机设备和存储介质
WO2022121525A1 (zh) * 2020-12-11 2022-06-16 中兴通讯股份有限公司 三维场景数据的渲染方法及装置、存储介质、电子装置
CN112619152A (zh) * 2021-01-05 2021-04-09 网易（杭州）网络有限公司 游戏包围盒的处理方法、装置及电子设备
CN112906114A (zh) * 2021-02-23 2021-06-04 中国科学院武汉岩土力学研究所 一种地质体与结构体的自洽整合建模方法
CN113781846A (zh) * 2021-09-28 2021-12-10 中国人民解放军空军工程大学 一种水平维度空域冲突检测方法

Similar Documents

Publication Publication Date Title
CN106875492A (zh) 一种面向gpu包围盒碰撞检测方法
CN109255828B (zh) 执行相交测试以绘制3d场景图像的方法、光线跟踪单元
Betkaoui et al. A reconfigurable computing approach for efficient and scalable parallel graph exploration
Tang et al. Interactive continuous collision detection between deformable models using connectivity-based culling
CN101458825B (zh) 显卡中实现3d骨骼动画模型的碰撞检测方法及显卡、系统
JP2017188098A (ja) 階層融合
CN102521854B (zh) 一种适用于二维流场的并行流线放置方法
Westwood A GPU accelerated spring mass system for surgical simulation
CN102193837B (zh) 一种基于前线的包围盒碰撞检测方法
CN101527052A (zh) 用于提高光线跟踪性能的技术
CN114119841A (zh) 光线跟踪系统中的相交测试
WO2015053711A1 (en) Method and system for intelligent crane lifting
Avril et al. Fast collision culling in large-scale environments using GPU mapping function
CN102393826A (zh) 一种基于多核并行处理的柔性场景连续碰撞检测方法
Checconi et al. Massive data analytics: The graph 500 on ibm blue gene/q
CN108615262A (zh) 一种基于gpu的海量模型并行碰撞检测方法
CN107885912A (zh) 一种海量地下管线的快速碰撞检测方法
Demeulemeester et al. Hybrid path planning for massive crowd simulation on the gpu
Mendoza et al. Interruptible collision detection for deformable objects
Li et al. Efficient collision detection using hybrid medial axis transform and BVH for rigid body simulation
CN105243238B (zh) 一种一体化快速产品迭代成形装置及其方法
CN104463940B (zh) 一种基于gpu的混合树并行构建方法
CN105205289B (zh) 一种基于人脑变形仿真的快速连续碰撞检测方法
Dharma et al. Material point method based fluid simulation on GPU using compute shader
Zhang et al. One way to fill all the concave region in grid-based map

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170620

RJ01 Rejection of invention patent application after publication