Jak w 2D efektywnie znaleźć najbliższy obiekt do punktu?


35

Mam spory silnik gry i chciałbym znaleźć funkcję znajdującą się najbliżej listy punktów.

Mógłbym po prostu użyć twierdzenia Pitagorasa, aby znaleźć każdą odległość i wybrać minimalną, ale to wymaga iteracji przez wszystkie z nich.

Mam również system kolizji, w którym zasadniczo zmieniam obiekty w mniejsze obiekty na mniejszej siatce (coś w rodzaju minimapy) i tylko jeśli obiekty istnieją w tym samym obszarze siatki, sprawdzam kolizje. Mógłbym to zrobić, tylko zwiększyć odstępy siatki, aby sprawdzić bliskość. (Zamiast sprawdzać każdy pojedynczy obiekt.) Jednak to wymagałoby dodatkowej konfiguracji w mojej klasie podstawowej i zaśmiecało już zaśmiecony obiekt. Czy warto?

Czy jest coś wydajnego i dokładnego, którego mógłbym użyć do wykrycia najbliższego obiektu na podstawie listy punktów i rozmiarów?


Przechowuj kwadratowe wersje pozycji x i y, abyś mógł wykonać twierdzenie Pitagorasa bez konieczności wykonywania drogiego sqrt na końcu.
Jonathan Connell

3
Nazywa się to wyszukiwaniem najbliższego sąsiada . W Internecie jest dużo pisania na ten temat. Typowym rozwiązaniem jest użycie drzewa partycjonującego przestrzeń .
BlueRaja - Danny Pflughoeft

Odpowiedzi:


38

Problem z quad / octree w wyszukiwaniu najbliższych sąsiadów polega na tym, że najbliższy obiekt może znajdować się w poprzek podziału między węzłami. W przypadku kolizji jest to w porządku, ponieważ jeśli nie ma go w węźle, nie obchodzi nas to. Ale rozważ ten przykład 2D z quadtree:

Przykład Quadtree

Tutaj, mimo że czarny przedmiot i zielony przedmiot znajdują się w tym samym węźle, czarny przedmiot jest najbliżej niebieskiego przedmiotu. odpowiedź ultifinitusa może zagwarantować tylko najbliższemu sąsiadowi, że tylko każdy element w twoim drzewie jest umieszczony w najmniejszym możliwym węźle, który mógłby go zawierać, lub w unikalnym węźle - prowadzi to do bardziej nieefektywnych czworokątów. (Należy pamiętać, że istnieje wiele różnych sposobów implementacji struktury, którą można nazwać quad / octree - bardziej rygorystyczne implementacje mogą działać lepiej w tej aplikacji).

Lepszą opcją byłoby drzewo KD . Drzewa Kd mają bardzo wydajny algorytm wyszukiwania najbliższych sąsiadów , który można wdrożyć i może zawierać dowolną liczbę wymiarów (stąd wymiary „k”).

Świetna i pouczająca animacja z Wikipedii: Wyszukiwanie najbliższego sąsiada drzewa kd

Największy problem z używaniem drzew KD, o ile dobrze pamiętam, polega na tym, że trudniej jest je wkładać / wyjmować, zachowując równowagę. Dlatego zalecałbym użycie jednego drzewa KD do obiektów statycznych, takich jak domy i drzewa, które są wysoce zrównoważone, a drugiego zawierającego graczy i pojazdy, które wymagają regularnego równoważenia. Znajdź najbliższy obiekt statyczny i najbliższy obiekt mobilny i porównaj te dwa.

Wreszcie drzewa kd są stosunkowo łatwe do wdrożenia i jestem pewien, że można znaleźć w nich wiele bibliotek C ++. Z tego, co pamiętam, R-drzewa są znacznie bardziej skomplikowane i prawdopodobnie przesadzają, jeśli wszystko, czego potrzebujesz, to proste wyszukiwanie najbliższego sąsiada.


1
Świetna odpowiedź, mały szczegół „jedyna gwarancja, że ​​najbliższy sąsiad tylko każdy element w twoim drzewie jest umieszczony w najmniejszym możliwym węźle” Miałem na myśli, że iterując wszystkie elementy w tym samym i sąsiednich węzłach, więc zapętlasz ponad 10 zamiast 10.000.
Roy T.

1
Bardzo prawda - przypuszczam, że „tylko” było dość surowym słowem. Zdecydowanie istnieją sposoby, aby nakłonić kwadraty do wyszukiwania najbliższego sąsiada, w zależności od tego, jak je zaimplementujesz, ale jeśli nie używasz ich już z innych powodów (takich jak wykrywanie kolizji), trzymałbym się bardziej zoptymalizowanego drzewa KD.
dlras2,

Chciałem zauważyć, że wykonałem implementację, która dotyczy problemu czarnozielonego niebieskiego. Sprawdź dno.
clankill3r

18

sqrt() jest monotoniczny lub zachowuje porządek dla argumentów nieujemnych, więc:

sqrt(x) < sqrt(y) iff x < y

I wzajemnie.

Więc jeśli chcesz porównać tylko dwie odległości, ale nie jesteś zainteresowany ich rzeczywistymi wartościami, możesz po prostu wyciąć sqrt()-step z Pythagorasa:

pseudoDistanceB = (A.x - B.x + (A.y - B.y
pseudoDistanceC = (A.x - C.x + (A.y - C.y
if (pseudoDistanceB < pseudoDistanceC)
{
    A is closest to B!
}
else
{
    A is closest to C!
}

Nie jest tak skuteczny jak drzewo z ośmiornicą, ale jest łatwiejszy do wdrożenia i co najmniej trochę przyspiesza


1
Metryka ta jest również nazywana kwadratową odległością euklidesową .
moooeeeep

10

Musisz wykonać partycjonowanie przestrzenne, w tym przypadku tworzysz wydajną strukturę danych (zwykle oktawę). W takim przypadku każdy obiekt znajduje się w jednej lub więcej przestrzeni (kostkach). A jeśli wiesz, w których przestrzeniach jesteś, możesz spojrzeć w górę O (1), które przestrzenie są sąsiadami.

W takim przypadku najbliższy obiekt można znaleźć, wykonując iterację po wszystkich obiektach w Twojej przestrzeni, szukając najbliższego. Jeśli nikogo tam nie ma, możesz sprawdzić swoich pierwszych sąsiadów, jeśli nikogo tam nie ma, możesz sprawdzić ich sąsiadów itp.

W ten sposób możesz łatwo znaleźć najbliższy obiekt bez konieczności iteracji przez wszystkie obiekty w twoim świecie. Jak zwykle ten wzrost prędkości wymaga nieco księgowości, ale jest naprawdę przydatny do wszelkiego rodzaju rzeczy, więc jeśli masz duży świat, zdecydowanie warto wdrożyć partycjonowanie przestrzenne i oktawę.

Jak zwykle zobacz także artykuł w Wikipedii: http://en.wikipedia.org/wiki/Octree


7
@ultifinitus Aby dodać do tego: Jeśli twoja gra jest 2D, możesz użyć QuadTrees zamiast Octrees.
TravisG,


0

Oto moja implementacja Java, aby uzyskać najbliższą z quadTree. Zajmuje się problemem opisanym przez dlras2:

wprowadź opis zdjęcia tutaj

Myślę, że operacja jest naprawdę wydajna. Opiera się na odległości do kwadratu, aby uniknąć wyszukiwania w kwadracie dalej niż najbliższy bieżący.

// . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

public T getClosest(float x, float y) {

    Closest closest = new Closest();
    getClosest(x, y, closest);

    return closest.item;
}

// . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

protected void getClosest(float x, float y, Closest closestInfo) {


    if (hasQuads) {

        // we have no starting point yet
        // so get one
        if (closestInfo.item == null) {
            // check all 4 cause there could be a empty one
            for (int i = 0; i < 4; i++) {
                quads[i].getClosest(x, y, closestInfo);
                if (closestInfo.item != null) {
                    // now we have a starting point
                    getClosest(x, y, closestInfo);
                    return;
                }

            }
        }
        else {

            // we have a item set as closest
            // we should check if this quad is
            // closer then the current closest distance
            // let's start with the closest from index

            int closestIndex = getIndex(x, y);

            float d = quads[closestIndex].bounds.distToPointSQ(x, y);

            if (d < closestInfo.dist) {
                quads[closestIndex].getClosest(x, y, closestInfo);
            }

            // check the others
            for (int i = 0; i < 4; i++) {
                if (i == closestIndex) continue;

                d = quads[i].bounds.distToPointSQ(x, y);

                if (d < closestInfo.dist) {
                    quads[i].getClosest(x, y, closestInfo);
                }

            }

        }

    }
    else {

        for (int i = 0; i < items.size(); i++) {

            T item = items.get(i);

            float dist = distSQ(x, y, getXY.x(item), getXY.y(item));

            if (dist < closestInfo.dist) {
                closestInfo.dist = dist;
                closestInfo.item = item;
                closestInfo.tree = this;
            }

        }
    }

}

// . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .


class Closest {

    QuadTree<T> tree;
    T item;
    float dist = Float.MAX_VALUE;

}

ps Nadal uważam, że lepiej jest użyć drzewa KD lub czegoś takiego, ale to może pomóc ludziom.
clankill3r

spójrz także na to: bl.ocks.org/llb4ll/8709363
clankill3r
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.