我希望计算应用了变换矩阵(旋转、缩放、平移等)的 2D 椭圆的轴对齐边界框 (AABB)
类似于此解决方案的内容:Calculating an AABB for a transformed sphere
到目前为止,它似乎不适用于 2D 椭圆。
这是我得到的(伪代码):
Matrix M; // Transformation matrix (already existing)
Matrix C = new Matrix( // Conic matrix
radiusX, 0, 0,
0, radiusY, 0,
0, 0, -1
);
Matrix MT = M.transpose();
Matrix CI = C.inverse();
Matrix R = M*CI*MT;
int minX = (R13 + sqrt(R13^2 - (R11 * R33))) / R33;
int minY = (R23 + sqrt(R23^2 - (R22 * R33))) / R33;
// maxX etc...
// Build AABB Rectangle out of min & max...
当前行为的简单演示
radiusX = 2
radiusY = 2 // To keep it simple, M is identity
// (no transformation on the ellipse)
M = /1 0 0\ // /M11 M21 M31\
|0 1 0| // |M12 M22 M32| Transform matrix format
\0 0 1/ // \0 0 1 /
C = /2 0 0\ // C as conic
|0 2 0|
\0 0 -1/
CI =/0.5 0 0\ // CI as dual conic
|0 0.5 0|
\0 0 -1/
R = /1 0 0\ * /0.5 0 0\ * /1 0 0\ // R = M*CI*MT
|0 1 0| |0 0.5 0| |0 1 0|
\0 0 1/ \0 0 -1/ \0 0 1/
= /0.5 0 0\ // /R11 R12 R13\
|0 0.5 0| // |R12 R22 R23| (R is symmetric)
\0 0 -1/ // \R13 R23 R33/
minX = (0 + sqrt(0^2 - (0.5 * -1))) / -1
= -0.7071 // Should be -2
// Also, using R = MIT*C*MI
// leads to -1.4142
解决方案(使用双圆锥矩阵)
Matrix M;
Matrix C = new Matrix(
1/radiusX^2, 0, 0,
0, 1/radiusY^2, 0,
0, 0, -1
);
Matrix MT = M.transpose();
Matrix CI = C.inverse();
Matrix R = M*CI*MT;
int minX = (R13 + sqrt(R13^2 - (R11 * R33))) / R33;
int minY = (R23 + sqrt(R23^2 - (R22 * R33))) / R33;
最终解决方案(不直接使用圆锥矩阵)
这是一个简化版本。
Matrix M;
int xOffset = sqrt((M11^2 * radiusX^2) + (M21^2 * radiusY^2));
int yOffset = sqrt((M12^2 * radiusX^2) + (M22^2 * radiusY^2));
int centerX = (M11 * ellipse.x + M21 * ellipse.y) + M31; // Transform center of
int centerY = (M12 * ellipse.x + M22 * ellipse.y) + M32; // ellipse using M
// Most probably, ellipse.x = 0 for you, but my implementation has an actual (x,y) AND a translation
int xMin = centerX - xOffset;
int xMax = centerX + xOffset;
int yMin = centerY - yOffset;
int yMax = centerY + yOffset;
最佳答案
从双圆锥
所以你说 M
是变换矩阵。但是它转换了什么,是点还是线?我假设点。您如何将点表示为行向量(点在左侧,矩阵在右侧),或作为列向量(矩阵在左侧,点在乘法右侧)?我将假设列向量。所以转换将是 p' = M*p
有一点p
.
接下来是 C
.你写的方式,这是一个椭圆,但不是你正在使用的半径。如果满足 (x/radiusX)^2 + (y/radiusY)^2 = 1
,则点位于椭圆上所以主对角线上的值必须是 (1/radiusX^2, 1/radiusY^2, -1)
.在我的答案的先前修订中,我一再错过了这个错误。
接下来你将这些东西结合起来。假设 CP
是原始圆锥曲线,即圆锥曲线作为一组点。然后你可以通过做 MT.inverse()*CP*M.inverse()
获得转换后的版本.原因是因为你申请了M.inverse()
到每个点,然后检查它是否位于原始圆锥上。但是您没有使用 M.inverse()
, 您正在使用 M
.这表明您尝试变换双圆锥曲线。如 M
转换点,然后 MT.inverse()
变换线条,所以 M*CD*MT
如果 CD
是正确的转换是双圆锥曲线。
如果 R
是双圆锥曲线,那么你的公式是正确的。所以也许你的代码的主要问题是你忘记在矩阵中使用反半径 C
.
从原始圆锥
当我第一次阅读您的帖子时,我认为 R
将描述一组点,即一个点 (x,y)
如果 (x,y,1)*R*(x,y,1).transpose()=0
位于那个椭圆上.基于此,我确实想出了 AABB 的公式,而不使用双圆锥曲线。我并不是说这更简单,尤其是当您将矩阵求逆作为构建块时更是如此。但我还是把它留在这里以供引用。请记住,R
本段中的内容与您的代码示例中使用的内容不同。
对于我的方法,请考虑 R*(1,0,0)
(这只是 R
的第一列)是一些向量 (a,b,c)
您可以将其解释为线的定义 ax+by+c=0
. Intersect that line with the conic然后你得到切线水平的点,它们是 y
中的极值方向。对 R*(0,1,0)
执行相同操作(即第二列)在 x
中找到极值方向。
这里的关键思想是 R*p
计算某个点的极线 p
,因此我们正在为 x
中的无穷远点构建极线。分别y
方向。该极线将在切线通过 p
的点处与圆锥相交。触摸圆锥,在这种情况下,圆锥是水平的。垂直切线,因为平行线在无穷远处相交。
如果我象征性地进行上述计算,我会得到以下公式:
xmin, xmax = (R13*R22^2 - R12*R22*R23 ± sqrt(R13^2*R22^4 - 2*R12*R13*R22^3*R23 + R11*R22^3*R23^2 + (R12^2*R22^3 - R11*R22^4)*R33))/(R12^2*R22 - R11*R22^2)
ymin, ymax = (R11*R12*R13 - R11^2*R23 ± sqrt(R11^3*R13^2*R22 - 2*R11^3*R12*R13*R23 + R11^4*R23^2 + (R11^3*R12^2 - R11^4*R22)*R33))/(R11^2*R22 - R11*R12^2)
这些表达式当然可以简化,但它应该让你开始。如果您将其重新表述为更简单或更易阅读的内容,请随意编辑这篇文章。
关于matrix - 计算变换椭圆的 AABB,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/24746834/