公开(公告)号：CN114841079B

公开(公告)日：2024-11-19

申请号：CN202210590138.6

申请日：2022-05-26

Applicant: 中北大学

Inventor： 靳雁霞 ,  史志儒 ,  刘亚变 ,  杨晶 ,  乔星宇 ,  张翎

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度神经网络优化的连续碰撞检测方法，属于虚拟仿真碰撞检测技术领域。针对目前布料与精细建模物体交互场景下碰撞检测效率低的问题，本发明首先使用传统的连续碰撞检测算法获得参数数据，将获得的数据输入深度神经网络进行训练；其次，使用神经网络对未被包围盒剔除掉的碰撞对进行预测，判断其是否发生碰撞；然后对发生碰撞的碰撞对进行碰撞响应，获得响应后粒子的最终位置。本发明在保证布料仿真的真实性和鲁棒性的前提下，相比于传统的连续碰撞检测算法和使用代数非穿透滤波器优化的连续碰撞检测算法，随着布料或是交互物体建模的精细程度的增加，该算法的检测效率有着显著的优势，可以满足布料仿真的实时性要求。

公开(公告)号：CN112417746B

公开(公告)日：2022-11-25

申请号：CN202011289142.6

申请日：2020-11-18

Applicant: 中北大学

Inventor： 靳雁霞 ,  马博 ,  马巧梅 ,  贾瑶 ,  陈治旭 ,  芦烨 ,  史志儒 ,  刘亚变 ,  杨晶 ,  张建华

IPC: G06F30/25 ,  G06F30/27 ,  G06F113/12

Abstract: 本发明属于虚拟仿真碰撞检测领域，具体涉及一种基于神经网络预测碰撞检测的方法。首先该方法在一个时间步长内，将布料粒子运动的位置和发生碰撞的三角形位置输入神经网络；其次利用神经网络预测布料粒子与三角面片是否发生碰撞；最后对发生碰撞的粒子进行碰撞响应，得到粒子最终的位置；本发明在保证布料模拟真实性的前提条件下，相比于传统物理碰撞检测的方法，随着碰撞检测难度的增大，该算法的检测速度有显著的提高，同时表现出更高的稳定性，满足使用者对实时性的要求。

公开(公告)号：CN114841079A

公开(公告)日：2022-08-02

申请号：CN202210590138.6

申请日：2022-05-26

Applicant: 中北大学

Inventor： 靳雁霞 ,  史志儒 ,  刘亚变 ,  杨晶 ,  乔星宇 ,  张翎

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度神经网络优化的连续碰撞检测方法，属于虚拟仿真碰撞检测技术领域。针对目前布料与精细建模物体交互场景下碰撞检测效率低的问题，本发明首先使用传统的连续碰撞检测算法获得参数数据，将获得的数据输入深度神经网络进行训练；其次，使用神经网络对未被包围盒剔除掉的碰撞对进行预测，判断其是否发生碰撞；然后对发生碰撞的碰撞对进行碰撞响应，获得响应后粒子的最终位置。本发明在保证布料仿真的真实性和鲁棒性的前提下，相比于传统的连续碰撞检测算法和使用代数非穿透滤波器优化的连续碰撞检测算法，随着布料或是交互物体建模的精细程度的增加，该算法的检测效率有着显著的优势，可以满足布料仿真的实时性要求。

公开(公告)号：CN112417746A

公开(公告)日：2021-02-26

申请号：CN202011289142.6

申请日：2020-11-18

Applicant: 中北大学

Inventor： 靳雁霞 ,  马博 ,  马巧梅 ,  贾瑶 ,  陈治旭 ,  芦烨 ,  史志儒 ,  刘亚变 ,  杨晶 ,  张建华

IPC: G06F30/25 ,  G06F30/27 ,  G06F113/12

Abstract: 本发明属于虚拟仿真碰撞检测领域，具体涉及一种基于神经网络预测碰撞检测的方法。首先该方法在一个时间步长内，将布料粒子运动的位置和发生碰撞的三角形位置输入神经网络；其次利用神经网络预测布料粒子与三角面片是否发生碰撞；最后对发生碰撞的粒子进行碰撞响应，得到粒子最终的位置；本发明在保证布料模拟真实性的前提条件下，相比于传统物理碰撞检测的方法，随着碰撞检测难度的增大，该算法的检测速度有显著的提高，同时表现出更高的稳定性，满足使用者对实时性的要求。