Unity3D下用JaveScript写 NavMesh

本文详细介绍了在游戏开发中使用NavMesh进行路径寻径的方法,并解释了如何结合A*算法实现高效的寻路。包括地形网格三角化、超三角形确定、边删除等关键步骤,以及A*算法的基本原理及其在NavMesh中的应用。

公司的项目要加入NavMesh,实现AI的寻路,如果使用unity 3.5自带的navmesh,好像单机的还可以使用,

网络游戏就有点麻烦了,一是不好操纵navmesh,只能填好参数,做修改或者函数调用就不可能了,二是没有节点数据

服务器没有这个数据,不好发送给客户端。所以网络游戏下的navmesh自己实现还是比较有价值。

 

以下说明下步骤:

地形网格须为三角形,所以要对网格三角形化,也就是Delauney Triangulate三角化

然后就是用A*寻路,中间很多例如3-2合并,裁剪就不写了,可以参考其他文章

 

1. Triangulate三角化

1.1 等待插入点

                 

     Triangular mesh 为已有三角化mesh,+为需要插入的点,要保证插入点后仍为Triangular mesh

 

1.2  判断是否在相邻三角形的外接圆内

      

                     

         

 

     插入点所在三角形和它的邻接三角形计算外接圆,如果点在外接圆内,则此点连接到三角形各点,原三角形删除

 

2. 具体算法:

输入:vertex list

输出:triangle list

  初始化triangle list

  确定超三角形(超三角形为所有顶点的更外层的包围三角形)

  加入超三角形顶点到vertes list

  加入超三角形到triangle list

  for (sameplePoint in vertexList)

    初始化edge buffer

    for (triangle in triangleList)

      计算triangle外接圆中心和半径

      if (point 在triangle外接圆内)

        加入三个triangle edges到edge buffer

        从triangleList删除这个triangle

    在edge buffer删除所有双向边,这样做是只剩下封闭多边形的边,且保持方向一致

    在点与封闭多边形的边之间生成的所有三角形加入到triangleList

  在triangle list里删除任何使用到超三角形顶点的三角形

  从vertexList里删除超三角形顶点

 

(* 具体参考http://local.wasp.uwa.edu.au/~pbourke/papers/triangulate/

    和其中的C source代码,描述的最简单直接)

 

3. A* 算法

navmesh里仍然使用A*算法来计算最短路径,只是采样点大为下降,此处先介绍最基本A*算法

然后介绍navmesh里与基本A*算法有何不同

3.1 基本A*

  在一个九方格(中间点为开始点),中间竖形障碍物,右边目标点的 场景下,开始点如何越过障碍到达终点?

     首先计算startPos到各邻接方格中心的距离G

     再计算各邻接方格中心到targetPos的距离H

  2者相加为实际路径长度F  

  

从startPos到targetPos的直接路径被障碍物挡住,不可行走,那么只能走一步看一步

先选择startPost周围9个邻接方格,取F值最小者,当然是右边那个方格,

然后以右边方格为起点再往右走发现为障碍物,不可走,那么以它为中心的9个邻接方格

选择右下角方格(它的F值最小),这其中要计算连接关系,就是这个方格是从哪个方格过来的

会有个父方格属性。

如何寻找下一个要求的方格,是从当前点邻接方格和所有已访问点的邻接方格中提取的(openList)通过从这个list中寻找最小F,还要更新G值,更新G值也就是从父方格到此方格

累加的长度,如果比之前的G值更小,则更新父方格和G值。  

  

 

这样到最后会有个方格连接路线,从startPos到targetPos,这样就计算出最短路径了。

  

 

4. navmesh与A*有什么不同

 A* 你可以理解为方格的寻径,而navmesh你可以理解为三角形的寻径

G值为从第一个triangle中心点到第二格triangle中心点途径邻接边中点的路径长度

F值仍为到targetPost的长度,其他算法依旧

但最后需要路径平滑,不然路径歪歪扭扭

  

具体算法在:"Simplified 3D Movement and Pathfinding Using Navigation Meshes" by Greg Snook (Game Programming Gems)

 最后用javescript要注意与C++/C#的区别,引用和指针是没有的,传引用参数用new 的对象传递

转载于:https://www.cnblogs.com/happylays/archive/2012/07/01/netCat.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值