GJK算法：从碰撞检测原理到C++实现与优化

1. 项目概述：为什么GJK算法是碰撞检测的“瑞士军刀”？

在游戏开发、物理仿真、机器人路径规划这些领域，碰撞检测是个绕不开的核心问题。想象一下，你正在开发一款赛车游戏，两辆车高速行驶时，你如何精确、高效地判断它们是否撞上了？或者，一个机械臂在抓取零件时，如何确保不会与周围环境发生干涉？最朴素的想法是，把物体拆成无数个点或者三角形，然后两两去判断是否相交。这听起来就让人头皮发麻，计算量会随着模型复杂度爆炸式增长，完全无法满足实时性的要求。

这时，GJK（Gilbert–Johnson–Keerthi）算法就登场了。它被誉为碰撞检测领域的“瑞士军刀”，其核心魅力在于，它不关心物体具体的形状细节，而是通过一种极其巧妙的几何方法—— 闵可夫斯基差（Minkowski Difference） ——将两个凸体是否相交的问题，转化为了一个更简单的问题： 判断一个点（原点）是否包含在另一个凸体（闵可夫斯基差）内部 。这个思路的转变，是计算几何领域一次漂亮的“降维打击”。

我最初接触GJK是在做一个工业仿真项目时，需要实时检测多个复杂机械部件之间的碰撞。尝试了基于包围盒（AABB、OBB）的粗略检测后，精度不够；转向基于三角形的精确检测，帧率立刻惨不忍睹。直到引入了GJK算法，配合适当的空间划分，才在精度和效率之间找到了完美的平衡点。它从二维的凸多边形，可以非常优雅地推广到三维的凸多面体，这种统一性和扩展性，是很多其他算法难以比拟的。

本文，我将以一个从业者的视角，带你从零开始，彻底吃透GJK算法。我们会从最直观的二维情形入手，手把手推导其几何原理和迭代过程，然后用C++一步步实现一个健壮的二维凸多边形碰撞检测器。最后，我们将挑战三维空间，探讨算法推广时的核心变化与实现细节，并分享我在实战中积累的一系列调试技巧和性能优化心得。无论你是刚入门图形学的学生，还是寻求优化方案的工程师，相信这篇长文都能给你带来实实在在的收获。

2. GJK算法核心原理：闵可夫斯基差与单纯形迭代

要理解GJK，必须首先理解它的两大基石：闵可夫斯基差和单纯形迭代。很多教程一上来就抛代码，让人看得云里雾里。我们换个方式，用“地图导航”来类比。

2.1 闵可夫斯基差：将“碰撞问题”转化为“包含问题”

假设有两个凸多边形A和B。闵可夫斯基差 A - B 的定义是：从A中任取一点 a ，从B中任取一点 b ，所有向量 (a - b) 构成的集合。

注意 ：这里的“减”是向量差，不是集合差。它生成的是一个全新的、形状规则的凸集。

为什么这个操作如此神奇？ 关键在于一个核心定理： 两个凸集A和B相交，当且仅当它们的闵可夫斯基差 A - B 包含坐标原点 (0, 0) 。

我们来直观理解一下：

• 如果A和B相交，那么存在一个点既在A中也在B中。设这个点为 p ，那么取 a = p , b = p ，得到 a - b = 0 。所以原点 0 在 A - B 中。
• 反之，如果原点在 A - B 中，那么存在 a 属于 A， b 属于 B，使得 a - b = 0 ，即 a = b 。这意味着A和B共享同一个点，它们相交。

这样一来，我们就把“判断两个形状是否碰撞”这个复杂问题，转化成了“判断原点是否在一个凸形状内部”这个相对标准的问题。而GJK算法，就是解决后一个问题的超级高效的方法。

2.2 单纯形迭代：在未知形状中“盲人摸象”

现在问题变成了：给定一个凸集 S = A - B （我们甚至不需要显式地计算出它的所有点！），判断原点是否在S内部。

GJK算法的答案是不去计算整个S，而是用一种“迭代逼近”的策略。它维护一个叫做 单纯形（Simplex） 的东西。在二维空间，单纯形可以是点、线段或三角形；在三维空间，可以是点、线段、三角形或四面体。你可以把它理解为我们在探索未知形状S时，已经摸到的“边界点”。

算法的迭代过程，就像是一个盲人在房间里摸索，判断自己（原点）是否在房间（S）内：

1. 初始化方向 ：先随便选一个方向（比如从原点指向A和B中心点连线的方向），去S的边界上“摸”一下，得到第一个支撑点（Support Point）。这个点是在给定方向上，S中距离最远的点。这相当于盲人朝一个方向伸出了手，摸到了墙。
2. 构建单纯形 ：将第一个支撑点加入单纯形。现在单纯形是一个点。显然，如果这个点就是原点，那肯定碰撞了（概率极低）。否则，我们选择一个新的方向：从当前单纯形指向原点。继续获取该方向上的支撑点。
3. 迭代与判断 ：
   • 将新得到的支撑点加入单纯形。
   • 检查当前单纯形（比如现在是线段）是否包含原点。如果不包含，我们就需要“优化”这个单纯形，扔掉那些对包含原点判断没有贡献的旧点，并计算一个新的搜索方向，这个方向垂直于当前单纯形并指向原点。
   • 再次获取新方向上的支撑点。
4. 终止条件 ：
   • 成功 ：如果某次迭代发现原点被当前单纯形所包含（在二维的三角形内，或在三维的四面体内），那么算法终止，返回“碰撞”。
   • 失败 ：如果新获取的支撑点在搜索方向上的投影，距离原点比之前更远了（或者说，新支撑点与原点构成的向量，在搜索方向上的点积没有增加），说明我们已经“摸”到了S的边界，并且原点在这个边界之外。算法终止，返回“无碰撞”。

这个过程的精妙之处在于，它通常只需要3-6次迭代就能得出结论，计算量只与物体的顶点数线性相关，而与物体的具体形状复杂度关系不大。

2.3 支撑函数：算法的“探针”

支撑函数（Support Function）是GJK算法的“肌肉”。给定一个方向向量 d ，支撑函数返回凸体在该方向上最远的点。对于凸多边形/多面体，这个点就是所有顶点中，与方向向量 d 点积最大的那个顶点。

对于闵可夫斯基差 S = A - B ，其支撑点可以通过分别计算A和B的支