如何用Python高效检测平面内两球的轨迹碰撞干扰？

核心逻辑 #

两个半径均为r的球体，当球心距离≤2r时触发碰撞。要判断C球从C到P的直线运动是否会与T球碰撞，需完成两步判断：

• T球的碰撞范围是否与C球的运动线段CP相交
• 碰撞发生的位置是否在C球到达P点之前

用向量几何计算是高效的方案，避免了复杂的方程求解：

1. 计算向量CP（从C到P）和CT（从C到T）
2. 判断T球在CP线段上的投影点是否在线段范围内
3. 计算T球到CP直线的最短距离，结合投影位置确认是否会发生碰撞

Python实现（基于numpy） #

import numpy as np

def detect_collision(C, T, P, r):
    # 转换为numpy数组简化向量运算
    C = np.array(C, dtype=np.float64)
    T = np.array(T, dtype=np.float64)
    P = np.array(P, dtype=np.float64)
    
    vector_CP = P - C
    vector_CT = T - C
    cp_sq_length = np.dot(vector_CP, vector_CP)
    
    # 特殊情况：C与P重合，无运动
    if cp_sq_length == 0:
        return np.linalg.norm(vector_CT) <= 2 * r
    
    # 计算投影系数t，t∈[0,1]表示投影点在线段CP上
    t = np.dot(vector_CT, vector_CP) / cp_sq_length
    if t < 0 or t > 1:
        # 投影点在线段外，仅需判断两端点是否碰撞
        dist_start = np.linalg.norm(vector_CT)
        dist_end = np.linalg.norm(T - P)
        return dist_start <= 2 * r or dist_end <= 2 * r
    else:
        # 计算CP线段上的投影点
        projection_point = C + t * vector_CP
        # 计算T到CP直线的最短距离
        shortest_dist = np.linalg.norm(T - projection_point)
        if shortest_dist <= 2 * r:
            # 验证碰撞发生时C球的位置是否在CP线段内
            if shortest_dist == 0:
                collision_pos_C = projection_point
            else:
                direction = (projection_point - T) / shortest_dist
                collision_pos_C = projection_point + direction * (2 * r - shortest_dist)
            # 碰撞位置在C到P之间则返回True
            return np.dot(collision_pos_C - C, P - collision_pos_C) >= 0
        return False

# 测试给定配置
C = (389, 464)
T = (253, 211)
P = (115, 100)
r = 60

print("碰撞检测结果：", detect_collision(C, T, P, r))

额外说明 #

• 若需结合Pygame可视化，可在检测到碰撞后，用pygame.draw.line()绘制运动轨迹，pygame.draw.circle()绘制球体和碰撞点
• 关于蓝色区域的限制：只需在检测前添加坐标判断，比如蓝色区域是矩形(x1,y1,x2,y2)，则先判断x1 <= T[0] <= x2 and y1 <= T[1] <= y2，若不满足再执行碰撞检测
• 该方法基于向量运算，计算复杂度为O(1)，适合实时检测场景

内容的提问来源于stack exchange，提问作者Optical_flow_lover