Collision detection and response approaches for computer muscle modelling

Abstract

Computer muscle modelling is used for many purposes, from injury recovery and treatment of chronic diseases to disease prediction. These predictions often involve computing the muscle’s internal forces to determine further how fast something may happen (e.g. how quickly the muscle joint wears out). During the simulation of such a model, collisions of soft and rigid bodies inevitably occur. This paper tests various state-of-the-art collision handling methods: voxelisation, one using Signed Distance Fields and one based on Bounding Volume Hierarchies. These methods are tested in the context of muscle modelling with the previously proposed position-based dynamics approach. Compared to the other options, using the Discregrid library for Signed Distance Field generation shows the best results, mainly due to its accuracy to the speed of execution ratio. In contrast to the current system, visually pleasant improvements are significant.Počítačové modelování svalů je použito na mnoho problémů, od analýzy rekonvalescence zranění přes analýzu chronických onemocnění až po predikci vývoje onemocnění. Tyto predikce často vyžadují výpočet vnitřních sil svalu k učení toho, jak rychle k nějakému problému může dojít (např. jak rychle se opotřebuje kloub). Během simulace modelu nevyhnutelně dochází ke kolizím měkkých a tvrdých tkání. Tento článek testuje různé moderní metody reakce na kolize: voxelizaci, znaménkové distanční pole a hierarchii obalových objemů. Tyto metody jsou otestovány v kontextu modelování svalu společně s přístupem pozičně založené dynamiky. V porovnání s ostatními možnostmi, Discregrid knihovna tvořící znaménkové distanční pole ukázala nejlepší výsledky, hlavně kvůli poměru přesnosti a rychlosti vykonání. Oproti původní pozičně založené dynamice došlo k výraznému vizuálnímu zlepšení.