空間分割加速三維資料的查詢

最近在對一些模型進行輕量化的處理，需要壓縮模型的大小，並且要求可以較快的讀取載入。原始的模型由3DMax匯出的FBX獲得，鑒於上述要求與FBX模型的格式就選擇了與渲染時的Vertex Buffer最接近的方式來對模型進行儲存，儲存結構如下：

Triangle Data->Vertex Data

其中每個Triangle data儲存其所對應的頂點的索引，每個頂點資料中又儲存其對應的Position, Normal, Tangent, UV[n]...，每個Vertex Data均不相同（相同的條件為包含所有元素Position, Normal, Tangent均相同），首先嘗試直接以這種結構對模型進行儲存，但發現得到的binary模型依然較大。而且通過output發現其中的Vertex Data均不相同，但其中包含的Position, Normal, Tangent等均包含較多的重複元素，因而想到再加一層線性索引來剔除這些幾何資料中的冗餘元素。

首先需要考慮的是這樣的再索引會不會不僅不能減小模型的大小，反倒使之增大。於是判斷：用索引的Vertex Data需要儲存5個UINT的索引（UV通道為2），5 X 4 = 20 Bytes, 而一個Float3的大小為3 x 4 = 12 Bytes, 直觀上這樣改變會帶來不小的空間優勢。感覺用統計之類的方法來分析有些麻煩，於是決定直接實現之再來驗證。而實驗的結果也符合自己的預期，模型的大小減少得還是比較可觀的。用了CryTek的Sponza來進行測試（Max修改過）：

三角形數目：182665

刪除冗餘幾何資料前：40.4MB, Vertex Data: 547995

刪除冗餘幾何資料後：18.5MB, Position：94983, Normal&Tangent: 361846, UV: 9692

模型大小控制的目的達到了，但帶來了另外一個非常致命的問題：冗餘頂點的搜尋效率。對於上述可以達到十萬層級的頂點數量，直接的搜尋簡直是*_*!!。不過對其也進行了測試，對於該模型處理進間甚至達到好幾十分鐘，若不加速則一點可行性都沒有。首先想到的是GPU來加速，但是覺得對於這樣的一種搜尋結構不太適合。之後就想到了用空間劃分來進行加速，這有些類似於用KD-Tree進行光線跟蹤，BSP進行碰撞檢測。

以空間頂點的Position為例，其對於某一個頂點，它不可以與旁邊相跟很遠的頂點有相同關係進而是冗餘點，因而只需要檢索判斷空間位置處於其周圍的那些鄰居點就可以了，這樣就可以將每個點待判斷的點的數日大大減少。對於向量，UV進行分割加速方法與Position類似，向量的話就以大體方向把各向量歸成一堆。那麼現在如何確定那些點是這個點的鄰居點呢？這就需要用到各種空間分割來施展它們的作用了，什麼OCTree, KDTree, BVH, BSP各種，你想用那種就用那種^0^。為了簡單起見這些用了OCTree，簡單易行。

實現之後得到的加速效果很明顯，對於上述模型進行處理只需要4,5s以內的時間（用的樹還很淺，懶得深分了，這個也只是邊角工作）。