空间分割加速三维数据的查询

最近在对一些模型进行轻量化的处理，需要压缩模型的大小，并且要求可以较快的读取加载。原始的模型由3DMax导出的FBX获得，鉴于上述要求与FBX模型的格式就选择了与渲染时的Vertex Buffer最接近的方式来对模型进行存储，存储结构如下：

Triangle Data->Vertex Data

其中每个Triangle data存储其所对应的顶点的索引，每个顶点数据中又存储其对应的Position, Normal, Tangent, UV[n]...，每个Vertex Data均不相同（相同的条件为包含所有元素Position, Normal, Tangent均相同），首先尝试直接以这种结构对模型进行存储，但发现得到的binary模型依然较大。而且通过output发现其中的Vertex Data均不相同，但其中包含的Position, Normal, Tangent等均包含较多的重复元素，因而想到再加一层线性索引来剔除这些几何数据中的冗余元素。

首先需要考虑的是这样的再索引会不会不仅不能减小模型的大小，反倒使之增大。于是判断：用索引的Vertex Data需要存储5个UINT的索引（UV通道为2），5 X 4 = 20 Bytes, 而一个Float3的大小为3 x 4 = 12 Bytes, 直观上这样改变会带来不小的空间优势。感觉用统计之类的方法来分析有些麻烦，于是决定直接实现之再来验证。而实验的结果也符合自己的预期，模型的大小减少得还是比较可观的。用了CryTek的Sponza来进行测试（Max修改过）：

三角形数目：182665

删除冗余几何数据前：40.4MB, Vertex Data: 547995

删除冗余几何数据后：18.5MB, Position：94983, Normal&Tangent: 361846, UV: 9692

模型大小控制的目的达到了，但带来了另外一个非常致命的问题：冗余顶点的搜索效率。对于上述可以达到十万级别的顶点数量，直接的搜索简直是*_*!!。不过对其也进行了测试，对于该模型处理进间甚至达到好几十分钟，若不加速则一点可行性都没有。首先想到的是GPU来加速，但是觉得对于这样的一种搜索结构不太适合。之后就想到了用空间划分来进行加速，这有些类似于用KD-Tree进行光线跟踪，BSP进行碰撞检测。

以空间顶点的Position为例，其对于某一个顶点，它不可以与旁边相跟很远的顶点有相同关系进而是冗余点，因而只需要检索判断空间位置处于其周围的那些邻居点就可以了，这样就可以将每个点待判断的点的数日大大减少。对于向量，UV进行分割加速方法与Position类似，向量的话就以大体方向把各向量归成一堆。那么现在如何确定那些点是这个点的邻居点呢？这就需要用到各种空间分割来施展它们的作用了，什么OCTree, KDTree, BVH, BSP各种，你想用那种就用那种^0^。为了简单起见这些用了OCTree，简单易行。

实现之后得到的加速效果很明显，对于上述模型进行处理只需要4,5s以内的时间（用的树还很浅，懒得深分了，这个也只是边角工作）。