OSG 八叉树 与 Kd Tree

2018-09-01

   在游戏或者CAD程序中，我们经常面对的一个需求：已知空间（多数是二维、三维，也有少数高维空间）内的一个物体，求解距离它最近的k个物体是哪些。当然，这个问题可能很简单，假设空间内只有几百几千、甚至几万个个物体，我们只需要遍历一下即可。也花费不了几毫秒时间。但是，当空间内的物体有几百万、几千万个的时候呢，或者几亿几十亿呢？你个简单的查找就耗费几十分钟、几个小时，这绝不能忍受。所以，我们需要加速的优化手段。
   一个朴素的方法就是，先求解所有物体所占的空间的BoundingBox，名为bb，以后所有的操作只考虑这个bb空间，不会超过这个范围。把空间平均分割一下，如一维空间分成两份，二维空间就平均分成四份，三维空间就平均分成八份，n维空间就平均分成n^2份，切割完成后，把整体当作父节点，把小的一份当作子节点，那这就是二进制空间分割树，以上分别对应着二叉树、四叉树、八叉树。当把空间平分了之后，我们就可以向周围的子空间询问：是否有包含物体；包含了几个物体？假设物体在空间内均匀分布，那么就意味着只需要向邻居子空间询问即可完成搜索工作。
   但是，假如物体在空间中的分布不均匀呢？假想操场上只有一棵树，对这棵树建立包围盒bb，我们包围盒空间进行八叉树划分，递归的多进行m次，且假设m比较大，比如10。若地面上一无所有，一片叶子掉下来落在地面上，问：距离这片叶子最近的其他一片叶子在哪里？那得问多少次才能问到目标。八叉树的构建非常简单。但是，如果我们只偏重于查询，这样子就很浪费了。一个简单的优化