【物理篇】从零搭建2D物理系统②——用松散四叉树结合网格法来划分场景

最新推荐文章于 2022-11-13 15:31:25 发布

水曜日鸡

最新推荐文章于 2022-11-13 15:31:25 发布

阅读量1.2k

点赞数 4

分类专栏： Unity

本文链接：https://blog.csdn.net/j756915370/article/details/107925944

版权

Unity 专栏收录该内容

14 篇文章 10 订阅

订阅专栏

从一道字节跳动面试题说起

在开始今天内容之前，我想先讲一道前几天看到的字节跳动面试题：

玩家在场景中放了一个AOE技能，场景中有10万个敌人，如何知道AOE技能打到哪些敌人？

这道题的解法肯定不可能是挨个遍历，那样复杂度会爆炸。这道题想考察的是空间划分的知识。空间划分指的是使用特定的数据结构来划分场景空间中的物体，从而在碰撞检测的时候能够快速过滤掉不需要的部分。（如果只想知道问题回答请跳过文章内容，直接拉到最下面。）

比如下图中使用了四叉树的数据结构划分场景，绿球要想知道它和哪些红球进行相撞，它只需要进行三次过滤就能把范围缩小到K区域，然后与K区域内的红球进行挨个碰撞检测就能得出碰撞结果。
在这里插入图片描述
当然空间划分除了做碰撞检测，还能用于相机剔除算法、寻找最近点、光线追踪等等用途。
《空间划分的数据结构(四叉树/八叉树/BVH树/BSP树/k-d树)》，这篇文章详细介绍了经典的几种空间划分数据结构，这里我就不一一展开。在碰撞检测用途上，常用的有四叉树、八叉树、网格、BVH这几种数据结构，比较如下：

四叉树和网格法适合2D，网格法增删查最快，但是占用内存大
八叉树和BVH适合3D，使用优化后的八叉树插入效率会比BVH快，但是查找效率比BVH慢
上面这几种都能支持动态更新，效率上：网格法>四叉树\八叉树> BVH

网格法

上面提到的文章里有一种数据结构没有提到，就是网格。网格，顾名思义就是把游戏场景划分为一个个格子，如图所示，2D的情况下使用的是一个二维数组，图中的白块处于第6行第6列（左下作为起点），那么它应该存入[5,5]的索引中。
在这里插入图片描述
如果物体跟网格线交叉了，如下图，物体没有完全处于网格内，那么它应该存储在和它交叉的所有网格：[4,4]，[4,5]，[5,4]，[5,5]。

当查询时，只要找到物体所在的网格，拿出网格内的所有其他物体挨个遍历即可。
到这里，我们可以总结出网格法的优缺点：

物体插入时很快，只有O(1)复杂度
物体可以很方便地动态更新自己在网格中的位置
对于跨多个网格的物体，需要占用更多的空间来存储

四叉树

接着来看四叉树，四叉树对于处在分割线上的物体（为了方便称呼，叫“压线”好了），是存储在和它交叉的最上层级的节点上。比如处在世界中心位置的物体，就会存储在根节点。

而在查询过程中，除了需要跟物体所在节点的其他物体进行遍历，还需要与所在节点的所有父节点上存储的物体进行遍历，因为这些父节点上存储了压线的物体，有可能与当前做查询的物体进行碰撞。

如图，绿球除了和K区域的红球碰撞检测外还需要与蓝球进行检测，这些蓝球都是存储在父节点中。而存储在根节点的蓝球，每次检测都要带上它，其实它跟绝大部分物体都不碰撞，这样就会浪费时间。
在这里插入图片描述
对于压线的物体，如果不存储在父节点上，而是采用和网格法相同的思路，存储在和它交叉的所有子节点上，则会占用很多空间。

在父节点上存储压线的物体，虽然节省了内存，但是会导致无用的检测增加，这是四叉树的优点也是缺点之一。

四叉树的另一个问题在于动态更新。
想想看，如果四叉树内的物体每帧位置都在变化，四叉树应该如何更新？每帧都重建四叉树？那肯定不行，太费时间了。首先需要找对旧位置所在的节点，把节点里存的物体列表中删掉当前这个在移动的物体，删掉后还要考虑已经分裂的子四叉树是不是需要删除，然后对于新位置的处理，这个就比较好办，按照插入时的逻辑就可以了。

还有一个问题是，如果物体在边界线反复移动，那么它所在的位置就会不停的变化，这样就需要不停地插入四叉树。

松散四叉树

为了解决物体在边界线反复移动不得不更新位置的问题，松散四叉树的数据结构被提了出来。
在这里插入图片描述
在非松散的四叉树/八叉树中，入口边界和出口边界是一样的。
而松散四叉树/八叉树中，是指出口边界比入口边界要宽些（虽然各节点的出口边界也会发生部分重叠），从而使节点不容易越过出口边界，减少了物体切换节点的次数。

问题在于如何定义出口边界的长度。因为太短会退化成正常四叉树/八叉树，太长又可能会导致节点存储冗余的物体。经过前人的实验表明出口边界长度为入口边界2倍最佳。

当出口范围是入口范围2倍的时候，松散四叉树会多一个神奇的特性：
如果一个AABB大小小于一个四叉树节点的入口范围，那么只要这个AABB的中心点在入口范围内，那么这个AABB一定包含在出口范围内。

松散四叉树结合网格法

前戏做了这么多，终于到今天的主角了，松散四叉树结合网格法。我们都知道，当四叉树节点里的物体数量到达一个阈值时，我们会分裂四叉树，如果要支持动态更新，分裂后的四叉树可能还要删除。那么如果我们一上来就把四叉树全部分裂完呢？不管节点里有没有物体都不删除四叉树节点呢？这样的话这个四叉树就会跟网格很像。

有了松散四叉树配合网格法，我们能够快速找到一个物体应该插入的位置。
在这里插入图片描述
如图，我们把一个区域分成了三层的网格，图中黄色线代表第一层的网格，绿色线代表第二层的网格，白色线代表第三层的网格。我们可以发现，蓝色方块的大小大于第三层的网格（只有宽、高其中之一比网格大就算），小于第二层的网格，所以它最终应该放在第二层的四叉树上。

接着我们来看它的中心点的位置，我们使用的是2倍的松散四叉树，所以中心点在哪个节点，物体就在哪个节点。通过观察我们可以发现，蓝色方块的位置在第一层四叉树的左下节点，第二层四叉树的左上节点。

我们用一个2x2的2维数组来表示四叉树的四个子节点，用行和列表示索引，左下是[0,0]，左上[1,0]，右下是[0,1]，右上是[1,1]。蓝色方块的位置就是根节点的[0,0]子节点的[1,0]子节点。

发现没有，使用松散四叉树结合网格法，可以快速得出一个物体要插入的位置，从原来的O(logn)复杂度变成O(1)复杂度。（可能有人会疑惑为何原先是logn复杂度，因为传统四叉树的插入是一种二分查找算法。二分查找的复杂度就是logn。二分查找是两半取其一不断循环，四叉树插入是四半取其一不断循环，本质一样。）

代码实现

刚才分析的案例使用的是肉眼观察，接下来我会讲代码如何推算结果。我们举一个更复杂的例子：
在这里插入图片描述
图中蓝色方块的位置是：第一层存放在右下，所以是[0,1]；第二层存放在右上，所以是[1,1]；第三层存放在左上，所以是[1,0]。

首先我们先根据物体的大小判断出它最终落在哪一层，这一步很简单，因为每一层网格的大小是固定的，事先把网格大小存起来然后挨个比较即可：

public int GetDepth( Vector2 size )
{
	for( int i = _gridSizes.Length - 1; i >= 0; i-- )
	{
		if( size.x <= _gridSizes[i].x && size.y <= _gridSizes[i].y )
		{
			return i;
		}
	}
	Debug.LogError( "Size is bigger than QuadTree Max Range" );
	return -1;
}

图中案例，它的层数是3。 然后我们算出它在这一层的网格中处于哪一行哪一列。图中案例的物体处于第3行第6列（从0开始算）。

int row = Mathf.FloorToInt( ( center.y - _worldRect.yMin ) / gridsize.y );
int column = Mathf.FloorToInt( ( center.x - _worldRect.xMin ) / gridsize.x );

然后我们把行数和列数除以2的层数减一次幂。，也就是3/4，6/4，会得到商0和1。[0,1]正好就是第一层的位置。

然后把3/4，6/4的余数3和2进行除以2的层数减2次幂，也就是3/2，2/2，会得到商1和1。[1,1]，是不是正好就是第二层的位置。

然后就这把上一次计算的余数1和0，除以2的0次幂，也就是1/1，0/1，得到结果[1,0]，正好就是第三层的位置。
代码如下：

var depth = GetDepth( size );
if( depth == 0 )
{
	//深度为0，直接存在根节点
	posInfo.inRoot = true;
	return;
}

var gridsize = _gridSizes[depth];
int row = Mathf.FloorToInt( ( center.y - _worldRect.yMin ) / gridsize.y );
int column = Mathf.FloorToInt( ( center.x - _worldRect.xMin ) / gridsize.x );

int tempRow = row;
int tempColumn = column;

var storeDepth = 0;
//posInfo是一个用来存储位置的数据结构
posInfo.storeDepth = depth;
for( int i = depth - 1; i >= 0; i-- )
{
	int div = (int)Mathf.Pow( 2, i );
	int rowIndex = tempRow / div;
	int columnIndex = tempColumn / div;
	
	tempRow %= div;
	tempColumn %= div;
	
	posInfo.posInDepths[storeDepth].rowIndex = rowIndex;
	posInfo.posInDepths[storeDepth].columnIndex = columnIndex;
	storeDepth++;
}

这就是本节全部内容，github工程。
对应的场景在Test/Scenes/QuadTreeGenerator。运行时能在Console看到物体的位置信息：
在这里插入图片描述

对了，我们回到一开始的面试题。既然都提到了问题我还是列一下我的回答，仅供参考：

对于10万个敌人这种情况，得使用合理的数据结构对场景进行划分。如果是2D的话，可以使用网格法和四叉树，网格的插入删除查询都比较快，但是它对于跨多个网格的物体需要占用很多空间来存储。四叉树虽然效率上不如网格，但是通过使用松散四叉树可以良好地提升效率。如果是3D的话，可以使用八叉树和BVH。BVH的查询是比八叉树快，但是在考虑到动态更新的情况下八叉树更好，BVH需要更新当前物体所在节点的整个分支，而八叉树只需要更新旧位置和新位置的两个节点。（BVH的动态更新参考Game Physics: Broadphase – Dynamic AABB Tree）

答题思路是首先指出这是一个空间划分问题，关键在于选择合理的数据结构。然后你需要分析题目中的情况，适合什么样的数据结构，并且比较这些数据结构的优缺点。对于你会的，可以随便说，不会的不说。比如上面的回答中，我故意避开复杂度的问题。因为我不是很有把握。

网格的单个物体插入、查询都是O(1)复杂度，四叉树的插入是O(logn)，查询最坏情况下是O(n)。BVH插入的O(logn)，查询是O(logn)。八叉树和四叉树一样。这些结论有些是我个人推导的，不是很有把握正确。如果面试官不问我肯定不说。

关于作者: