有符号距离场（Signed Distance Field，SDF）

https://zhuanlan.zhihu.com/p/89701518

SDF的用途很多，可以用来做large scale AO, 软阴影等。UE4就用SDF来做AO和软阴影，SDF Ray-traced shaow 比PCSS软，而且和CSM相比，因为没有那么大的几何填充负担，所以反而要便宜很多，和静态的Shadow map相比，又可以支持物体级别的移动（虽然不支持顶点动画），所以是一个相当不错的阴影解决方案。堡垒之夜就用了这项技术，堡垒之夜的近处是级联阴影，远处是SDF Ray-traced shadow.

SDF 可以用一个标量场函数或者一张体贴图来表示，简单地来说就是一种空间的表达，里面存的是空间中一个点到最近的三角面的距离，如果在物体内部则是负值。如图所示：

因为是“距离”的标量场，所以用“距离”保留了空间信息，结合硬件插值可以更好地保留表面信息，不像体素一旦被体素化，所有几何信息就全部丢失了，原来的边界在哪里就不知道了，所以SDF的有效分辨率其实比体素要高的多。

SDF追踪的时候能加速，可以跳过空闲的空间。

既然标题写的是建场，那么这次主要分享的就是建场的内容。实际上虚幻用的是最简单的暴力建场，在每个位置发一堆光线求离附近所有三角面的距离，找出最近的那个作为距离场的值。

实际上这个过程相当慢，为了降低烘焙的开销，像在虚幻里一般我们用32x32x32分辨率就相当够了，如果要非常高的精度最大可以用128128128大小。然后一般可以考虑用8位的定点数来存储，最大范围scale到距离场的大小。

加速结构
kd树：建树
因为涉及到大量求交，所以我们这时候就需要用到空间划分了，UE用的是KDop树，这里我直接抄了pbrt上的kd树来用，下面简单描述下KD树。

kd树就是用xyz三个轴，每次取一个轴，用某个策略找一个最佳的划分点，在这个划分点分割，如此往复，直到把所有三角形都划分到叶子节点里。

划分过程如下图：

kd树遍历
树构建好了之后，遍历就比较简单了，简单来说就是判断一下光线是否会与父亲节点相交，如果相交，再去判断子节点，与父节点相交的光线不一定会和每个子节点相交，遍历的时候不相交的部分，就可以全部跳过。

建场
暴力建场的方法，就是直接迭代323232个点，然后在每个点上向周围发射一大堆光线，然后保存交到的最小距离，作为距离场在这个点上的值。

值得一提的几个细节是，一般距离场的范围是比物体的AABB大一圈，我这里取的是扩大40%大小。

然后，在物体内部的点，距离存的是负值，然而不是所有曲面都是闭合的，有的时候我们没法区分内和外，虚幻用的是一个heuristic，如果50%以上的光线和三角形的正面相交，那么我们认为这个点在物体外面，如果50%以上的光线与三角形的背面相交，我们认为这个点在曲面内部，再借用一张虚幻的图：

Ray March
Sphere Tracing
https://www.cnblogs.com/murongxiaopifu/p/9175936.html
http://jamie-wong.com/2016/07/15/ray-marching-signed-distance-functions/
http://advances.realtimerendering.com/s2015/DynamicOcclusionWithSignedDistanceFields.pdf