Unity大密度建築場景載入解決方案

現在虛擬城市模擬，以及軍事模擬專案越來越多，開發此類專案，首先面對的一個比較棘手的問題是記憶體管理，城市中的建築物特別多，這些建築物的面數和貼圖都要被加到記憶體中的，記憶體有自己的峰值，超過了就要崩掉，所以記憶體的優化是必須要面對以及解決的問題。
Unity官方提供了Occlusion Culling的裁剪操作，網上有很多文章對它做了相關介紹，因為它是Unity自身提供的，對於我們程式設計師來說就是一個黑盒子，並不利於我們自己去進一步的優化，最好的方式就是自己通過程式碼重新實現一個Occlusion Culling演算法，當然對於城市模擬只做Occlusion Culling是不能完全解決問題的，我們需要從幾個方面入手搞定它，本篇博文就給讀者介紹這些針對密集建築物的優化。下面先看看虛擬模擬的場景：

面對這麼複雜的場景，我們該如何去解決呢？本篇部落格教給開發者解決問題的方法，我們會從五個方面來實現我們的密集建築物解決方案。

AutoLOD

攝像機是用來裁剪的，我們可以設定攝像機的遠裁剪面距離做一些優化操作，當然如果是在飛行模擬，這種方法是不可取的，因為我們要求視野是足夠大的，這樣攝像機視錐體內的物體肯定會很多的，效率就會下降，解決這個問題很自然的想到LOD演算法，虛擬場景中的建築是非常多的，我們不可能讓美術幫我們把每個建築都進行減面處理，工作量是相當大的，LOD是根據攝像機的距離遠近相應的顯示不同面數的建築物，我們需要想一種能夠自動幫我做LOD處理的演算法，AutoLOD就是為解決這個問題而生的。LOD模型顯示如下所示：

AutoLOD是Unity官方為我們提供了一個比較好的外掛，可以幫我們自動實現LOD演算法，進而對場景中的建築物進行優化，程式碼下載地址：
https://github.com/Unity-Technologies/AutoLOD
將其程式碼匯入到專案工程中後，然後需要我們做一些設定操作：

AutoLOD實現的效率比較高，佔的視訊記憶體少，測試的結果如下所示：

其實我們還可以找到一種更好的演算法，結合AutoLOD演算法一起優化建築物的面數以及材質，也是第二個步驟要講解的內容——Amplify Impostors外掛，下面介紹Amplify Impostors外掛。

Amplify Impostors

這個是Asset store提供的解決方案，它的基本原理是根據攝像機的距離，將原物體生成一個模擬物體，模擬物體面數非常少的，外形跟原物體幾乎是一樣的，而且還可以旋轉，縮放，位移，並且可以投影，效果如下所示：

模擬物件的生成，我們可以使用GPU例項化，該技術非常適合用於移動端，它對於面數的優化非常好，執行效率測試如下所示：

在實際專案執行中，看一下樹木模型實現的效果圖如下所示：

除了對模型的優化，我們還可以對紋理圖片進行優化，對應的是Amplify Texture。
程式碼下載地址：
連結：https://pan.baidu.com/s/1VKRwmn7QCzjIM0mqnq0RCA 密碼：yrko

Amplify Texture

Amplify Texture是一種紋理虛擬化，該技術可以繞過常見的紋理大小，數量和視訊記憶體限制，而不會影響質量，效能或大小。 使用Unity 2017，每個紋理最高可達16384 x 16384畫素。該技術處理幾百張貼圖都沒有任何問題。

虛擬紋理的工作原理是將所有紋理切割成可管理的圖塊（或頁面），並將它們儲存在針對流媒體自定義資料檔案中; 在執行時， Amplify Texture始終使用可用的最大解析度虛擬化紋理，無論是8k或16k紋理（Unity 2017每紋理32k），原始大小永遠不會受到影響，虛擬貼圖其實就是一張大的圖集，中間會生成一張資料索引檔案，它存放了圖片的索引，大小，針對模型的ID資訊等等。根據模型的載入通過索引檔案在虛擬貼圖上查詢對應模型的貼圖，將對應的虛擬貼圖載入到記憶體中，將紋理對映到模型上面。

技術實現參考網址:http://amplify.pt/unity/amplify-texture-2/

關於模型的優化技術差不多就講完了，運用上面的技術完全可以幫助我們處理密集型建築模型。下面還有一項重要的技術講解，也就是我們說的場景裁剪，我們使用的演算法也是Occlusion Culling。

Occlusion Culling

Occlusion Culling也是一種遮擋裁剪，可以將遮擋住的物體直接從記憶體中移除，或者從攝像機可視空間移除，這裡講的演算法與Unity自帶的Occlusion Culling是不一樣的，該演算法尤其對建築物密集的場景非常實用，先看看Occlusion Culling是如何工作的？如下圖所示：

在此介紹兩種利用Occlusion Culling方法解決遮擋剔除的問題，首先介紹的方法是

Potentially visible set

參考網址：https://en.wikipedia.org/wiki/Potentially_visible_set
具體實現步驟如下所示：
1、地圖切割成Tile，Tile切割成Portal（視口）和Cell（大物件、中物件、小物件）；
2、檢測場景物件所屬Cell，一個物件可以屬於多個Cell；
3、 利用蒙特卡洛方法Portal隨機一些起點，Cell隨機一些終點（根據大、中、小隨機不同數量的點）；
4、 雙層遍歷每個Portal和Cell，射線檢測是否阻擋，如果阻擋，判斷阻擋物是否被在當前檢測Cell內，如果是，Cell可見；（注，當前設定兩個高度檢測）
5、 儲存檢測資料，執行時載入解析，根據玩家位置檢測當前Portal，然後遍歷場景所有Cell內Item，判斷顯示和隱藏；
總之：
此pvs方案相比於Unity OcclusionCulling，更適合大地圖比如5000米x5000米，pvs生成data基於Tile，支援動態載入，佔用記憶體忽略不計，同時CPU消耗也極少；

先看看沒有使用Occlusion Culling裁剪演算法之前，實現效果圖如下所示：

應用了Occlusion Culling 演算法後，看看效果如下所示：

通過上面兩幅圖的資料對比，可以看到Draw Call明顯減少了，優化效果還是非常明顯的，再看看另一種Occlusion Culling 演算法實現的效果。

IOC演算法

先把該演算法能實現的功能給讀者介紹一下：
1、實現建築物的裁剪
2、粒子效應遮擋剔除
3、燈光遮擋剔除
4、完全支援實時陰影
5、完全支援動態批處理
6、支援移動裝置上的密集場景處理

我們先看看對特效的遮擋剔除優化，在優化前的場景渲染，如下圖所示：

優化後的遮擋剔除效果，如下圖所示：

通過兩幅圖對比可以看到，Draw Call減少了一半多，當然我們還可以進一步去優化。

該演算法對於密集型建築同樣好用，同樣先展示一個沒有使用任何裁剪演算法的有密集物體的場景，Draw Call數量是非常大的。如下圖所示：

經過我們的Occlusion Culling演算法後的裁剪效果，如下圖所示：

Draw Call數量對比也是非常明顯的，還是有效果的。

總結：

以上給讀者介紹了針對密集型建築使用的解決方案，該方法在PC端，移動端都是適用的，最後把程式碼奉上，參考案例程式碼可以將其應用到自己的專案開發中。

程式碼下載地址：
連結：https://pan.baidu.com/s/1Uhp-eejG_7rA_hXz42cBVg 密碼：5ehf

參考網址：
https://blogs.unity3d.com/cn/2018/01/12/unity-labs-autolod-experimenting-with-automatic-performance-improvements/