在Unity实现《Farcry5》 GPU地形
【USparkle专栏】如果你深怀绝技，爱“搞点研究”，乐于分享也博采众长，我们期待你的加入，让智慧的火花碰撞交织，让知识的传递生生不息！
一、需求背景
开放大世界渲染中，地形的渲染占比较重，包括开发投入、表现效果及性能开销等。而地形Shader部分的性能优化已经做过多版了，但Mesh的部分还是老旧的Unity内置技术。这种CPU创建、分块、LOD、剔除、提交渲染等对于新设备，特别是高性能端游用户非常不友好。这是因为CPU这些年单核提升幅度放缓，引擎的渲染部分很难抽出大量并行的多线程，而高端GPU的算力隔代提升幅度更大。所以这类本身也适合GPU计算的部分，就有迁移的趋势了。《刺客信条》或《Farcry》系列都有这个趋势的分享。所以决定用GPUDriven技术重写这套地形。
主要参考来自《Farcry5》的一篇文章，但是它涉及流式加载等，感觉不够简单清晰。所以介绍下我自己的做法（85%一致），和他文章内没提到的细节处理。如果经验很丰富的开发者可以直接看这篇就足够了。
GDC Vault - Terrain Rendering in 'Far Cry 5'
因为技术细节比较多，所以先放下最终收益图，加点掌握这套的动力。
9700+3080设备下（1080p）：
上图：Unity Terrain 下图：GPU Terrain
改造前任务分配
改造后任务分配
二、参数与名称
- 精度为0.5米一个单位，为了方便都不说实际距离（米），都用单位：
- 场景为8192x8192（4096x4096米）
- 高度图为8192x8192 16位精度
- 全图一个四叉树，不分多个四叉树（前面几级数量少浪费不了多少）
- Tile：每512x512一个Tile，Tile是裁剪开始的等级，如果从四叉树根节点查询，层级太多性能不好
- Sector：每128x128一个Sector，Sector是Lod的计算的划分尺度，也就是同一个Sector内部都是相同LOD等级
- Patch：每16x16一个Patch，Patch是最小渲染单位，就是少于16单位后不再细分，逐个判断子节点，直接作为渲染元素
解释下为什么需要Patch：我一开始自己想的一套是用一个正方形4个顶点，来作为最小渲染单位的（DrawMeshInstancedIndirect API的Mesh）。这样可以剔除地最干净，但是这样缺点非常多，比如4个顶点一个格子，顶点比例为4，如果采用16x16，那么会有15x15格子，顶点比例接近1。这是因为同一个Mesh内的顶点可以复用，Mesh实例之间，顶点无法复用导致，另一个方面是如果四叉树需要细分到1x1，内存消耗非常大，大几百MB，而选16x16为最小节点，只要5MB，具体可选8x8或16x16，根据具体项目平衡这个值。
四叉树只记录每个单位的x、z，最小高度，最大高度和LODBias。因为ComputeShader传值最小用int，所以xz可以写成一个Index，但为了可读性，还是用x和z。又因为采用完整四叉树，所以每个子对象都可以根据自己位置算出来。如果不想计算这个也可以直接用C#算好。
三、四叉树数据
四叉树每个node有以下数据：coneDir和coneDot，是做背面裁剪用的，地形背面裁剪效果不大，离线计算比较慢所以这版不开始这功能。
node 数据
这是CPU端为了各自功能预计算方便的格式，会有部分冗余，真正存储到硬盘和给ComputeShader运行时计算的数据结构很小，而到了渲染时，渲染Shader需要的结构更小。
CS计算结构与Shader计算结构
最关键的是一个创建四叉树节点的Insert函数和一个分级迭代更新AABB和LODBias函数，LODBias标准用方差做但差别不大就选简单的DOT了。
因为在阴影存储的时候写过四叉树工具所以比较简单拿来直接用了，完整功能可以看这里：
Shader内实现四叉树压缩贴图
这个链接里提到的基本压缩方式，就是当4个Child内容非常接近时，可以删除4个Child，用Parent表示整个区域的数据。这样在实时计算LOD，准备细分子对象时，遇到空子对象就不需要细分了，无论数据量还是剔除次数都有更高性能，很适合有大量平地、海水底部大量平面的项目。
四、循环裁剪
循环裁剪示意图
这部分完全采用《Farcry5》文章的做法。C#每次Dispatch只裁剪一层四叉树，第一次是所有的Tile（Size=512），并判断Tile是否需要剔除（视锥、遮挡、距离等）。如果不需要剔除则计算LOD，看看自己是否需要细分为4个子节点（Size=256），如果不需要细分，那么进入FinalBuferr列表，如果需要细分，则进入TempB。然后C#交换设置下TempA和TempB与ComputeShader的绑定，调用下一次裁剪。这样ComputeShader就可以每次都把TempA当输入列表，TempB与Final当输出列表。这个循环的代码大概这样，每次交换TempA与TempB，但第一次用Tile那层。在DispatchCount这里，我用了每级最高可能值来做。我见过另一种做法，是利用实际TempA表长度来做,但是这样做性能并不好，因为这个数量不能回读CPU，而是用Indirect方式让GPU内部自己共享这个Count，这样NumThreads必须为[1,1,1]，因为引擎会调用Count次，不会调用Count/64次（假如用NumThreads为[64,1,1]），这样会导致性能差些。
视锥裁剪
HIZ裁剪
五、高度图
高度图精度在大部分项目内是约定俗成的16bit，否则会不足或浪费，但是Unity 5.6没有提供这个类型，于是要找一个容量一样的来存，就是ARGB16（API里叫R4G4B4A4）。但是我们需要把一个高度float写入一个RGBA4通道的图，那么用Built-in的EncodeFloatRGBA是不行的，它是假设R8G8的格式下正确处理，所以需要自己封装2个函数为R4G4B4A4用。
高度float与R4G4B4A4的转换
ARGB16高度图存储方式
六、LOD计算
每个四叉树节点单独计算LOD是不行的，这是因为不同LOD衔接处要处理接缝。这需要获取相邻的LOD，而四叉树多次查询性能不足，所以需要更快地查找周围的方式 ,那自然就是把LOD写成贴图，然后根据位置对应到uv直接查询。
我先后尝试过2种实现方式性能差不多。
第一种是把所有Sector，也就是四叉树节点的Size为128的那一批，单独调用一个ComputeShader并写到RT，如下图：
但是这样会多一次Dispatch，而每次Dispatch都是有额外开销的。
所以我采用不单独计算LOD的方式，而是边裁剪边计算。因node的Size是从TileSize开始的（Tile作为第一批裁剪的节点），所以只要裁剪的size==sectorSize时，写入下LODRT即可。但是如果，还没到这个Size，比如Tile自己就被提前剔除了,这个LOD留空这么办，这里不需要做任何处理，因为如果一个方块区域被剔除不可见，那么所有与它相链接的顶点也都是不可见的，否则就是剔除错了。既然那些点不可见就不处理了， 但如果，没有被剔除而是LOD计算出来比较低，直接没降到Sector大小就进入Final作为渲染单位了呢? 这里就需要用for写入多个像素了，而比SectorSize更新Size的node 就不需要再自己计算LOD了，直接取LODRT图里自己所在Sector对应的LOD，因为一个Sector只能一个LOD。
LOD接缝问题
《Farcry5》文章里讲这个比较简单，把网格数量多的那个没对应顶点的中间点直接拉到有对应点的地方，然后高度用新位置的xz采样高度图高度，但是这样采样出来，还是会有接缝。因为若uv相同但LOD不同，采样的高度图会得到不同的高度，就出现接缝，这里需要把处于边线的点，取Max（蓝色块LOD,红色块LOD）。但即便如此，还是有一个问题，文章也没提到。
角点接缝
就是Mip0与2个Mip1衔接的边移动好了位置，并且也取了Max(0,1)，用1来做高度图采样的LOD了，但是，因为两个Mip1也用了同样的逻辑与修正，导致它们有2个边采用了 Max(1,2)的2来作为LOD采样了，这些处理各自不相干涉，但在Mip0、Mip1、Mip2公共的那个点上，就出了问题。那个位置的点，有的用LOD1，有的用LOD2，就又对不上了。具体的解决办法有3个：
- 大家都采样高度图LOD0，牺牲点远处的缓存，反正这是vs内场景，顶点又不会太挨着所以缓存本来也没多少命中。
- 除了记录边界LOD，也记录对角LOD，取（自己，相邻，对角）最大值。
- 对高度图的Mipmap做特殊生成方式，然后采用子LOD结果与LOD0相同，效果与1一样只是多了缓存浪费了Mipmap内存。
七、关于HIZ剔除扩展部分
改造的HIZ裁剪
普通的视锥剔除HIZ剔除非常常见，这里不再重复讲。但是关于我自己对于常规算法的改造，是比较想分享的。不熟悉HIZ常规算法的需要先了解下，为了方便讲解，这里假设屏幕与HIZ Depth都是1024x1024的正方形。
假设现在一个地形Patch在屏幕上比较扁平（地形的特殊性导致大量投影到屏幕后扁平），比如18x68像素，根据普通算法需要找到128x128屏幕对于一个像素的Depth MipLevel，连续的判断2x2个，也就是256x256像素内都要遮挡才会剔除。这个太过保守了。扁平的AABB，最后去找正方形的深度像素比对，等于浪费了短边的信息，和68x68大小的AABB结果无差了。所以思路是避免扁平，避免的办法比较简单我想的是 在长的方向上切割成2个AABB，这里就是2个18x34的AABB了，这样来查询是分别寻找2x2个64x64，这样是查找2个128x128，比一个256x256少了一半，所以可以更多的剔除。这对于没有开发prez的项目非常有用，因为这种GPU剔除的渲染方式很难高性能做排序，如果重叠PS的开销巨大，无法有效利用EarlyZ，如果强行要用GPU排序，这里经过测试，推荐GitHub上的双调排序：
拆分扁平AABB 分别判断遮挡
这是侑虎科技第1713篇文章，感谢作者jackie 偶尔不帅供稿。欢迎转发分享，未经作者授权请勿转载。如果您有任何独到的见解或者发现也欢迎联系我们，一起探讨。（QQ群：793972859）
作者主页：https://www.zhihu.com/people/jackie-93-85-85
再次感谢jackie 偶尔不帅的分享，如果您有任何独到的见解或者发现也欢迎联系我们，一起探讨。（QQ群：793972859）
