图形渲染与 Shader / 系统课时

大规模草木场景如何组合方案

大规模草木场景如何组合方案

大规模草木并不是“把 Instancing 打开”就结束了。真正可扩展的方案通常把实例化、LOD、视锥与距离剔除、GPU 可见性筛选和间接绘制串成一条管线,让 CPU 只负责少量场景管理,GPU 负责成千上万实例的筛选与提交。

学习目标

  • 理解 Instancing、LOD、剔除与间接绘制分别解决什么瓶颈
  • 能按实例规模设计一条从数据准备到 Draw 的批量渲染链路
  • 能识别“实例很多但仍然慢”时最值得优先检查的环节

先把四种能力放到正确位置

Instancing 解决的是“很多对象共享网格和材质却被重复提交”的问题;LOD 解决的是远处模型几何成本过高;剔除负责把根本不需要画的实例排除;间接绘制则让 GPU 直接消费筛选后的实例数量和参数,减少 CPU 每帧组织大量 Draw Call 的开销。

大规模草木批量渲染管线

四者不是互相替代关系。Instancing 如果没有剔除,仍会处理大量不可见实例;LOD 如果仍由 CPU 为每株草单独判断,CPU 可能先成为瓶颈;间接绘制如果输入列表没有筛选,也只是更高效地画了不该画的东西。

用空间块控制数据规模

草木实例通常先按地形分块,例如把世界划成 32×32 米或 64×64 米的 cell。CPU 只判断哪些块需要驻留和上传,进入活动范围的块再把实例数据放入 GPU Buffer。这样可以避免一个全局超大实例数组长期占用显存,也便于流式加载。

每个实例至少需要位置、旋转、缩放和用于包围测试的数据。材质差异应尽量变成实例属性,而不是复制材质;例如颜色扰动、风相位、随机缩放都可以放进实例数据,否则材质状态变化会把原本可合批的对象重新拆开。

下面用一个可运行的 Python 示例模拟“距离剔除 + LOD 分桶”。它不替代 GPU Compute Shader,只帮助验证分桶规则是否符合预期。

python
from math import dist

camera = (0.0, 0.0, 0.0)
instances = {
    "grass-a": (6.0, 0.0, 0.0),
    "grass-b": (18.0, 0.0, 0.0),
    "grass-c": (42.0, 0.0, 0.0),
    "grass-d": (85.0, 0.0, 0.0),
}

buckets = {"LOD0": [], "LOD1": [], "LOD2": []}

for name, position in instances.items():
    d = dist(camera, position)
    if d > 60.0:
        continue
    if d < 15.0:
        buckets["LOD0"].append(name)
    elif d < 35.0:
        buckets["LOD1"].append(name)
    else:
        buckets["LOD2"].append(name)

print(buckets)

预期输出:

text
{'LOD0': ['grass-a'], 'LOD1': ['grass-b'], 'LOD2': ['grass-c']}

实际工程中,距离阈值要根据草木尺寸、屏幕占比和平台性能调节;超过最远距离的实例直接剔除,而不是继续进入最低 LOD。

把剔除和 LOD 放到 GPU 上

当实例规模进入数万甚至数十万时,逐实例 CPU 判断往往比真正的 Draw 更早成为瓶颈。此时常见做法是先做 CPU 级别的块剔除,再由 Compute Shader 对块内实例执行视锥、距离甚至遮挡判断,并把通过的实例索引写入不同 LOD 的可见列表。

每个 LOD 维护独立计数器,GPU 根据计数器生成或更新间接绘制参数。这样 CPU 不需要读回可见数量再发起对应次数的绘制,避免 GPU→CPU 同步造成流水线停顿。

控制批次数而不是只盯实例数

理想情况下,同一网格、同一材质、同一渲染状态、同一 LOD 的可见实例可以进入同一批次。真正决定 Draw 数量的不是“世界里有多少棵草”,而是最终被拆成多少组可兼容的渲染状态。

例如草、灌木和树木通常会形成不同网格组;同一种树的三个 LOD 也会对应三个绘制组。只要每组内部可以批量绘制,几十万实例仍可能维持在较少的提交次数。反过来,如果材质关键字、阴影模式或 Render Queue 不一致,再少的实例也可能被拆成很多批。

用分层指标验收方案

验收时不要只看 FPS。先看 CPU Render Thread 是否下降,再看 Draw Call 或提交次数是否稳定,最后看 GPU 时间、顶点数和 overdraw 是否合理。如果 CPU 很轻但 GPU 很重,继续压 Draw Call 通常收益有限,更该调整 LOD、阴影距离、透明草叶面积和像素填充。

当场景规模继续扩大时,优先保持“CPU 粗粒度管理、GPU 细粒度筛选、按 LOD 生成可见列表、间接实例化绘制”这条主线。它能把不同优化手段放在各自最擅长的位置,而不是把所有性能问题都寄希望于 Instancing 一个开关。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

大规模草木场景如何组合方案

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通