现在虚拟城市仿真，以及军事仿真项目越来越多，开发此类项目，首先面对的一个比较棘手的问题是内存管理，城市中的建筑物特别多，这些建筑物的面数和贴图都要被加到内存中的，内存有自己的峰值，超过了就要崩掉，所以内存的优化是必须要面对以及解决的问题。
Unity官方提供了Occlusion Culling的裁剪操作，网上有很多文章对它做了相关介绍，因为它是Unity自身提供的，对于我们程序员来说就是一个黑盒子，并不利于我们自己去进一步的优化，最好的方式就是自己通过代码重新实现一个Occlusion Culling算法，当然对于城市仿真只做Occlusion Culling是不能完全解决问题的，我们需要从几个方面入手搞定它，本篇博文就给读者介绍这些针对密集建筑物的优化。下面先看看虚拟仿真的场景：

面对这么复杂的场景，我们该如何去解决呢？本篇博客教给开发者解决问题的方法，我们会从五个方面来实现我们的密集建筑物解决方案。

AutoLOD

摄像机是用来裁剪的，我们可以设置摄像机的远裁剪面距离做一些优化操作，当然如果是在飞行模拟，这种方法是不可取的，因为我们要求视野是足够大的，这样摄像机视锥体内的物体肯定会很多的，效率就会下降，解决这个问题很自然的想到LOD算法，虚拟场景中的建筑是非常多的，我们不可能让美术帮我们把每个建筑都进行减面处理，工作量是相当大的，LOD是根据摄像机的距离远近相应的显示不同面数的建筑物，我们需要想一种能够自动帮我做LOD处理的算法，AutoLOD就是为解决这个问题而生的。LOD模型显示如下所示：

AutoLOD是Unity官方为我们提供了一个比较好的插件，可以帮我们自动实现LOD算法，进而对场景中的建筑物进行优化，代码下载地址：
https://github.com/Unity-Technologies/AutoLOD
将其代码导入到项目工程中后，然后需要我们做一些设置操作：

AutoLOD实现的效率比较高，占的显存少，测试的结果如下所示：

其实我们还可以找到一种更好的算法，结合AutoLOD算法一起优化建筑物的面数以及材质，也是第二个步骤要讲解的内容——Amplify Impostors插件，下面介绍Amplify Impostors插件。

Amplify Impostors

这个是Asset store提供的解决方案，它的基本原理是根据摄像机的距离，将原物体生成一个仿真物体，仿真物体面数非常少的，外形跟原物体几乎是一样的，而且还可以旋转，缩放，位移，并且可以投影，效果如下所示：

仿真对象的生成，我们可以使用GPU实例化，该技术非常适合用于移动端，它对于面数的优化非常好，运行效率测试如下所示：

在实际项目运行中，看一下树木模型实现的效果图如下所示：

除了对模型的优化，我们还可以对纹理图片进行优化，对应的是Amplify Texture。
代码下载地址：
链接：https://pan.baidu.com/s/1VKRwmn7QCzjIM0mqnq0RCA 密码：yrko

Amplify Texture

Amplify Texture是一种纹理虚拟化，该技术可以绕过常见的纹理大小，数量和视频内存限制，而不会影响质量，性能或大小。 使用Unity 2017，每个纹理最高可达16384 x 16384像素。该技术处理几百张贴图都没有任何问题。

虚拟纹理的工作原理是将所有纹理切割成可管理的图块（或页面），并将它们存储在针对流媒体自定义数据文件中; 在运行时， Amplify Texture始终使用可用的最大分辨率虚拟化纹理，无论是8k或16k纹理（Unity 2017每纹理32k），原始大小永远不会受到影响，虚拟贴图其实就是一张大的图集，中间会生成一张数据索引文件，它存放了图片的索引，大小，针对模型的ID信息等等。根据模型的加载通过索引文件在虚拟贴图上查找对应模型的贴图，将对应的虚拟贴图加载到内存中，将纹理映射到模型上面。

技术实现参考网址:http://amplify.pt/unity/amplify-texture-2/

关于模型的优化技术差不多就讲完了，运用上面的技术完全可以帮助我们处理密集型建筑模型。下面还有一项重要的技术讲解，也就是我们说的场景裁剪，我们使用的算法也是Occlusion Culling。

Occlusion Culling

Occlusion Culling也是一种遮挡裁剪，可以将遮挡住的物体直接从内存中移除，或者从摄像机可视空间移除，这里讲的算法与Unity自带的Occlusion Culling是不一样的，该算法尤其对建筑物密集的场景非常实用，先看看Occlusion Culling是如何工作的？如下图所示：

在此介绍两种利用Occlusion Culling方法解决遮挡剔除的问题，首先介绍的方法是

Potentially visible set

参考网址：https://en.wikipedia.org/wiki/Potentially_visible_set
具体实现步骤如下所示：
1、地图切割成Tile，Tile切割成Portal（视口）和Cell（大物件、中物件、小物件）；
2、检测场景物件所属Cell，一个物件可以属于多个Cell；
3、 利用蒙特卡洛方法Portal随机一些起点，Cell随机一些终点（根据大、中、小随机不同数量的点）；
4、 双层遍历每个Portal和Cell，射线检测是否阻挡，如果阻挡，判断阻挡物是否被在当前检测Cell内，如果是，Cell可见；（注，当前设置两个高度检测）
5、 保存检测数据，运行时加载解析，根据玩家位置检测当前Portal，然后遍历场景所有Cell内Item，判断显示和隐藏；
总之：
此pvs方案相比于Unity OcclusionCulling，更适合大地图比如5000米x5000米，pvs生成data基于Tile，支持动态加载，占用内存忽略不计，同时CPU消耗也极少；

先看看没有使用Occlusion Culling裁剪算法之前，实现效果图如下所示：

应用了Occlusion Culling 算法后，看看效果如下所示：

通过上面两幅图的数据对比，可以看到Draw Call明显减少了，优化效果还是非常明显的，再看看另一种Occlusion Culling 算法实现的效果。

IOC算法

先把该算法能实现的功能给读者介绍一下：
1、实现建筑物的裁剪
2、粒子效应遮挡剔除
3、灯光遮挡剔除
4、完全支持实时阴影
5、完全支持动态批处理
6、支持移动设备上的密集场景处理

我们先看看对特效的遮挡剔除优化，在优化前的场景渲染，如下图所示：

优化后的遮挡剔除效果，如下图所示：

通过两幅图对比可以看到，Draw Call减少了一半多，当然我们还可以进一步去优化。

该算法对于密集型建筑同样好用，同样先展示一个没有使用任何裁剪算法的有密集物体的场景，Draw Call数量是非常大的。如下图所示：

经过我们的Occlusion Culling算法后的裁剪效果，如下图所示：

Draw Call数量对比也是非常明显的，还是有效果的。

总结：

以上给读者介绍了针对密集型建筑使用的解决方案，该方法在PC端，移动端都是适用的，最后把代码奉上，参考案例代码可以将其应用到自己的项目开发中。

代码下载地址：
链接：https://pan.baidu.com/s/1Uhp-eejG_7rA_hXz42cBVg 密码：5ehf

参考网址：
https://blogs.unity3d.com/cn/2018/01/12/unity-labs-autolod-experimenting-with-automatic-performance-improvements/