矿山可视化难题攻克：体元栅格渲染与查询优化

最新推荐文章于 2026-08-20 11:11:42 发布

原创最新推荐文章于 2026-08-20 11:11:42 发布 · 224 阅读

2 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

随着矿山行业数字化转型的深入，还原矿体品位（物质含量）的三维可视化尤为关键，而关于展示矿体品位（物质含量）的内容，一般来说都用体元栅格（块段模型）的方式展示数据。

为了真实还原地质勘探中的体元栅格（块段模型），我们需要在虚幻引擎（UE）中重现上千万级离散单元的细节。然而，这面临着显著的技术挑战：UE原生架构基于网格（Mesh）与材质体系，缺乏原生的“体素（Voxel）”数据概念。

本文中我们将讨论，如何将海量的地质块段数据高效映射为UE可渲染的视觉实体，同时保持品位信息的准确传达，使孪生项目支撑矿体空间分布分析。

技术挑战

为了重现体元栅格，我们需要在UE中以批量立方体模型渲染。分析业务需求，我们需要按照四类能力进行展开：

大规模显示：支持千万级块段数据加载、索引和可视化表达。
属性映射：根据品位、矿石类型或者其他地质属性，对块段进行颜色映射。
剖切查看：支持平面、轴向或区域范围查看内部块段分布。
拾取查询：支持可视化场景中点击块段，并返回对应属性。

首先摆在我们面前的问题就是大批量的体素渲染问题，一般来说在UE中拥有如下两种思路来实现需求：

Instanced Static Mesh（ISM）渲染

实例化静态网格体（Instanced Static Mesh，ISM）是UE中用于渲染大批量模型的组件，通过“一次绘制，多次复用”机制，仅需一次指令即可批量渲染大量结构相同但变换各异的物体，可以极大程度减轻CPU 负担。

然而，实例化静态网格体并非无代价的。当实例数量达到百万级甚至千万级时，即便几何数据被复用，引擎仍需为每一个独立实例维护变换矩阵与物理状态。若开启碰撞检测，物理引擎对海量离散碰撞体的管理与查询将产生巨大的计算开销。

Niagara GPU粒子渲染

Niagara是UE中的特效模块，他除了可以渲染sprite、ribbon等常见特效元素外，还可以渲染mesh元素，同时在大批量渲染元素时可以启动GPU模式，相对于CPU渲染模型提供更优秀的性能。

然而，Niagara 网格体渲染同样并非全能的解决方案。由于其核心机制是将海量实例作为纯视觉粒子在 GPU 端并行处理，这些实例在引擎层面并不被视为独立的场景对象，导致它们天然缺乏原生的碰撞体积与输入响应句柄，使得实现如鼠标点击选中单个物体等交互功能变得异常困难。

方案对比

为量化评估实例化静态网格体（ISM）与 Niagara 粒子系统在大规模体素渲染场景下的性能差异，我们构建了一套基于模拟数据的基准测试流程。该方案通过程序化遍历生成包含 N__ 个离散坐标的稀疏体素数据集还原真实的海量网格分布特征，然后测试对比两种方案性能，为后续海量体素渲染的技术选型提供极具价值的初步参考依据。

测试证实，Niagara 在渲染大量模型的性能显著优于 ISM。

然而，该方案仍面临两大挑战：

一是Nigara粒子在GPU渲染的模式下，单个粒子发射器引擎中最多只能渲染200w个粒子。

二是Niagara本身并不支持碰撞的操作，我们需要自定义查询点击到的粒子逻辑。

实践方案

渲染体素颜色表现品味

首先我们先讨论如何将每个Niagara的粒子表现矿体品位（物质含量），很显然通过不同粒子根据含量深度来渲染不同的颜色，是最直观的方式。

实现思路也并不复杂，首先我们在材质中通过DynamicParameter的节点设置材质颜色，然后只需要在Niagara中实现自定义模块，根据粒子ID动态设置DynamicParameter的值即可。需要注意的是，为了后续调整方便，尽量结合颜色曲线的方式来设置材质颜色。

千万级数据预处理

由于我们最终需要面临的是千万级别的数据查询，所以在启动核心渲染与计算逻辑之前，我们必须对原始体素数据进行预处理，将其转化为适配GPU并行计算与CPU快速访问的最优形态，为后续的逻辑搭建好地基，确保最终功能可以流畅运行。

分块网格策略对三维空间进行逻辑剖分，首先求解体素的空间边界，并预定义单个体素的几何尺寸，以此确定x、y、z三个维度上可容纳的最大体素数量。随后，对每个体素的空间坐标进行映射计算，得到其在x、y、z维度上的网格编号，最终将三维体素索引一维化存储至数组中，一维索引计算公式如下：
Index=Nx*Ny*N。

其中Nx、Ny、Nz分别为当前体素在x、y、z维度上的网格编号。

经过如上调整，便于我们我们后续快速查询出外壳数据、剖面数据、查询点击的数据。

渲染性能优化

在前文中我们提到，一个Niagara发射器最多只能渲染200w的粒子，为了最终渲染千万级别的粒子，我们必须要换一种思路来实现功能。

在体元栅格渲染中，用户只能观察到外层表面，内部实心体素被完全遮挡。只有当用户进行剖切操作的时候，才可以观察到内部体素。因此，我们可以采用“外表面体素提取”的方式：在预处理阶段，通过邻域检测识别出所有至少有一个面暴露于空间的体素，并仅对这些“外表面体素”进行网格实例化，直接剔除内部不可见体素的渲染提交。

得益于前文定义的分块网格数据结构，这一过程变得极为高效：我们无需进行全局复杂的几何分析，只需在局部网格内线性扫描，检查每个体素与其相邻六个方向的状态。若邻域为空，则该体素被标记为表面。这种基于局部邻域的判定逻辑，充分利用了内存的连续性，将原本高昂的全局检测成本转化为高效的线性遍历。

至于如何将在剖切情况下展示内部的体素，后文中将会分享。

构建剖面

当我们进行实时剖切来查看内部体素数据时，用户实际上也只能观察到外壳+剖面的数据，所以也只需要渲染这部分数据即可。

除此之外，实时剖切的执行策略也是一个值得探讨的内容，实时剖切过程可拆解为“外壳动态裁剪”与“剖面实时生成”两个部分。这涉及到了大量粒子的位置更新和大量粒子的创建、销毁。这里我们可以采取“动静分离”策略，将大部分逻辑转换至GPU计算，从而优化批量数据更新的性能表现。

外壳部分（静）：初始化时生成完整外壳体素，并在渲染粒子的材质中实现利用不透明遮罩动态裁切粒子的逻辑。在剖切交互中，通过动态调整粒子材质的参数，实现视觉层面上的剖面裁切，无需CPU介入修改Niagara数据。

剖面部分（动）：而在剖面上，得益于前文定义的分块网格数据结构，剖切的时候我们可以计算与剖面相切的“行 - 列 - 层”，只需根据剖切平面的法线与位置，快速定位受影响的特定“行 - 列 - 层”索引范围。避免大量循环遍历判断的逻辑，仅依靠Get获取数组中的元素，即可高效提取相交体素数据并生成对应的Niagara粒子。
这种方案将大量的逐帧剔除运算转移至GPU，CPU仅需处理少量的剖面增量数据，从而以极低的算力代价实现流畅的剖切效果。同时，使外壳粒子+剖面粒子的数量控制在200w内，用最低的消耗模拟呈现千万级体素的效果。

Niagara 点击交互

鉴于 Niagara 粒子系统原生缺乏物理碰撞组件与输入事件响应机制，我们构建了一套基于“射线投射 + 离散遍历”的轻量级自定义拾取逻辑。该方案首先将鼠标屏幕坐标反投影，精准构建包含起点与方向向量的世界空间检测射线；随后，依托体素网格规则的数学特性，采用 3D DDA（数字微分分析器） 算法执行高效的空间遍历：算法先计算射线与模型整体包围盒（AABB）的交点以确定入口，进而沿射线方向进行整数步进。

得益于前文定义的分块网格架构，遍历过程实现了两级加速——若射线穿过的“块”被标记为空，则直接跳过整个块的范围；若块有效，则仅在块内执行精细的体素步进，一旦命中首个非空体素即刻终止并取出对应数据。

利用这种方案，我们在避免大量循环、保证千万级体素的情况下，流畅查询体素数据。