1. 项目概述为什么Unity点云处理值得深挖最近在做一个三维重建相关的项目需要把海量的激光雷达扫描数据也就是点云导入到Unity里进行可视化、分析和交互。一开始我以为这事儿很简单不就是把一堆XYZ坐标扔进去画出来嘛。结果真上手才发现从文件解析、内存管理、到实时渲染和交互每一步都是坑。市面上现成的点云插件要么功能不全要么性能拉胯要么文档写得跟天书一样。折腾了好几周踩了无数坑总算把一套相对高效、稳定的处理流程跑通了。今天就把这些实战中积累的技巧和心得整理出来希望能帮到同样在Unity里折腾三维数据的你。点云数据在自动驾驶、数字孪生、文化遗产保护、工业检测等领域应用越来越广。它的核心价值在于能高精度地还原真实世界的三维几何信息。但动辄几百万甚至上亿个点的数据量对任何实时渲染引擎都是巨大的挑战。Unity作为主流的实时3D内容创作平台其传统的网格Mesh渲染管线并不是为处理这种“离散点”数据而设计的。因此如何高效地将点云数据“嫁接”到Unity中并实现流畅的可视化与交互就成了一个非常实际的技术课题。这不仅仅是画个点那么简单它涉及到数据格式转换、GPU驱动渲染、大规模数据调度、以及特定领域算法如配准、分割的集成等一系列问题。2. 核心思路与插件选型不走弯路的决策逻辑面对点云处理摆在面前的路大概有三条自己从头造轮子、用开源库整合、或者寻找成熟的商业/免费插件。我的建议是除非你的需求极其特殊或者你有大把时间和深厚的图形学功底否则优先考虑基于现有插件进行二次开发。2.1 主流Unity点云插件横向对比在深入折腾之前我花了些时间把市面上能找到的、还在维护的Unity点云插件都试了一遍。下面这个表格是我的个人评测总结你可以快速了解各自的优劣。插件名称 (Asset Store)核心优势主要短板适用场景Pcx (Point Cloud Importer)轻量、免费、开源、支持.ply,.xyz等格式集成简单。功能单一仅基础可视化无高级功能如着色、LOD性能一般大数据易卡顿。快速原型验证小规模点云100万点的简单展示。Runtime Point Cloud Renderer渲染效率较高支持基于八叉树的LOD能处理较大规模数据。商业插件需付费自定义和扩展需要一定学习成本对特定文件格式支持可能需自行适配。中大规模点云百万至千万级的实时可视化项目。Potree for Unity源自著名的Web点云库Potree支持海量点云亿级的流式加载和渲染LOD机制成熟。配置复杂需要将点云预处理为Potree格式资源占用较高社区版功能可能有限。超大规模点云如城市、地形的Web或桌面端展示。自定义方案 (Compute Shader GPU Instancing)极限性能完全可控可深度定制渲染效果如按强度、分类着色。开发门槛极高需要熟悉Compute Shader、Graphics.DrawMeshInstancedIndirect等底层API耗时巨大。对性能和渲染效果有极致要求的专业应用如仿真训练、高级分析工具。注意插件的生态变化很快购买前务必查看其最近更新日期和用户评价并下载免费试用版进行性能测试。2.2 我的选型决策为什么最终选择了“组合拳”经过对比我发现没有一个插件能完美满足我“高效处理灵活分析”的需求。Pcx太弱Potree太重Runtime Point Cloud Renderer不错但扩展性存疑。因此我决定采用一种混合架构基础渲染层采用经过深度优化的Pcx作为基础。因为它开源我可以毫无顾忌地修改其核心渲染代码。我的主要优化方向是将其从简单的Mesh顶点渲染改造为使用Graphics.DrawProcedural配合Compute Buffer的方式将点数据直接送入GPU省去了昂贵的Mesh构建开销。数据管理层引入一个自定义的八叉树Octree系统。这个系统不负责渲染只负责数据调度。当点云加载后系统会异步构建八叉树根据摄像机位置动态决定哪些节点需要被渲染或卸载并管理不同层级的细节LOD。功能扩展层基于上述两层用C#脚本实现点云配准ICP算法、框选分割、距离量测、按属性强度、回波数着色等业务功能。这个方案的优点是平衡了性能、灵活性和开发效率。用Pcx快速搭起架子用自定义系统解决性能瓶颈再在上面垒业务逻辑。它可能不是最快的但绝对是可控、可维护且能满足复杂需求的。3. 实战核心改造Pcx插件实现GPU驱动渲染原版的Pcx插件原理是为每个点生成一个微小的四边形面片Billboard然后合并成一个巨大的Mesh。当点数量超过百万这个Mesh的顶点数会爆棚Draw Call虽然只有一个但GPU变换这些顶点的压力巨大帧率会急剧下降。3.1 改造原理从CPU顶点数据到GPU计算缓冲区我们的目标是绕过Mesh让Shader直接读取点云数据。这里的关键是ComputeShader和ComputeBuffer。ComputeBuffer在GPU上开辟的一块缓冲区用于存储结构化数据比如我们的点包含位置、颜色等信息。我们可以把整个点云数组一次性上传到这个缓冲区。ComputeShader一种在GPU上运行的程序可以并行地对ComputeBuffer中的数据进行处理。我们可以用它来执行视锥体剔除、LOD选择等原本在CPU上很耗时的操作。Graphics.DrawProcedural这是一个“无Mesh”绘制指令。它告诉GPU“按照我给的Shader和ComputeBuffer里的数据直接画出来。” 具体画什么点、线、三角形由几何着色器Geometry Shader或顶点/片元着色器定义。这样数据流就从CPU数组 - Mesh顶点 - GPU变成了CPU数组 - ComputeBuffer - GPU(Compute Shader处理) - GPU(渲染管线)省去了中间商Mesh的差价。3.2 详细实现步骤假设我们有一个PointCloudData类存储了Vector3[] positions和Color[] colors。步骤1创建并填充ComputeBufferusing UnityEngine; using System.Collections.Generic; public class GPUPointCloudRenderer : MonoBehaviour { public PointCloudData pointCloudData; // 你的点云数据类 public Material pointMaterial; // 自定义的点渲染材质 public ComputeShader cullingComputeShader; // 用于剔除的Compute Shader private ComputeBuffer _pointBuffer; private ComputeBuffer _argsBuffer; private uint[] _args new uint[5] { 0, 0, 0, 0, 0 }; private Bounds _bounds; // 点云的包围盒 void Start() { InitializeBuffers(); } void InitializeBuffers() { int pointCount pointCloudData.positions.Length; // 定义缓冲区中每个元素的结构位置(float3) 颜色(float4) int stride (3 4) * sizeof(float); // 3个float表示位置4个float表示颜色 _pointBuffer new ComputeBuffer(pointCount, stride); // 将数据打包到一个Vector4数组中以提高上传效率可选优化 Vector4[] pointData new Vector4[pointCount * 2]; // 每个点用两个Vector4存储 for (int i 0; i pointCount; i) { pointData[i*2] new Vector4(pointCloudData.positions[i].x, pointCloudData.positions[i].y, pointCloudData.positions[i].z, 1.0f); pointData[i*2 1] new Vector4(pointCloudData.colors[i].r, pointCloudData.colors[i].g, pointCloudData.colors[i].b, pointCloudData.colors[i].a); } _pointBuffer.SetData(pointData); // 设置材质的缓冲区 pointMaterial.SetBuffer(_PointBuffer, _pointBuffer); // 初始化间接绘制参数缓冲区 _argsBuffer new ComputeBuffer(1, _args.Length * sizeof(uint), ComputeBufferType.IndirectArguments); _args[0] 6; // 每个点渲染为两个三角形一个四边形共6个顶点 _args[1] (uint)pointCount; // 实例数量 点的数量 _argsBuffer.SetData(_args); // 计算包围盒 CalculateBounds(); } void CalculateBounds(){ /* 计算点云最小/最大值形成包围盒 */ } }步骤2编写用于剔除和渲染的Compute Shader这个Compute Shader的核心任务是根据摄像机视锥体输出一个需要渲染的点的索引列表。// Culling.compute #pragma kernel CSMain StructuredBufferfloat3 _Positions; // 输入所有点的位置 AppendStructuredBufferuint _VisibleIndexBuffer; // 输出可见点的索引 float4x4 _ViewProjMatrix; // 视图投影矩阵 float _PointSize; [numthreads(64, 1, 1)] void CSMain (uint3 id : SV_DispatchThreadID) { uint pointIndex id.x; float3 pos _Positions[pointIndex]; // 简单的视锥体剔除这里简化了实际可用更精确方法 float4 clipPos mul(_ViewProjMatrix, float4(pos, 1.0)); if (clipPos.x -clipPos.w clipPos.x clipPos.w clipPos.y -clipPos.w clipPos.y clipPos.w clipPos.z 0 clipPos.z clipPos.w) // 在视锥体内 { _VisibleIndexBuffer.Append(pointIndex); } }步骤3编写渲染用的Shader这个Shader接收经过剔除的索引缓冲区并渲染每个点为屏幕对齐的四边形。// PointCloud.shader Shader Custom/PointCloudGPU { Properties { _PointSize (Point Size, Range(0.001, 0.1)) 0.01 _Color (Color, Color) (1,1,1,1) } SubShader { Tags { RenderTypeOpaque } LOD 100 Pass { CGPROGRAM #pragma vertex vert #pragma geometry geom #pragma fragment frag #pragma target 4.0 // 支持几何着色器 #include UnityCG.cginc struct PointData { float3 position; float4 color; }; StructuredBufferPointData _PointBuffer; StructuredBufferuint _VisibleIndexBuffer; // 来自Compute Shader的可见点列表 float _PointSize; struct v2g { float4 pos : SV_POSITION; float4 color : COLOR; }; struct g2f { float4 pos : SV_POSITION; float4 color : COLOR; }; v2g vert (uint vertex_id : SV_VertexID, uint instance_id : SV_InstanceID) { v2g o; // 通过可见索引缓冲区获取实际点数据 uint pointIndex _VisibleIndexBuffer[instance_id]; PointData p _PointBuffer[pointIndex]; o.pos float4(p.position, 1.0); o.color p.color; return o; } [maxvertexcount(4)] void geom (point v2g input[1], inout TriangleStreamg2f outStream) { // 几何着色器将每个点扩展为屏幕对齐的四边形 float3 cameraUp float3(0, 1, 0); // 简化实际应用需计算正确的相机向量 float3 cameraRight float3(1, 0, 0); float halfSize _PointSize * 0.5; float4 centerPos UnityObjectToClipPos(input[0].pos); g2f v; v.color input[0].color; v.pos centerPos float4(-halfSize, -halfSize, 0, 0) * float4(cameraRight, 0) float4(-halfSize, -halfSize, 0, 0) * float4(cameraUp, 0); outStream.Append(v); v.pos centerPos float4( halfSize, -halfSize, 0, 0) * float4(cameraRight, 0) float4( halfSize, -halfSize, 0, 0) * float4(cameraUp, 0); outStream.Append(v); v.pos centerPos float4(-halfSize, halfSize, 0, 0) * float4(cameraRight, 0) float4(-halfSize, halfSize, 0, 0) * float4(cameraUp, 0); outStream.Append(v); v.pos centerPos float4( halfSize, halfSize, 0, 0) * float4(cameraRight, 0) float4( halfSize, halfSize, 0, 0) * float4(cameraUp, 0); outStream.Append(v); outStream.RestartStrip(); } fixed4 frag (g2f i) : SV_Target { return i.color; // 直接返回点颜色 } ENDCG } } }步骤4在Update中调度计算与绘制void Update() { // 1. 执行Compute Shader进行剔除 int kernel cullingComputeShader.FindKernel(CSMain); ComputeBuffer visibleIndexBuffer new ComputeBuffer(maxPointCount, sizeof(uint), ComputeBufferType.Append); visibleIndexBuffer.SetCounterValue(0); cullingComputeShader.SetBuffer(kernel, _Positions, _positionBuffer); // 单独的位置缓冲区 cullingComputeShader.SetBuffer(kernel, _VisibleIndexBuffer, visibleIndexBuffer); cullingComputeShader.SetMatrix(_ViewProjMatrix, Camera.main.projectionMatrix * Camera.main.worldToCameraMatrix); int threadGroups Mathf.CeilToInt(pointCloudData.positions.Length / 64.0f); cullingComputeShader.Dispatch(kernel, threadGroups, 1, 1); // 2. 将可见点数量拷贝到参数缓冲区 ComputeBuffer.CopyCount(visibleIndexBuffer, _argsBuffer, sizeof(uint)); // 3. 设置材质参数并执行间接绘制 pointMaterial.SetBuffer(_VisibleIndexBuffer, visibleIndexBuffer); pointMaterial.SetFloat(_PointSize, 0.005f * Camera.main.orthographicSize); // 点大小随视角调整 Graphics.DrawProceduralIndirect(pointMaterial, _bounds, MeshTopology.Triangles, _argsBuffer, 0); // 4. 释放临时缓冲区每帧 visibleIndexBuffer.Release(); }实操心得这一步改造是性能提升的关键但也是调试的噩梦。一个常见的坑是ComputeBuffer的stride步长计算错误导致Shader读取数据错位画面会变成一团乱码。务必确保CPU端的数据结构与GPU端Shader中定义的结构体完全匹配。另外几何着色器Geometry Shader的性能开销需要留意在移动平台或点极密时可以考虑用更高效的方案比如在顶点着色器里直接输出四边形需要开启GL.PROGRAM_POINT_SIZE并在片元着色器里画圆。4. 大规模点云动态调度与LOD实现当点云数据达到千万甚至上亿级别时即使GPU渲染扛得住内存也吃不消必须进行动态调度。这里我实现了一个简化的八叉树LOD系统。4.1 八叉树节点设计与构建每个八叉树节点需要存储包围盒Bounds、点数据索引列表或子节点、当前细节层级LOD Level。public class OctreeNode { public Bounds Bounds; public Listint PointIndices; // 存储落在该节点内的点在全局数组中的索引 public OctreeNode[] Children; public int LodLevel; public bool IsLeaf; // 构建节点递归地将点分配到子节点中直到节点内点数少于阈值或达到最大深度 public void Build(Vector3[] points, int startIndex, int length, int maxDepth, int maxPointsPerNode, int currentDepth) { LodLevel currentDepth; if (length maxPointsPerNode || currentDepth maxDepth) { IsLeaf true; // 存储索引... return; } // 否则创建8个子节点并递归分配点... IsLeaf false; Children new OctreeNode[8]; // ... 分配逻辑 } }构建过程是离线的可以在数据导入时在后台线程进行避免卡住主线程。4.2 基于视点的动态选择算法在每帧渲染前根据摄像机位置遍历八叉树决定哪些节点需要渲染。选择策略基于一个简单的“屏幕空间误差”估算计算节点包围盒在屏幕上的近似像素大小。如果像素大小小于某个阈值比如2个像素并且该节点不是叶子节点则尝试渲染其子节点更高细节。如果像素大小大于阈值或者该节点是叶子节点则渲染该节点本身。同时根据节点与摄像机的距离可以引入一个强制细化距离确保近处的物体总是以最高细节渲染。void TraverseAndSelect(OctreeNode node, Camera cam, ListOctreeNode nodesToRender) { float screenSize CalculateScreenSpaceSize(node.Bounds, cam); float distance Vector3.Distance(cam.transform.position, node.Bounds.center); bool shouldRefine screenSize _detailThreshold distance _forceRefineDistance; if (shouldRefine !node.IsLeaf) { foreach (var child in node.Children) { if (child ! null) TraverseAndSelect(child, cam, nodesToRender); } } else { // 选择渲染此节点 nodesToRender.Add(node); } }被选中的节点列表nodesToRender会传递给渲染模块。渲染模块需要为每个节点准备一个独立的ComputeBuffer或一个大缓冲区的不同区段和绘制参数。4.3 异步加载与卸载对于超大规模点云如Potree格式节点数据可能存储在磁盘上。我们需要一个资源管理系统加载队列将需要渲染但数据未在内存中的节点加入加载队列由后台线程或UnityWebRequest异步加载。卸载策略采用LRU最近最少使用策略。当内存超过阈值时卸载那些最近未被选中渲染的节点数据。缓存池复用ComputeBuffer对象避免频繁创建销毁带来的GC垃圾回收压力。注意事项动态调度逻辑本身不能太耗时。如果每帧遍历整棵树代价太高可以考虑将八叉树构建成一颗BVH包围体层次结构并使用空间数据结构如四叉树、网格来加速视锥体剔除和LOD选择。此外异步加载要处理好资源依赖和线程安全避免在渲染中途数据被卸载或修改。5. 高级功能集成配准、分割与交互基础渲染搞定后就可以在上面添加业务功能了。这些功能通常需要在CPU端进行大量计算如何与GPU渲染高效结合是关键。5.1 点云配准ICP算法的Unity实现迭代最近点ICP算法用于将两个点云对齐。在Unity中实现需要注意性能。数据采样不要用全量数据计算。对源点云和目标点云进行体素网格下采样能极大减少点数加速最近邻搜索。// 简单的体素下采样 DictionaryVector3Int, ListVector3 voxelGrid new DictionaryVector3Int, ListVector3(); float voxelSize 0.1f; foreach (Vector3 point in sourcePoints) { Vector3Int voxel new Vector3Int(Mathf.FloorToInt(point.x / voxelSize), ...); if (!voxelGrid.ContainsKey(voxel)) voxelGrid[voxel] new ListVector3(); voxelGrid[voxel].Add(point); } ListVector3 downsampled new ListVector3(); foreach (var kv in voxelGrid) { downsampled.Add(CalculateCentroid(kv.Value)); // 取体素内点的质心 }最近邻搜索这是ICP最耗时的部分。对于下采样后的数据可以使用空间加速结构如KD-Tree。Unity中没有内置KD-Tree但可以集成第三方库如KdTreefromUnity.Collections或MathNet.Numerics或者自己实现一个简单的版本。矩阵计算与迭代使用Matrix4x4进行变换矩阵的计算和复合。迭代终止条件可以设置为均方误差MSE变化小于阈值或达到最大迭代次数。结果应用计算出的最终变换矩阵可以直接应用到渲染点云的GameObject的transform上或者更新其ComputeBuffer中的点位置数据。踩坑记录ICP对初始位置很敏感。如果两个点云初始偏差太大很容易陷入局部最优。实践中通常会先做一个粗配准比如手动选取3-4个对应点进行初始对齐或者使用特征匹配如FPFH算法然后再用ICP精修。这些高级特征算法在Unity中实现较复杂有时需要借助外部库如PCL的C#封装或服务器端计算。5.2 交互式点云分割与量测这是体现项目价值的核心交互功能。框选分割在屏幕上拖动鼠标生成一个3D视锥体或3D包围盒需要将2D屏幕坐标反算到世界空间。利用八叉树进行快速空间查询找到所有与该3D区域相交的叶子节点。对这些节点内的点在CPU端或通过Compute Shader进行精确的点与包围盒的包含性检测。将选中的点索引存储起来并在Shader中通过另一个ComputeBuffer如_SelectedIndexBuffer传递选中状态实现高亮渲染如改变颜色或放大。距离/面积量测用户在点云上点击选取测量点。这里涉及鼠标点击到点云的碰撞检测。一个高效的方法是使用深度纹理Depth Texture和GPU拾取。在渲染点云的Shader中将每个点的世界坐标写入到一张额外的RenderTexture作为ID Map。鼠标点击时从该纹理中读取对应像素的值即可得到被点击点的唯一ID或直接是世界坐标。获取到一系列3D坐标后计算距离两点间直线或面积多边形投影到局部平面再计算就很简单了。// 简化的GPU拾取思路 public class PointCloudPicker : MonoBehaviour { public GPUPointCloudRenderer cloudRenderer; public Camera viewCamera; private RenderTexture _idTexture; private Material _idRenderMaterial; // 一个专门输出点ID的Shader void OnEnable() { _idTexture new RenderTexture(Screen.width, Screen.height, 24, RenderTextureFormat.ARGBFloat); // 配置idRenderMaterial... } void Update() { if (Input.GetMouseButtonDown(0)) { // 1. 用ID渲染材质将点云画到_idTexture Graphics.SetRenderTarget(_idTexture); // ... 使用特殊的Pass绘制输出点索引到颜色缓冲区 Graphics.ExecuteCommandBuffer(...); // 2. 读取鼠标位置像素 Texture2D tex new Texture2D(1, 1, TextureFormat.RGBAFloat, false); RenderTexture.active _idTexture; tex.ReadPixels(new Rect(Input.mousePosition.x, Input.mousePosition.y, 1, 1), 0, 0); tex.Apply(); Color pixel tex.GetPixel(0, 0); // 3. 从颜色值解码出点索引或世界坐标 int pointIndex DecodeIndexFromColor(pixel); if (pointIndex 0) { Vector3 worldPos cloudRenderer.GetPointWorldPosition(pointIndex); Debug.Log($Picked point at: {worldPos}); } } } }6. 性能优化与疑难问题排查即使采用了上述架构在真机运行或处理超大数据时仍可能遇到性能瓶颈。以下是一些关键的优化点和排查思路。6.1 CPU端性能瓶颈排查Profile工具是王道永远信任Unity Profiler。重点关注CPU UsageGraphics.DrawProceduralIndirect的调用开销、八叉树遍历逻辑、任何Update中的复杂计算。GPU Usage顶点着色器特别是几何着色器、片元着色器的耗时。MemoryComputeBuffer占用的Graphics Memory以及托管内存中大型数组的占用。减少每帧计算不是所有东西都需要每帧更新。例如八叉树的LOD选择可以每N帧如5帧执行一次或者仅在摄像机移动幅度超过阈值时触发。善用Job System与Burst Compiler对于点云下采样、KD-Tree搜索、甚至是简单的矩阵变换可以尝试用C# Job System配合Burst Compiler进行并行化加速能获得接近C的性能。using Unity.Burst; using Unity.Collections; using Unity.Jobs; using Unity.Mathematics; [BurstCompile] public struct TransformPointsJob : IJobParallelFor { public NativeArrayfloat3 positions; public float4x4 matrix; public void Execute(int index) { positions[index] math.mul(matrix, new float4(positions[index], 1.0f)).xyz; } }6.2 GPU端性能瓶颈与优化Overdraw过度绘制点云中大量点可能重叠。在Shader中可以通过开启深度测试ZTest LEqual和写入ZWrite On来缓解。但对于非常密的点这可能导致近处点完全遮挡远处点。一个折中方案是使用Alpha Blending并设置合适的点大小但这会显著增加渲染开销。需要根据场景权衡。带宽限制每帧将巨大的ComputeBuffer从CPU传到GPU是瓶颈。确保数据是只读的ComputeBufferType.Default并且一旦上传除非必要如点云变形否则不再更新。几何着色器开销如前所述用几何着色器生成四边形有开销。对于固定大小的点可以尝试在顶点着色器中直接输出点并在片元着色器中画圆利用GL.PROGRAM_POINT_SIZE和discard指令但这在Metal等图形API上支持度可能不同。6.3 常见问题与解决方案速查表问题现象可能原因排查与解决思路点云完全不显示Shader编译错误ComputeBuffer未绑定裁剪面设置不当。1. 检查Unity Console是否有Shader错误。2. 在Frame Debugger中查看绘制命令检查材质参数和缓冲区是否设置。3. 检查摄像机远裁剪面是否足够大。点云显示为杂乱色块ComputeBuffer的stride步长计算错误导致Shader读取数据错位。确保CPU端ComputeBuffer构造函数中的stride与Shader中结构化缓冲区内元素的大小完全一致。仔细核对float,float3,float4的字节数。帧率随点数增加线性下降仍在使用Mesh渲染或GPU渲染管线存在瓶颈如几何着色器。1. 确认已使用DrawProceduralIndirect。2. 在Profiler的GPU模块查看最耗时的阶段。3. 尝试减小点大小或禁用几何着色器改用其他渲染方式测试。移动端发热严重帧率低填充率过高点太大/太密GPU计算负载过重。1. 大幅降低点大小。2. 启用更激进的LOD远处点用更稀疏的节点渲染。3. 考虑使用ETC2/ASTC等压缩纹理来存储点颜色如果颜色数据是纹理。4. 简化Shader减少计算。交互如点击响应延迟或不准GPU拾取方案中ID纹理的读取ReadPixels是阻塞操作非常慢。1. 将拾取操作放在每帧末尾或隔帧执行。2. 考虑降级方案用射线与八叉树进行粗略碰撞检测再在候选节点内进行精确CPU计算。虽然精度稍差但响应更快。内存占用过高点云原始数据、多个ComputeBuffer副本、八叉树节点数据共同导致。1. 使用NativeArray管理原始数据减少托管内存开销。2. 确保不必要的缓冲区及时Release()。3. 对于不可修改的数据考虑使用GraphicsBuffer的GPUMemory模式。4. 实现更积极的数据卸载策略。最后分享一个我个人的深刻体会在Unity中处理三维数据数据流的设计比算法本身更重要。从一开始就要想清楚数据从哪里来文件、网络、以什么形式存在结构体、NativeArray、如何在CPU和GPU之间流动、如何被管理和释放。建立一个清晰、高效的数据管道后续添加任何高级功能都会事半功倍。反之如果早期图省事把所有点数据都放在一个ListVector3里等到性能扛不住时再重构那代价就太大了。先从正确的架构开始哪怕初期代码量多一点长远来看绝对是值得的。