Hierarchical Z-Buffer Occlusion Culling到底该怎么做？
Hierarchical Z-Buffer Occlusion Culling做为GPU-Driven Rendering Pipelines中的重要一环，它肩负着遮挡剔除的重任，但是无论是大革命原文还是其他作者的分析，对于这块的解释都比较模糊。因此我想分享一下自己对Hierarchical Z-Buffer Occlusion Culling的理解，如果哪里有问题或者没有想到，真诚希望大家能够指出。言归正传，让我先从基于屏幕空间的遮挡剔除说起。
无论是CPU做遮挡剔除还是GPU做遮挡查询，核心的思想都是将包围体光栅化到屏幕空间，如果包围体覆盖的所有像素都被遮挡，那么就可以断言这个包围体被遮挡了。CPU做遮挡查询会占用大量CPU资源，这不符合GPU-Driven Rendering Pipelines的核心思想，而GPU做遮挡查询有两个问题，一是GPU遮挡查询会照成渲染流程的feedback，当然这个问题可以通过时间一致性解决，但是需要引入复杂的算法，二是GPU遮挡查询依然需要光栅化包围体，对GPU也会造成不小的压力。
Hierarchical Z-Buffer Occlusion Culling算法可以直接获得遮挡的结果，不需要等待GPU的feedback，而且也不需要光栅化包围体，它是使用GPU处理的，而且规避了GPU遮挡查询的两个问题，因此它成为了GPU-Driven Rendering Pipelines的主流遮挡剔除算法，但是它也有它的问题，这个我们稍后再说，先来看看Hierarchical Z-Buffer Occlusion Culling的算法。
准备Hierarchical Z-Buffer，首先我们需要获得一张深度图，这样深度图包含了遮挡体的深度信息，接下来我们需要进行降采样生成深度图的mipmap层级，这里和传统的mipmap区别是降采样生成的mipmap存储的是深度的最大值而不是平均值。
遮挡查询，基本思想是我们需要将被遮挡体的包围盒投影到屏幕空间，然后找到一个mipmap层级使其包围盒只覆盖2x2个像素。为什么要这么做呢？因为这样我们只需要比较4个像素的深度值就可以判断遮挡关系，如果包围盒覆盖更多的像素，我们就需要将其光栅化，找到所有覆盖的像素进行比较，也是因为这个设计让我们避免了光栅化的操作。这块我们可以这样理解，假如场景中有一面墙，这面墙挡住了一个立方体，那么当我们将相机拉远，墙和立方体占用的像素会越来越少，最后立方体只占了4个像素，但是立方体和墙的遮挡关系并没有发生变化。这里有个问题，既然是这样为什么我们不继续降采样让其像素变为1然后只需要比较一个像素的深度呢？这样做不是不行，但是这样做会更麻烦，如下图：
这个问题我们可以这样理解，极端情况下，包围盒的中心恰好在屏幕的正中心，那么它想被一个像素覆盖，只能是最高层级的LOD了(只有一个像素的LOD层)。这会降低遮挡剔除的命中率，让本应该被剔除的物体没有被剔除。
我们首先可以获得被遮挡体包围体的8个顶点信息，然后将其转化到屏幕空间，算出在屏幕空中uv方向的包围盒，根据Hierarchical Z-Buffer Level 0层的分辨率，我们可以算出包围盒在uv方向上覆盖了多少个像素，然后选择覆盖更多像素的方向计算出mipmap层级。用屏幕空间的包围盒的顶点做为uv坐标，在选中的mipmap层级采样获得深度值，如果这四个深度值都比被遮挡体的顶点的最小深度还要小，那么说明这个物体被遮挡了。还是想象一个墙挡住了立方体，相机拉远的时候，墙覆盖的像素会越来越少，但是深度值会越来越大，立方体覆盖的像素值也会越来越少，但是值始终是最小深度值。因此Hierarchical Z-Buffer Occlusion Culling是一个保守算法，它宁可少剔除也不愿意错误剔除。
理解了Hierarchical Z-Buffer Occlusion Culling接下来的内容是重点，我们在读大革命paper的时候会听到一个词洞，这个洞是什么？如果我没有理解错误的话，这个洞翻译的太差了。还是通过脑补，假设我们场景中只有一个面墙，在墙的后面有一个更大的建筑物，这个墙根本就挡不住这个建筑物。我们先生成Hierarchical Z-Buffer，因为场景中只有一个墙，先把墙的深度渲染进去。但是屏幕中还有很多像素没有被渲染，这些像素我们填充什么？如果填1可想而知很多物体会无法剔除，因为降采样会让高层的mipmap深度变为1。如果填写0那么就会出现错误剔除，比如上面脑补的情况，后面的建筑可能会选择很高的mipmap层级，而mipmap层级中的最大深度就是墙的深度，所以最后这个建筑物会被剔除。因此我理解论文中提到的洞，应该是没有深度信息的地方。如果Hierarchical Z-Buffer中有些像素没有被场景的深度值填写，就可能会出现错误的剔除，因为大革命选择默认值为0。
理解了这个后面的问题就简单了，Hierarchical Z-Buffer Occlusion Culling算法有两个问题需要处理，一是渲染Hierarchical Z-Buffer会造成性能损失，二是如果Hierarchical Z-Buffer中有些像素没有被深度填充，有可能会造成错误剔除，让我们看看大革命是怎么处理的。
先挑选最近的300个遮挡体做全屏分辨率渲染，这张图不仅可以用来做Hi-z还可以做Early-Z。为什么不直接用上一帧的深度图呢？第一，重映射的时候必然会存在有些像素不在相机中，导致深度图中出现了"洞"，我们可以使用这张图来补"洞"(实际上它们两个是互相补洞)。第二，如果相机移动过大，遮挡剔除效果会很差，所以需要更新当前帧的深度信息。
论文后面也给出了另外一个算法就是不渲染遮挡体，直接使用上帧的深度图，但是这样做剔除命中率不高还有错误剔除，因此还需要等深度信息更新后再重新做一遍剔除，找到错误剔除的物体，重新渲染，两种方法实际上都是在性能和解决洞的问题找平衡。
除了主相机需要遮挡剔除，shadow map的渲染也需要遮挡剔除，使用的方法和主相机类似，但是对于某些场景shadow map的遮挡剔除效果并不好，如下图：
上图中的三角形没有被遮挡剔除，但是实际上它们也不需要渲染到shadow map中，因为接收阴影的部分被遮挡了。我们需要根据主相机的遮挡关系来为shadow map推导出一张深度图，用来做遮挡剔除，剔除上面的三角形。
上图中的绿线就是我们所求的深度图。将主相机的深度图均分成等大的tile比如16*16个像素，然后选择最大的深度做为Z值，使用tile的四个顶点的x,y值，将其反推到相机空间，这样我们就在相机空间中获得了4个顶点，接下来在相机的近平面上沿着Z方向映射四个顶点这样我们就获得了一个长方体，将这个长方体变换到shadow map空间中进行渲染，深度图中保留最大深度，这样每一个tile就会变成一个长方体，每个长方体可以理解为shadow map的遮挡体，用这些遮挡提可以获得一张Hierarchical Z-Buffer用来做遮挡剔除。
Hierarchical Z-Buffer Occlusion Culling在实际项目中还是有很多坑需要填的，但是理解了背后的原理，了解了需要解决的问题，剩下的就是工作量的问题了。