大规模场景实时渲染在虚拟现实、地理信息系统、飞行模拟、城市规划和三维游戏等领域中具有非常广泛的应用，一直是人们的研究热点。 尽管图形处理器的性能相比过去有了飞速的发展，但还是不能满足大规模复杂场景实时渲染的需求。因此，必须设计出高效算法来进一步提高复杂场景的渲染速度。本文中主要针对当前渲染引擎存在的问题，提出一种高效的渲染算法。 该方法主要通过对整个场景的场景图进行树状组织和优化管理，然后利用三维场景的包围盒和场景剖分技术完成快速的视域剔除，从而达到优化管理整个复杂场景的目的，大大提高了实时渲染的速率。

邻域搜索，K邻域获取，法矢量计算、八叉树点云压缩 邻域搜索，K邻域获取，法矢量计算、八叉树点云压缩 邻域搜索，K邻域获取，法矢量计算、八叉树点云压缩 邻域搜索，K邻域获取，法矢量计算、八叉树点云压缩

文件包含八叉树构建算法； 用100万个点测试，构建效率高； 代码里面还有关于八叉树的相关操作函数； 欢迎广大爱好者使用交流。

PCL的VoxelGrid类和ApproximateVoxelGrid类实现基于体素的滤波方法对点云进行下采样，八叉树同样也是建立体素，因此基于八叉树的体素同样可以对点云进行下采样。PCL中有现成函数可实现求解八叉树体素中心，所以最简单的方法就是用八叉树的体素中心点来代替每一个体素内的点，从而实现点云的下采样。 注意：这种方法与ApproximateVoxelGrid基本相同，都是以中心点代替体素内的点。惟一的区别是：ApproximateVoxelGrid可以自由设置体素的长宽高，而八叉树只能是构建正方体的体素。   代码中也实现了对八叉树体素滤波的改进，即用距离体素中心点最近的点来代替

利用计算机断层扫描技术获取了泡沫镍的重建结构，将蒙特卡罗法与八叉树算法结合进行泡沫镍孔尺度辐射传递建模，分析了八叉树算法对辐射传递计算的加速作用。结果表明，采用八叉树算法的辐射特性计算值与未采用时相比，最大相对误差小于1‰。在最优空间深度范围内，空间深度越大和模型面元越多，计算的加速效果越明显。

稀疏八度 一种基于指针的稀疏八叉树数据结构。 有关线性实现，请参见 。 ·· 安装 该库需要对等依赖关系 。 npm install math-ds sparse-octree 用法 点数 import { Vector3 } from "math-ds" ; import { PointOctree } from "sparse-octree" ; const min = new Vector3 ( - 1 , - 1 , - 1 ) ; const max = new Vector3 ( 1 , 1 , 1 ) ; const octree = new PointOctree ( min , max ) ; const myData = { } ; const p1 = new Vector3 ( 0 , 0 , 0 ) ; const p2 = new Vector3 ( 0 , 0 , 0.5 ) ; octree . insert ( p1 , myData ) ; octree . move ( p1 , p2 ) ; octree . get ( p2 ) ; //

编译好的OMPL库-全套-能够在VS2017上直接用，include和lib都有，最后的DLL文件也有，自行添加 OMPL库，用于运动规划学习使用。

基于八叉树编码的点云数据精简方法，对八叉树优势做了分析

邻域搜索，K邻域获取，法矢量计算、八叉树点云压缩

八叉树Demo - Unity下 ， 基于四叉树的修改 https://blog.csdn.net/u010019717/article/details/80789271