八叉树算法用于最近邻搜索

Question

问题陈述：使用八叉树找到每个粒子最近的 GRID ID。

图[1]：

图[2]：

我有一个粒子系统（~6k，可移动），我需要检查哪个网格点（刚性；在图片中）最接近。有人建议我选择 Octree，因为它对于 3D 网格来说速度很快。

这是递归八叉树获取网格最近网格点的正确算法吗？

1. 获取一个输入作为点 P 起始坐标 C（第一次是 [0,0,0]）
2. 起始尺寸 = [Sx, Sy, Sz]
3. 获取所有 8 个中点 Mi = {M1,..,M8} 得到 Mi 和 P 的最小距离

4. 说 M 得到 M 的起始位置为 Cn 设置大小 Sn = [Sx/8, Sy/8, Sz/8]

5. 如果 M 和 P 的距离小于 2 * (Grid Space G)：

   5.1。迭代从Cn到Sn的所有网格点

   5.2。打印最少作为结果

6. 其他

   6.1。设置起始坐标为Cn

   6.2。设置大小为 Sn

   6.3。转到 1

问题：如果粒子在边界外或接近边界，最后一次迭代会耗尽所有速度，因为它会检查所有 A x B x C。

如果您有更好的方法来解决这个问题，请提出建议。

Answer 1

这里不需要使用八叉树。八叉树对于反向问题很有用（给定一个网格点，找到最近的粒子）但在这里完全没用。

假设一个网格单元的大小是(a, b, c)，那么离(x, y, z)最近的网格点就是(a*floor(x/a+0.5), b*floor(y/b+0.5), c*floor(z/c+0.5))。