首页
/ Cesium 3D Tiles性能回归分析:从1.113到1.114版本的帧率下降问题

Cesium 3D Tiles性能回归分析:从1.113到1.114版本的帧率下降问题

2025-05-16 12:54:34作者:郦嵘贵Just

问题背景

在Cesium 3D Tiles渲染引擎从1.113版本升级到1.114版本后,开发者观察到了一个明显的性能回归现象。具体表现为在使用OSM Buildings数据集时,当用户进行缩放操作时,帧率会从稳定的59FPS骤降至4-10FPS。这个问题引起了开发团队的重视,因为它直接影响了用户体验。

问题复现与定位

通过对比测试,开发者发现:

  1. 在1.113版本中,无论是否进行缩放操作,帧率都能稳定保持在59FPS
  2. 在1.114版本中,缩放操作会导致帧率大幅下降
  3. 当使用disableCollision: true参数创建OSM Buildings tileset时,1.114版本的性能问题消失

进一步分析表明,这个问题与1.114版本中引入的Screen Space Controller新行为有关。该功能是在PR #11581中实现的,目的是改进3D Tiles的拾取和碰撞检测机制。

技术原因分析

核心问题出在边界体积计算方式的改变上。在1.114版本中:

  1. 系统从使用简单的包围球(Bounding Sphere)检测切换到了更精确的边界体积(Bounding Volume)检测
  2. 这种改变虽然提高了拾取和碰撞检测的准确性,但增加了计算复杂度
  3. 特别是在用户进行缩放操作时,系统需要频繁重新计算这些边界体积
  4. OSM Buildings数据集由于建筑结构复杂,这种计算开销尤为明显

解决方案与优化

开发团队迅速定位到问题根源后,采取了以下措施:

  1. 重新审视了射线-体积相交(ray-volume intersection)算法的实现
  2. 优化了边界体积计算的性能
  3. 确保在不影响功能的前提下,尽可能减少不必要的计算

这些优化最终通过后续的PR得到了解决,恢复了1.113版本的流畅体验。

经验总结

这个案例为3D图形引擎开发提供了几点重要启示:

  1. 性能优化与功能增强需要平衡:新功能的引入必须考虑其对整体性能的影响
  2. 边界体积计算的选择很重要:在精度和性能之间需要找到合适的平衡点
  3. 测试覆盖要全面:不仅测试静态场景,还要测试交互操作时的性能表现
  4. 提供配置选项:如disableCollision参数,让开发者可以根据需求调整性能

这个问题也展示了Cesium团队对性能问题的高度敏感和快速响应能力,确保了3D地理可视化应用的流畅体验。

登录后查看全文

项目优选

收起
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
511
552
kernelkernel
deepin linux kernel
C
33
16
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
840
1.29 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.05 K
2.5 K
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.25 K
1.38 K
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
849
1.71 K
docsdocs
暂无描述
Markdown
858
5.69 K
atomcodeatomcode
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get Started
Rust
3.82 K
587
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
C
876
6.23 K
MindSpeed-MMMindSpeed-MM
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
165
293