在实时渲染领域，渲染管线的演进历程深刻影响了游戏引擎和图形应用的性能优化。从早期的固定功能管线，到如今的可编程管线时代，开发者们面对的挑战日益复杂。固定管线依赖硬件状态机处理基本几何变换，而现代可编程管线如 Vulkan 和 DirectX 12 则赋予开发者前所未有的控制力。然而，随着场景复杂度飙升——想想 Unreal Engine 或 Unity 中数百万三角形的开放世界——性能瓶颈迅速显现。GPU 的 Fill Rate 和内存带宽成为限制因素，过度绘制和无效 Draw Call 消耗宝贵资源。

剔除技术正是解决这些痛点的核心利器。剔除，即 Culling，指在渲染管线早期阶段丢弃不可见几何体，从而减少无谓的计算和绘制调用。根据行业基准数据，有效剔除可将 Draw Call 数量降低 50% 至 90%，显著提升 GPU 利用率。例如，在高密度城市场景中，未经优化的渲染可能产生数万 Draw Call，而剔除后仅剩数百。这不仅缓解 CPU 瓶颈，还优化了 GPU 的 Vertex Fetch 和 Raster 阶段。

本文聚焦 Vulkan 和 DirectX 12 时代的现代剔除技术，涵盖 CPU 侧和 GPU 侧方法，不涉及 OpenGL 等历史遗留实现。假设读者具备 Shader 编程基础，我们将从基础概念入手，逐步深入传统回顾、现代 CPU/GPU 技术、高级混合策略，直至性能评估和最佳实践。通过伪代码和 HLSL 示例剖析实现细节，并引用 Nanite 等前沿案例，帮助开发者构建高效渲染系统。

渲染剔除基础概念

渲染剔除的核心在于及早识别并丢弃对最终图像无贡献的几何体，从而避免下游管线阶段的无效工作。剔除按类型可分为视锥剔除，它在 CPU 侧测试物体是否落入相机视锥体外；遮挡剔除则判断物体是否被前景遮挡，可在 CPU 或 GPU 执行；后剔除针对背对相机的三角形，在 GPU 光栅化阶段丢弃；层次剔除利用 BVH 或 Octree 等加速结构，在 CPU 或 GPU 上实现高效遍历。这些技术嵌入渲染管线特定位置：视锥和遮挡剔除通常在 Vertex Fetch 之前执行，后剔除则在 Rasterizer 前介入，确保最小开销。

剔除的时机至关重要。在现代管线中，CPU 侧剔除发生在场景遍历阶段，生成可见物体列表；GPU 侧则通过 Compute Shader 预处理 Indirect Draw 参数，避免 CPU-GPU 同步开销。性能指标包括 Draw Call 数量、Overdraw 率和 Fill Rate，前者反映 CPU 负载，后两者暴露 GPU 像素填充瓶颈。优化目标是平衡剔除精度与计算成本，避免过度保守导致漏剔或遍历开销过高。

一个简单的 AABB 视锥剔除伪代码展示了基础算法。该代码首先将 AABB 的 8 个顶点变换到视锥空间，然后测试每个平面。以下是 C++ 风格实现：

bool FrustumCull(const AABB& box, const Frustum& frustum) {
    Vec3 min = box.min;
    Vec3 max = box.max;
    Vec3 corners[8] = {
        {min.x, min.y, min.z}, {min.x, min.y, max.z},
        {min.x, max.y, min.z}, {min.x, max.y, max.z},
        {max.x, min.y, min.z}, {max.x, min.y, max.z},
        {max.x, max.y, min.z}, {max.x, max.y, max.z}
    };
    for (int i = 0; i < 6; ++i) {
        const Plane& plane = frustum.planes[i];
        bool inside = false;
        for (int j = 0; j < 8; ++j) {
            if (Dot(plane.normal, corners[j]) + plane.d <= 0) {
                inside = true;
                break;
            }
        }
        if (!inside) return true; // 完全在平面外，剔除
    }
    return false; // 可能相交，不剔除
}

这段代码逐平面测试 AABB 分离轴定理：若所有顶点点积大于平面常数 d，则 AABB 在平面外侧，被剔除。Early-Out 机制确保快速拒绝，适用于静态场景。实际中，可用分离轴定理优化，仅测试 AABB 极值投影。

传统剔除技术回顾

视锥剔除是最基础的技术，其原理基于包围体如 AABB 或 Sphere 与相机 6 个视锥平面的相交测试。手动实现需计算世界矩阵变换后的极值点，投影到齐次空间判断。近裁剪平面需特殊处理以避免 Z-Fighting。引擎如 Unity 提供 Bounds.IntersectFrustum API 封装此逻辑，但局限明显：它仅考虑几何可见性，忽略深度遮挡，导致 Overdraw 激增。

后剔除则在 GPU Raster 阶段自动执行，通过检查三角形法线与视向点积剔除背面。在 OpenGL 中，仅需调用 glEnable(GL_CULL_FACE)设置状态机，指定 CW/CCW 绕序。现代实践转向 Shader 控制，如 Vertex Shader 中计算 gl_FrontFacing，或 Fragment Shader 用 discard 语句精确丢弃。但在 Mesh Shader 时代，此功能集成到 Topology 生成中，减少状态切换。

遮挡剔除的软件实现依赖 Occlusion Query：CPU 发出 Query，GPU 异步填充最小深度像素计数，延迟高达数帧导致 Stall。传统方案如 BSP 树在 Doom 中大放异彩，将场景分区为凸多面体，仅渲染 Portal 可见部分；Unreal Engine 4 的 Precomputed Visibility Volume 则预烘焙静态遮挡体积，运行时快速查询。这些方法适用于半静态室内场景，但动态物体需重构数据结构，成本高企。

现代 CPU 侧剔除技术

层次视锥剔除提升了效率，使用 BVH 或 Octree 构建场景层次。Top-Down 遍历从根节点开始：若父节点全在外，则子树 Early-Out；若全在内，直接标记可见；否则递归。Spatial Hash 则针对动态场景，将空间离散为 Voxel，快速定位邻域碰撞。多线程 Job System 如 Unity DOTS 并行遍历分支，线程数与核心数匹配。

层次遮挡剔除引入 Hi-Z Buffer，即深度纹理的 Mipmap 金字塔，粗层级加速测试。CHC++ 算法结合保守光栅化：从小节点向上测试，若像素被祖先遮挡则剪枝。该方法在 CPU 上保守渲染深度，测试子节点 Hi-Z 与父节点深度，避免 Query Stall。

Unity 的 Culling Groups 批量管理 LOD 组，Scriptable Render Pipeline 集成自定义 Culler；Unreal 的 Nanite 则间接剔除虚拟几何，每簇微三角共享 BVH 节点。性能优化融合 LOD：高 LOD 仅在视锥内生成，Cluster Culling 分区场景为 Tile。以下是 C# BVH 视锥剔除简化实现，适用于 Unity：

public class BVHNode {
    public AABB bounds;
    public BVHNode[] children;
    public List<Mesh> meshes;
}

bool CullBVH(BVHNode node, Frustum frustum) {
    if (FrustumCull(node.bounds, frustum)) return true;
    if (node.children == null) {
        foreach (var mesh in node.meshes) visibleMeshes.Add(mesh);
        return false;
    }
    foreach (var child in node.children) {
        if (!CullBVH(child, frustum)) return false;
    }
    return true;
}

此递归函数先测试节点 AABB，若剔除则返回 true 跳过子树；叶节点收集可见 Mesh。实际中，用栈迭代避免递归深度溢出，并行化子树遍历可将 10 万节点场景时间从 50ms 降至 5ms，多线程 Benchmark 显示 8 核提升 4x。

GPU 侧剔除技术

GPU 剔除利用 Compute Shader 的并行性，驱动 Indirect Drawing。流程为：CS 输入实例缓冲和视锥矩阵，输出 DrawArguments 结构数组，如 vkCmdDrawIndirect 接收 instanceCount、vertexOffset 等。CPU 仅上传 1 个 Dispatch 调用，GPU 自主生成数千 Draw Call，避免同步瓶颈。DirectX 12 的 ExecuteIndirect 进一步链式执行多 CS 阶段。

GPU 遮挡剔除常见于 Tiled/Cluster-based Deferred Rendering，将屏幕划分为 Tile，逐 Tile 测试深度。UE5 的 GPU Occlusion Queries 用 ROV 确保像素级精确，无需等待 Query 结果。Mesh Shader 作为 DX12/Vulkan 扩展，取代 VS+GS，在任务着色器中动态剔除并生成 LOD 拓扑，Nanite 即其典范。

Variable Rate Shading (VRS)允许每 Tile 稀疏着色率，降低 Overdraw；Rasterizer Order Views (ROV)记录光栅化顺序，实现精确遮挡。GPU 视锥剔除在 CS 中矩阵变换 AABB 中心和半径，测试 8 分离轴。Nanite 革命性在于虚拟微三角网格：GPU BVH 遍历簇节点，仅展开可见叶级，性能提升 10x，高细节场景 Draw Call 从百万降至千级。

以下 HLSL Compute Shader 生成 Indirect Args，处理 1M 实例：

cbuffer FrustumCB : register(b0) {
    float4x4 viewProj;
    // 6 planes
};

StructuredBuffer<AABB> instances : register(t0);
RWStructuredBuffer<DrawArgs> drawArgs : register(u0);
RWByteAddressBuffer counters : register(u1);

[numthreads(64,1,1)]
void CSMain(uint3 id : SV_DispatchThreadID) {
    uint idx = id.x;
    if (idx >= instanceCount) return;
    
    AABB box = instances[idx];
    float3 center = (box.min + box.max) * 0.5;
    float3 extents = (box.max - box.min) * 0.5;
    
    // Transform to clip space and test frustum
    float4 corners[8];
    // Generate 8 corners...
    bool visible = true;
    for (int p = 0; p < 6; ++p) {
        float minProj = 1e9, maxProj = -1e9;
        // Project extents on plane normal (SAT)
        if (maxProj < 0) { visible = false; break; }
    }
    
    if (visible) {
        uint outIdx = InterlockedAdd(counters[0], 1);
        drawArgs[outIdx].instanceCount = 1;
        drawArgs[outIdx].instanceOffset = idx;
        // etc.
    }
}

此 Shader 并行处理实例：用分离轴定理（SAT）测试 AABB，无需生成了 8 角点，仅投影 extents 到平面法线。可见实例原子递增 counter，填充 drawArgs。Dispatch(16384,1,1)覆盖 1M 实例，RTX 3090 下 <1ms，远胜 CPU。

高级主题与混合剔除

异步剔除针对 VR 高帧率，基于相机速度预测下一帧视锥，CPU 预热 GPU 缓冲。Ray Tracing 集成重用 BVH：DXR/VKRT 加速可见性查询，剔除 RT 不可见光线。移动端如 Metal/Vulkan Mobile 偏好轻量 CS，限制线程组大小避免寄存器压力。

混合策略最优：CPU 粗剔除生成候选列表，GPU 精剔除输出 Indirect Args，双缓冲异步同步。调试用 RenderDoc 捕获 Draw Call，NSight 分析 Overdraw 热图。常见陷阱包括保守测试漏剔动态物、浮点精度导致 T-Junction，以及 CS 同步 Barrier 开销。

性能评估与最佳实践

Benchmark 框架测试 10k 至 1M 物体场景，RTX 3090 硬件下，基础视锥剔除减少 Draw Call 70%，FPS 提升 2x，适合开放世界；Nanite 达 95% 减少、10x FPS，征服高细节。优先 GPU Indirect Drawing，动态场景选 BVH 胜 Octree；集成 LOD/Instancing 共享剔除参数。

未来 AI 加速剔除用 ML 预测可见性，WebGPU 渐支持 CS Culling。实践强调数据导向：Profile 驱动迭代，避免 Premature Optimization。

结尾

从视锥基础到 Nanite GPU BVH，剔除仍是现代渲染性能基石，桥接 CPU 智能与 GPU 马力。鼓励读者 fork Unity HDRP 或 Unreal Nanite Demo 实验，亲测 10x 提升。

参考论文如 Bittner 2012 CHC++ 和 Nanite SIGGRAPH；工具 Unity Profiler、NVIDIA Nsight；开源 bgfx、Falcor。

Q&A：Nanite 兼容 DX12 Ultimate，未来扩展 Vulkan。实验中遇 Stall？检查 Indirect 计数原子性。