我有以下功能(来自开源项目 "recast navigation" ):

/// Derives the dot product of two vectors on the xz-plane. (@p u . @p v)
///  @param[in]     u       A vector [(x, y, z)]
///  @param[in]     v       A vector [(x, y, z)]
/// @return The dot product on the xz-plane.
///
/// The vectors are projected onto the xz-plane, so the y-values are ignored.
inline float dtVdot2D(const float* u, const float* v)
{
    return u[0]*v[0] + u[2]*v[2];
}

bool dtClosestHeightPointTriangle(const float* p, const float* a, const float* b, const float* c, float& h) {
    float v0[3], v1[3], v2[3];
    dtVsub(v0, c,a);
    dtVsub(v1, b,a);
    dtVsub(v2, p,a);

    const float dot00 = dtVdot2D(v0, v0);
    const float dot01 = dtVdot2D(v0, v1);
    const float dot02 = dtVdot2D(v0, v2);
    const float dot11 = dtVdot2D(v1, v1);
    const float dot12 = dtVdot2D(v1, v2);

    // Compute barycentric coordinates
    const float invDenom = 1.0f / (dot00 * dot11 - dot01 * dot01);
    const float u = (dot11 * dot02 - dot01 * dot12) * invDenom;
    const float v = (dot00 * dot12 - dot01 * dot02) * invDenom;

最佳答案

在纸上尝试了一些东西后，我想出了一些可能对你有用的东西。它是 SSE 中该函数的正确并行化/矢量化实现。

然而，它确实需要数据重组，因为我们将同时对 4 个三角形进行并行处理。

我将逐步分解它并在这里和那里使用指令名称，但请使用 C 内在函数(_mm_load_ps()、_mm_sub_ps() 等，它们在 VC 中的 xmmintrin.h 中)——当我说到寄存器时只是意味着__m128。

第1步。

我们根本不需要 Y 坐标，因此我们设置了指向 X 和 Z 对的指针。每次调用至少提供 4 对(即总共 4 个三角形)。 我将把每个 X 和 Z 对称为一个顶点。

第2步。

使用 MOVAPS(要求指针对齐到 16 位)将每个指针指向的前两个顶点加载到寄存器中。

从 a 加载的寄存器将如下所示: [ a0.x, a0.z, a1.x, a1.z ]

第 3 步。

现在，使用单个减法指令，您可以一次计算 2 个顶点的增量(您的 v0、v1、v2)。

不仅要计算前 2 个三角形，还要计算后 2 个三角形的 v0、v1 和 v2!
正如我所说，您应该为每个输入提供总共 4 个顶点或 8 个浮点数。刚刚对该数据重复步骤 2 和 3 .

现在我们有 2 对 vx 寄存器，每对包含 2 个三角形的结果。我将它们称为 vx_0(第一对)和 vx_1(第二对)，其中 x 是从 0 到 2。

第四步。

点产品。为了并行化重心计算(稍后)，我们需要 4 个三角形中的每一个的每个点积的结果，在 1 个单个寄存器中。

因此，例如，在您计算 dot01 的地方，我们将执行相同的操作，但一次计算 4 个三角形。每个 v 寄存器包含 2 个 vector 的结果，因此我们从将它们相乘开始。

让我们说 u 和 v - 您的点积函数中的参数 - 现在是 v0_0 和 v1_0(至于计算 dot01):

u 和 v 相乘得到:[ (v0_0.x0) * (v1_0.x0), (v0_0.z0) * (v1_0.z0), (v0_0.x1) * (v1_0.x1), (v0_0.z1) * (v1_0.z1) ]

由于 .x0/.z0 和 .x1/.z1，这可能看起来很困惑，但看看第 2 步加载的内容:a0、a1。

如果现在这仍然感觉模糊，请拿起一张纸从头开始写。

接下来，仍然对于相同的点积，对 v0_1 和 v1_1 进行乘法运算( 即第二对三角形 )。

现在我们有 2 个寄存器，每个寄存器有 2 个 X 和 Z 对(总共 4 个顶点)，相乘并准备好加在一起形成 4 个单独的点积。 SSE3 有一条指令可以做到这一点，它被称为 HADDPS:

xmm0 = [A、B、C、D]
xmm1 = [E、F、G、H]

HADDPS xmm0, xmm1 这样做:

xmm0 = [A+B、C+D、E+F、G+H]

它将从我们的第一个寄存器中取出 X & Z 对，从第二个寄存器中取出 X 和 Z 对，将它们相加并将它们存储在目标寄存器的第一个、第二个、第三个和第四个组件中。因此:在这一点上，我们已经为所有 4 个三角形得到了这个特殊的点积!

**现在对所有点积重复此过程:dot00 等等。 **

第 5 步。

最后一个计算(就我提供的代码所见)是重心的东西。这是您代码中的 100% 标量计算。但是您现在的输入不是标量点积结果(即单个浮点数)，它们是 SSE vector/寄存器，其中 4 个三角形中的每一个都有一个点积。

因此，如果您通过使用对所有 4 个浮点数进行操作的并行 SSE 操作来展开矢量化，您最终将得到 1 个寄存器(或结果)，其中包含 4 个高度，每个三角形 1 个高度。

由于我的午休时间已经过时了，我不打算详细说明这个问题，但考虑到我给出的设置/想法，这是最后一步，应该不难弄清楚。

我知道这个想法有点牵强，需要从上面的代码中得到一些爱，也许还需要一些铅笔和纸的美好时光，但它会很快(如果你愿意，你甚至可以在之后添加 OpenMP )。

祝你好运 :)

(请原谅我的模糊解释，如果需要，我可以启动该功能 =))

更新

我已经编写了一个实现，但它没有按我预期的那样进行，主要是因为 Y 组件涉及的代码超出了您最初粘贴在问题中的代码段(我查了一下)。我在这里所做的不仅是要求您将所有点重新排列为 XZ 对并每 4 个点输入它们，而且还使用 4 个三角形中每个三角形的 Y 值输入 3 个指针(对于点 A、B 和 C)。从本地的角度来看，这是最快的。我仍然可以修改它以减少被调用方的侵入性更改，但请让我知道什么是可取的。

然后免责声明:这段代码非常简单(我发现在 SSE 方面与编译器配合得很好……他们可以根据需要进行重组，x86/x64 CPU 也可以参与其中)。还有命名，这不是我的风格，也不是任何人的，只要你觉得合适就行。

希望它有所帮助，如果没有，我很乐意再重温一遍。如果这是一个商业项目，我猜也可以选择让我加入；)

不管怎样，我已经把它放在了 pastebin 上:http://pastebin.com/20u8fMEb

关于c++ - 如何使用 SSE 或 GLSL 优化 "u[0]*v[0] + u[2]*v[2]"代码行，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/11125083/