PCG 常用节点记录

比较随意的记录。

约定一些术语表达

中文翻译	原文	说明
属性	Attribute	每个输出都有自己的属性，可以理解为表头
属性行	Point Data / Metadata	同一个输出里都有相同的表头，但数据不一样，多个Point就有多行
属性集（表）	Attribute Set	属性 + 全部属性行 形成的一张表格
集组	Attribute Sets / Attributes	属性集作为元素的数组

Merge 合并

是把多个属性集合并成一个属性集。

//类似数组合并
merge([a,a] ,[b]) = [a,a,b]

Reduce 归约

归约支持多个模式，sum，average,max,min,Join

//类似函数式编程里的reduce
reduce([a,b,c],Math::Sum) = a + b + c

• Merger Output Attributes: 用于把集组合并成单一的属性集

Copy Points

这是很迷惑的名字，直面意思是复制点，实际上的意思大概是：

Copy Points 节点是PCG系统中一个重要的点操作节点，其主要功能是将源点（Source Points）复制到目标点（Target Points）上。这个节点最常见的使用场景是：以相对位置的方式，将输入源的点附加到目标点上，其中目标点作为输入源点的轴心点（Pivot）。

详细用法参考B站Up ZzxxH 总结的图：

详细说明

点的复制模式

1. 笛卡尔积模式 (bCopyEachSourceOnEveryTarget = true)

NumIterations = NumSources * NumTargets;
const int32 SourceIndex = i / NumTargets;
const int32 TargetIndex = i % NumTargets;

• 每个源点都会复制到每个目标点上
• 产生 N * M 个输出点

2. 一对一模式 (bCopyEachSourceOnEveryTarget = false)

if (NumSources != NumTargets && NumSources != 1 && NumTargets != 1)
{
    // 报错：只支持 N:N, 1:N 和 N:1 操作
}
NumIterations = FMath::Max(NumSources, NumTargets);

• 支持 N:N, 1:N 和 N:1 的映射关系
• 产生 max(N, M) 个输出点

元数据处理

1. 元数据继承模式

// 五种模式
SourceFirst  // 优先源点元数据，添加目标点独有属性
TargetFirst  // 优先目标点元数据，添加源点独有属性
SourceOnly   // 仅使用源点元数据
TargetOnly   // 仅使用目标点元数据
None         // 不使用元数据

2. 属性合并优化

// 使用并行处理来设置属性值
ParallelFor(AttributeCountInCurrentDispatch, [&](int32 WorkerIndex) {
    FPCGMetadataAttributeBase* Attribute = AttributesToSet[AttributeOffset + WorkerIndex];
    Attribute->SetValuesFromValueKeys(Values, false);
});

Attribute Partition 属性分组

这个其实就是 函数式编程里的 GroupBy, 根据输入的属性值进行归组

// 类似GroupBy`操作
GroupBy([{id:1, type:"A"}, {id:2, type:"A"}, {id:3, type:"B"}], "type") = {
    "A": [{id:1, type:"A"}, {id:2, type:"A"}],
    "B": [{id:3, type:"B"}]
}

• Assign Index Partition : 分配一个序号

Filter Data By Index 和 FilterElementsByIndex

Filter Data By Index节点有个输出，选中的 和 未选中的

名字里的Data是集组的意思，该节点用于在集组里面筛选出自己要的 属性集

如果要获取属性集里的点数据，可以使用 FilterElementsByIndex

但FilterElementsByIndex 节点只输出 选中的

都支持选中语法：

• 8 （返回索引为8的值）
• 1:8 （返回索引1到7的值）
• :8 （返回索引0到7的值）
• -1 (返回倒数第一个值）
• -8: (返回倒数第8到倒数第1)
• 1:5,10:15 （返回索引1到5，索引10到15的值）

Grammar相关节点

Grammar相关节点

Attract 吸附节点

给定一个搜索距离，寻找最近或者的的远的点

案例

支持3个吸引模式：

1. Closest Mode

• 功能：将源点吸引到最近的目标点
• 实现原理：在指定搜索半径内使用点的Position（Transform.Location）计算欧几里得距离
• 使用场景：需要简单的就近吸引时使用

2. MinAttribute Mode

• 功能：吸引到属性值最小的目标点
• 实现原理：在搜索半径内比较目标点的指定属性值，选择最小值
• 支持任何可比较的属性类型
• 使用场景：例如将物体吸引到最低高度的位置

3. MaxAttribute Mode

• 功能：吸引到属性值最大的目标点
• 实现原理：在搜索半径内比较目标点的指定属性值，选择最大值
• 支持任何可比较的属性类型
• 使用场景：例如将物体吸引到密度最大的区域

（目前应该是有bug，选择MinAttribute和MaxAttribute的时候，设置了可以比大小的属性，但还是没有效果。）

所以通常还是用Closest Mode， 使用weight控制位置插值，weight越大，插值越近目标值。

源码：OutputValue = FMath::Lerp(SourceValue, TargetValue, Alpha); alpha 就是 weight。

使用weight的时候，这个配置不能没有：

参数

• Distance: 搜索半径，决定吸引的作用范围
• Weight: 吸引强度(0-1)
  • 0: 保持在原始位置（不吸引）
  • 1: 完全吸引到目标位置
• bRemoveUnattractedPoints: 是否移除未被吸引的点
• TargetAttribute: MinAttribute和MaxAttribute模式下用于比较的属性
• SourceWeightAttribute/TargetWeightAttribute: 源点和目标点的权重属性

Difference 差集

详情

Intersection 交集

可以添加多个secondary input

1. 主输入（Primary Input）

   • 主要输入 Primary Input Pin 是交集计算的起点，每个输入都会被单独计算。
   • 每个主输入的数据会与所有其他输入进行交集计算，并生成新的空间数据。

2. 次要输入（Secondary Input）

   • 所有次要输入数据默认会被自动联合（unioned），然后才与主输入进行交集计算。
   • 例如：
     • 输入 A（主输入）
     • 输入 B1、B2、B3（次要输入）
     • 在计算时，B1、B2、B3 会先合并成一个整体 B，然后 A ∩ (B1 ∪ B2 ∪ B3) 进行交集计算。

3. 空数据处理

   • 如果某个输入为空（无数据），默认情况下，该输入会返回空结果。
   • 但如果勾选了 Ignore Empty Secondary Input，那么空的次要输入将不会影响计算，而是会跳过它们。

References

• 拆解UE5 PCG 项目《CassiniSample》(一)