企业官网建设流程全解析

1. 项目概述：为什么程序化撒点系统是UE5.5场景构建的基石

最近在做一个开放世界风格的项目，场景里需要铺天盖地的植被、碎石、灌木丛，如果全靠美术同学手刷，不仅工作量巨大，迭代起来更是噩梦。比如策划临时想把一片森林改成沼泽，或者调整不同植被的分布密度，手动调整几乎等于重做。这时候，一个高效、灵活且能与美术流程深度结合的程序化撒点系统就成了刚需。

UE5.5带来的PCGFrameWork（程序化内容生成框架）正是为此而生。它不再是过去那种藏在引擎深处、只有TA才能碰的“黑科技”，而是通过一套直观的节点化蓝图系统，让策划和地编也能参与到规则制定中来。这个“从零开始搭建程序化撒点系统”的项目，核心目标就是吃透PCG的核心逻辑，并基于它构建一套可复用的生产管线。我们不仅要实现基础的随机散布，更要解决实际生产中的痛点：如何让撒点避开道路和建筑？如何根据地形坡度、海拔智能选择植被类型？如何让美术同学能方便地调整参数并实时看到效果？最后，我们还会深入蓝图，对PCG节点进行功能扩展，让它更贴合我们项目的特定需求。

掌握这套流程，意味着你能将场景搭建的效率提升一个数量级，并且让场景内容的迭代变得和数据调整一样简单。无论你是技术美术、地编，还是对程序化工具感兴趣的开发者，这都是值得投入时间深入研究的核心技能。

2. PCGFrameWork核心逻辑与项目设计思路

2.1 PCGFrameWork架构解析：数据驱动的内容流水线

PCGFrameWork的核心思想是“数据驱动的流水线”。它把内容生成过程拆解成一个个可连接的节点（PCG Graph），每个节点负责一项具体的任务，比如生成初始点、采样表面、过滤点、实例化静态网格体等。数据（主要是点数据，附带属性）像水流一样在节点间传递，被逐步加工，最终输出为场景中的实际Actor。

这套架构的优势在于非破坏性和可迭代性。整个生成规则被保存为一个资产（PCG Graph），你可以随时修改中间任何一个节点的参数，然后一键重新生成整个区域，所有更改立即生效。这彻底改变了传统手刷-烘焙-查看的漫长流程。

在我们的撒点系统设计中，我遵循了“分层处理，规则叠加”的思路。整个Graph会被组织成几个清晰的阶段：

1. 输入阶段：定义生成范围（如一个地形Actor或一个体积盒）和初始种子点。
2. 处理阶段：这是核心，包括密度控制、表面适配（让点贴合地形）、属性过滤（根据坡度、高度等筛选点）、以及不同植被类型分布规则的混合。
3. 输出阶段：将处理好的点数据，根据其附带的类型属性，实例化成对应的静态网格体（ISM）或植被系统实例。

关键在于，每个阶段都不是单一的节点，而是一个小的节点组，它们共同完成一个子目标。例如，“处理阶段”里会有一个专门的分支用于处理“树木”，另一个分支处理“草地”，最后再将它们的输出合并。这样结构清晰，后期调试和扩展都非常方便。

2.2 项目蓝图：从需求到节点网络的可视化设计

在动手连接节点之前，先在纸上或白板上画出大致的节点流程图是极其重要的。这能帮你理清逻辑，避免在复杂的连线中迷失。对于我们的撒点系统，我设计了如下主干流程：

[Surface Sampler] -> [Density Filter] -> [Transform Points] -> [Attribute Filter] -> [Branch by Type] -> [Multiple Mesh Spawners]

• Surface Sampler（表面采样器）：这是起点。它在我们指定的地形表面生成初始的点云。这里的关键参数是Points per Squard Meter（每平方米点数），它决定了基础的分布密度。但注意，这只是“潜在点”，后续还会被过滤。
• Density Filter（密度过滤器）：直接使用采样器出来的点会过于均匀和随机，显得不自然。密度过滤器（通常用Poisson Disk Sampling节点）可以确保点与点之间保持一个最小距离，从而产生更自然、疏密有致的分布，避免物体重叠。
• Transform Points（变换点）：这个节点组负责让点更好地“贴合”地表。它包括根据表面法线旋转点（让树木垂直于斜坡），以及可能添加随机的轻微位置和旋转偏移，以打破机械感。
• Attribute Filter（属性过滤器）：这是实现智能分布的核心。我们可以从点数据中提取或计算属性，例如该点的Slope（坡度）、Height（海拔）、或者通过Sample Attribute节点获取其所在的图层（如土壤层、岩石层）。然后，用Attribute Filter或Density by Attribute节点，根据这些属性值来决定是保留还是剔除该点，或者调整其密度。例如，可以设置规则：坡度大于35度的点不生成树木。
• Branch by Type（按类型分支）：经过过滤的点，需要被分类。我们可以给点添加一个自定义属性，比如FoliageType，然后根据这个属性的值，使用Select by Attribute节点将点流分流到不同的分支。
• Multiple Mesh Spawners（多个网格体生成器）：每个分支连接一个Static Mesh Spawner节点，将属于该类型的点实例化成具体的静态网格体。在这里可以设置每个类型的专属参数，如随机缩放范围、是否对齐地表等。

这个蓝图设计确保了系统的模块化和可读性。当需要新增一种植被类型时，你只需要复制一个分支，修改其过滤规则和对应的静态网格体即可。

3. 核心节点详解与避坑指南

3.1 输入与采样：Surface Sampler的深度配置

Surface Sampler是你的PCG Graph与世界交互的起点。它的配置直接决定了生成的“原料”质量。

关键参数解析：

• Target Actor：通常绑定一个地形Actor或一个定义了体积的Blueprint。我强烈建议不要直接绑定Level中的具体Actor实例，而是通过一个PCG Volume或PCG Surface组件来定义范围。这样，你的Graph资产是独立的，可以轻松应用到不同的关卡或区域。
• Points per Squard Meter：这是“目标密度”。但要注意，它和最终成品密度不是一回事。假设你设为1，意味着引擎会尝试在每平方米内生成一个点，但后续的密度过滤、属性过滤会剔除大量点。因此，这个值通常要设得比预期最终密度高一些。
• Looseness：一个非常实用的参数。它决定了采样点的“松散度”。值为0时，点会严格均匀分布；值大于0时，会引入随机扰动，让分布更自然。对于草地、碎石这类需要自然散落感的内容，可以适当调高（如0.3-0.5）。
• Point Order：默认是Random，这对于自然景观没问题。但如果你需要一种“可预测”的随机（例如，确保每次生成时，某块石头都在同一个位置），可以设为Sort by Morton Code，并结合固定的Seed值。

实操心得：性能与质量的平衡盲目提高Points per Squard Meter是性能杀手。对于大范围的地形，我的经验是分层级处理。先用一个低密度（如0.05）的Sampler生成“大树”的潜在点，再用一个高密度（如2.0）但范围受限（通过Bounding Box节点限定在摄像机常驻区域或特定生态区）的Sampler来生成“草地”和“灌木”。这样可以大幅减少不必要的点计算。

3.2 智能过滤与分布：Attribute系统的实战应用

属性（Attribute）系统是PCG的灵魂，它让点数据携带了上下文信息，从而实现基于规则的生成。

1. 获取环境属性：

• Sample Attribute节点：可以从采样表面获取预定义的属性。最常用的是从地形获取LayerWeight。你可以连接多个Sample Attribute节点，分别采样“Grass”、“Mud”、“Rock”等地形层的权重。然后，后续节点就可以根据这些权重值来决定生成什么。例如，LayerWeight大于0.7的“Rock”层区域，只生成苔藓和少量灌木。
• Get Data from Actor节点：这是一个更强大的工具。你可以自定义一个Actor，上面带有存储了密度图、遮罩图等信息的Texture Render Target或Runtime Virtual Texture。通过这个节点，PCG可以读取这些纹理信息，并将其转化为点的属性。比如，美术可以在World Partition中画一张“禁止生成区域”的遮罩图，PCG读取后就能让点完美避开这些区域。

2. 创建与计算属性：

• Attribute Create/Calculate节点：你可以动态创建属性。例如，先用Surface Sampler生成点，然后用Attribute Calculate节点，基于点的位置计算其Slope（通过比较相邻点的高度差）和Height。这些计算出的属性可以立刻用于过滤。
• Density by Attribute节点：比简单的过滤更高级。它允许你根据属性值来动态调整点的密度，而不是简单的“是/否”。你可以设置一条曲线：横轴是属性值（如海拔），纵轴是密度乘数。这样就能实现“山脚树木茂密，随着海拔升高密度逐渐降低，到雪线以上为零”的平滑过渡效果，比硬性的阈值过滤要自然得多。

3. 属性过滤的逻辑构建：使用Attribute Filter节点时，可以构建复杂的逻辑条件。它支持“与(And)”、“或(Or)”、“非(Not)”组合。例如，一个典型的树木生成规则可以是：(Slope < 40) And (Height > 200 And Height < 800) And (Rock_LayerWeight < 0.3)这个规则表示：只在坡度小于40度、海拔在200到800米之间、且岩石层权重低于0.3（即不是裸露岩石）的区域生成树木。

避坑指南：属性命名与调试自定义属性时，命名一定要清晰，如Foliage_TreeType、Terrain_Steepness。混乱的命名在复杂的Graph中将是灾难。UE5.5的PCG编辑器提供了强大的调试视图。在节点上右键选择“Debug”，然后运行Graph，你可以在视口中直观地看到流经该节点的点，以及它们携带的属性值（以颜色映射显示）。这是排查过滤规则是否生效的终极利器，务必熟练掌握。

3.3 实例化输出：Static Mesh Spawner的高级技巧

Static Mesh Spawner负责最后的“变现”步骤。配置不当会导致性能问题或视觉瑕疵。

关键配置点：

• Instancing Type：首选Instanced Static Mesh (ISM)。这是性能最优的选择，引擎会将大量相同网格合并绘制。仅当网格需要独立的动态变换（如被破坏）时，才考虑Hierarchical Instanced Static Mesh (HISM)或单个Static Mesh Actor。
• Mesh Transform：这里可以注入随机性，让实例看起来更自然。
  • Scale：设置一个最小值和最大值（如0.8到1.2），避免所有物体一模一样大。
  • Rotation：对于地表物体，勾选Align to Normal并设置Pitch/Roll Range为一个小范围（如-5到5度），让物体贴合地面起伏。同时，在Yaw上设置全范围随机（0到360度），打破方向一致性。
  • Location Offset：可以添加微小的Z轴偏移（如-2到2厘米），让物体略微嵌入或浮出地面，解决轻微的穿插问题。
• Collision：对于大量散布的植被，通常不需要复杂的碰撞。在静态网格体资产中，使用简单的Box或Capsule碰撞体，并在Spawner中确保生成实例的碰撞已启用且类型正确（如WorldStatic）。

性能优化核心：

• LOD与Culling：确保你使用的静态网格体已经配置好了良好的LOD（细节层次）。PCG生成的ISM会继承网格体的LOD设置。此外，在项目的渲染设置中，确保Instance Culling是启用的。
• 密度与距离控制：不要在玩家永远看不到的地方（如地图边界外、地下）生成实例。通过Bounding Box节点或基于摄像机距离的属性计算，来动态控制不同区域的生成密度，甚至远端用更简化的代理物体代替。

4. 构建模块化与可复用的PCG图表

4.1 子图（Subgraph）封装：打造你的PCG工具库

当你的撒点系统规则变得复杂时，主Graph会变得异常臃肿，难以维护。这时，就需要将通用的、功能独立的节点组封装成子图（Subgraph）。

例如，我经常会把“根据地形坡度过滤”这个功能封装成一个子图，命名为PCG_FilterBySlope。这个子图有一个输入点集，两个输出点集（Out Points Within Slope和Out Points Exceed Slope），内部则包含了计算坡度属性和进行阈值过滤的节点。封装后，它在主Graph中只显示为一个整洁的节点。

创建子图的好处：

1. 复用性：在需要坡度过滤的任何地方，直接拖入这个子图节点即可，无需重复搭建。
2. 可读性：主Graph的逻辑流变得非常清晰，就像阅读一个高级编程函数调用。
3. 参数统一：子图的参数可以暴露给外部。我可以在主Graph中轻松调整所有用到该子图地方的坡度阈值，而不需要逐个修改内部节点。
4. 团队协作：可以将封装好的子图（如PCG_DistributeByBiome,PCG_ScatterRocks）存入共享的资源库，供整个团队的地编和TA使用，确保规则统一。

封装实践：选中你要封装的节点组，右键选择“Create Subgraph”。务必为子图的输入输出引脚起好名字（如In Points,Out Success,Out Failed），并为其添加详细的工具提示说明。一个设计良好的子图，应该让使用者不看内部实现也能通过接口和说明正确使用。

4.2 参数化与蓝图控制：实现运行时动态调整

一个优秀的撒点系统不应该只在编辑器中好用，还应具备一定的运行时灵活性。PCG FrameWork通过与蓝图的深度集成，可以实现这一点。

1. 暴露PCG Graph参数：在PCG Graph的细节面板中，你可以创建自定义参数（如浮点型的DensityMultiplier、布尔型的bEnableSnowBiome）。这些参数可以在实例化的PCG组件上进行覆盖。

2. 在蓝图中动态控制：

• 在你的Actor蓝图（比如一个BiomeController）中，添加一个PCG Component。
• 将你的主PCG Graph资产指定给该组件。
• 现在，你可以在蓝图中通过Get PCG Component->SetXXX Parameter（例如Set DensityMultiplier Parameter）节点，来动态修改生成参数。
• 修改参数后，调用PCG组件的Start Generation或Cleanup后重新生成，即可立即看到效果。

应用场景示例：

• 季节变化：通过蓝图控制一个Season参数（0春，1夏，2秋，3冬），PCG Graph内部根据这个参数切换不同的植被静态网格体集合和颜色色调。
• 动态事件：当玩家在游戏中砍伐一片森林后，蓝图可以调低该区域的DensityMultiplier参数并重新生成，实现动态的环境破坏效果。
• 性能适配：根据用户画质设置，在蓝图中切换不同的PCG Graph预设（一个高密度高质量，一个低密度性能版）。

注意事项：运行时性能运行时动态生成PCG内容是有性能开销的，尤其是涉及大量计算和实例化时。务必做好性能预算：

• 将生成操作分散在多个帧中进行（使用延迟节点或定时器）。
• 严格控制单次生成的区域范围和点数量。
• 对于变化不频繁的内容，考虑将结果烘焙（Bake）成静态的ISM组件，以换取最佳的运行时性能。

5. 蓝图扩展技巧：定制专属PCG节点

虽然PCG FrameWork内置节点已经很强大，但总有项目特定的需求无法直接满足。这时，我们就需要动用C++或蓝图来扩展自定义PCG节点。这里主要介绍更易上手的蓝图节点扩展。

5.1 创建自定义PCG蓝图节点

UE5.5允许你通过继承PCGBlueprintNode类来创建自定义节点。不过，更常见和实用的方法是创建PCG蓝图函数（Blueprint Function），它可以直接在PCG Graph中被当作一个节点使用。

步骤简述：

1. 在内容浏览器中右键，选择“蓝图类” -> “所有类”中搜索PCGBlueprintElement并创建子类，命名为BPCG_CustomPointProcessor。
2. 双击打开该蓝图。在其事件图表中，你可以重写两个核心函数：
   • Execute with Context：这是节点的执行入口。你可以在这里编写自定义的点处理逻辑。
   • Get Node Title：用于自定义节点在Graph中显示的名称。
3. 在Execute with Context中，你可以通过Context参数获取输入的点数据（PCGDataCollection），对其进行遍历、修改、过滤，然后输出新的点数据。
4. 编译蓝图后，在PCG Graph中右键搜索你定义的节点类名（如Custom Point Processor），就可以像使用内置节点一样使用它了。

5.2 实战案例：编写一个“沿样条线撒点”节点

内置的Surface Sampler是基于表面的，但有时我们需要沿着一条路径（如河流、道路）撒点。我们可以创建一个自定义节点来实现。

逻辑实现思路（在蓝图中）：

1. 输入：一个样条线组件（Spline Component）作为Target Actor，以及一些参数（如点间距、随机偏移量）。
2. 处理：在Execute函数中，获取样条线的长度和位置信息。根据“点间距”参数，循环计算样条线上的一系列位置。在每个位置，可以添加垂直于样条线切线的随机横向偏移，以及法线方向的随机高度偏移，以增加自然感。
3. 输出：将这些计算出的位置创建为新的点数据（PCGPoint列表），并输出。

在PCG Graph中的应用：将这个自定义节点与Surface Sampler并行使用。Surface Sampler负责广域的地表植被，而我们的Spline Scatter节点则专门负责沿道路两侧生成路灯、沿河流生成芦苇。最后用一个Merge节点将两者的输出合并，送入统一的过滤和实例化流程。

5.3 调试与优化自定义节点

• 调试输出：在自定义蓝图中，可以使用Print String节点输出中间变量，但注意PCG可能在编辑器模式或运行时模式下执行，调试信息会输出到不同的日志窗口。
• 性能分析：自定义节点的逻辑如果复杂，可能会成为性能瓶颈。使用编辑器的“Session Frontend”或“ProfileGPU”工具对PCG生成过程进行性能分析，确保你的自定义逻辑是高效的。避免在节点内进行复杂的循环或每帧操作。
• 错误处理：确保你的节点能优雅地处理无效输入（如空的样条线）。可以通过检查输入数据的有效性，并在失败时输出一个空的但有效的PCGDataCollection，而不是导致整个Graph崩溃。

6. 性能剖析、问题排查与实战优化记录

6.1 性能瓶颈分析与优化策略

程序化生成再强大，如果性能不佳也无法用于生产。以下是我在项目中遇到的主要性能问题及解决方案：

问题1：生成卡顿，编辑器无响应。

• 原因：单次生成点数量过多（数十万以上），且Graph中包含大量计算密集型节点（如复杂的Attribute Calculate、高精度的Poisson Disk Sampling）。
• 解决方案：
  • 分块生成：不要试图用一个PCG Volume覆盖整个地图。使用多个小的PCG Volume，并利用World Partition的流送功能，只在玩家附近激活生成。
  • 简化规则：检查属性过滤逻辑是否过于复杂。能用一张预计算的遮罩纹理（通过Get Data from Actor读取）解决的问题，就不要用实时计算的多个属性混合。
  • 调整采样密度：降低初始Surface Sampler的密度，看看是否能在满足视觉效果的前提下减少点数。
  • 使用LOD：为PCG生成的ISM配置合理的LOD。对于远距离的植被，可以使用简化的代理网格体，并通过距离检测在PCG Graph中动态切换。

问题2：运行时内存占用过高。

• 原因：生成了海量的ISM实例，且每个实例的碰撞体过于复杂。
• 解决方案：
  • 碰撞简化：为用于撒点的静态网格体使用最简单的碰撞原型（如球体、胶囊体、盒子）。对于小草、小花，甚至可以禁用碰撞。
  • 实例剔除：确保项目设置中Instance Culling已启用。考虑使用Hierarchical LOD (HLOD)，将远处大片相似的植被合并成一个大的静态网格体。
  • 合理使用Bake：对于完全静态、不会改变的场景部分，在编辑器中生成满意后，使用PCG组件的Bake功能，将程序化生成的实例转换为传统的静态网格体Actor。这会失去程序化的动态性，但能获得最佳的运行时性能。

问题3：重新生成（Recalculate）速度慢。

• 原因：每次修改参数后，整个Graph从头执行，包括所有采样和计算。
• 解决方案：
  • 缓存中间结果：PCG FrameWork支持节点缓存。对于计算耗时且输入不常变化的节点（如从复杂地形计算法线），可以启用其缓存选项。
  • 增量生成：如果只是调整某种植被的密度，可以尝试只将该植被对应的分支节点设置为“动态”，而其他分支使用缓存结果。

6.2 常见问题速查与解决方案

6.3 从项目实践中提炼的独家心得

1. 迭代，而非一次成型：不要试图在第一个PCG Graph中就实现所有复杂规则。先从最简单的“撒一种树”开始，确保流程跑通。然后逐步增加密度过滤、坡度过滤、第二种植被、图层混合……每步都测试验证。这样能快速定位问题所在。
2. 美术驱动，数据先行：程序化工具最终是服务美术的。在搭建系统前，和地编、场景美术充分沟通，明确他们需要控制哪些参数（密度、种类、大小、颜色变化等）。将这些参数尽可能暴露为PCG Graph的输入参数，或设计成方便在蓝图中调节的变量。
3. 善用调试可视化：PCG编辑器的调试功能是你的眼睛。在调试复杂规则时，不要只看最终结果。可以逐个节点开启“Debug”，观察点数据在每一层过滤后的变化，颜色映射能直观显示属性值的分布。这是理解数据流和排查逻辑错误最快的方式。
4. 性能考量前置：在设计规则时就要有性能意识。问自己：这个噪声计算是否过于频繁？这个属性过滤能否用一张预烘焙的纹理代替？这片区域的植被玩家真的能看到吗？早期的一个小优化，在项目后期可能会节省巨大的性能开销。
5. 版本控制与备份：PCG Graph也是资产。像对待蓝图和材质一样，用版本控制系统（如Perforce, Git LFS）管理它们。在做出重大修改前，复制一份作为备份。复杂的节点网络一旦连错，回溯起来可能很麻烦。

程序化撒点系统的搭建，是一个将艺术感觉转化为数据规则的过程。它要求你既要有对视觉效果的敏感度，也要有严谨的逻辑思维。当你能熟练运用PCGFrameWork，看着自己制定的规则在引擎中自动生成出丰富而自然的场景时，那种成就感是无可替代的。这套系统不仅提升了当前项目的生产效率，更将成为你技术工具箱中一件强大的武器，应对未来任何需要大规模环境构建的挑战。