C++ 使用全局集合为预构建的八叉树数据保存Boost shared_ptr:s，用于快速点云光线投射操作

我正在做一些测试，为虚拟现实点云查看器创建一个光线投射系统。基础是由Unity Engine制作的，但是导入、从磁盘读取和渲染点云数据是独立的，作为Unity和GPU着色器代码的dll插件

点云数据被划分为独立的块，当用户在虚拟现实场景中移动时，这些块被动态加载和卸载。我通过创建一个全局std:：unordered_映射进行了第一次测试，其中key是加载块的数据文件名，value是Boost shared_ptr。我将粘贴下面的代码，它应该很容易理解

下面的代码可以完美地处理一个数据块，但是对于更多的数据块，我似乎可以得到一个点的索引，然后通过索引读取云数据本身来检查点值，这实际上使用了一个随机块数据的正确结果索引。当我用VR控制器激光指针扫视时，我在场景中看到我的视觉建议在另一个块的区域，然后跳到另一个块的区域，依此类推。这可能是线程问题，因为findInOcTree是从Unity主线程调用的，而createOcTree和releaseOcTree是从异步磁盘读取线程调用的。但我完全不确定使用全局集合进行共享\u ptr:s这种方式是否没有问题

所以，欢迎大家提出我应该朝哪个方向走的想法。是否有更好的并发收集选项可以替代std:：unordered_map，或者我应该使用某种手动锁定技术？还有其他我现在看不到的危险吗

#define EXPORT_API __declspec(dllexport)

#include <vector>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
#include <pcl/octree/octree.h>


// Link following functions C-style (required for plugins)
extern "C"
{   
    pcl::PointCloud<pcl::PointXYZRGBA>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZRGBA>);

    /// Two different ways to say the same thing
    std::unordered_map<std::string, pcl::octree::OctreePointCloudSearch<pcl::PointXYZRGBA>::Ptr> ocTreeMap;
    //std::unordered_map<std::string, boost::shared_ptr<pcl::octree::OctreePointCloudSearch<pcl::PointXYZRGBA>>> ocTreeMap;

    // using this makes no difference with many blocks; one block works with and without
    std::unordered_map<string, pcl::PointCloud<pcl::PointXYZRGBA>::Ptr> cloudMap;

    EXPORT_API bool createOcTree(char *blockName)
    {
        if (ocTreeMap.find(blockName) == ocTreeMap.end())
        {
            pcl::octree::OctreePointCloudSearch<pcl::PointXYZRGBA>::Ptr octree(new pcl::octree::OctreePointCloudSearch<pcl::PointXYZRGBA>(0.0025f));

            octree->setInputCloud(cloud);
            octree->addPointsFromInputCloud();

            /// using this makes no difference with many blocks; one block works with and without
            if (cloudMap.find(blockName) != cloudMap.end())
            {
                cloudMap.erase(blockName);
            }
            cloudMap[blockName] = cloud;
            ocTreeMap[blockName] = octree;

            return true;
        }
        return false;
    }


    EXPORT_API bool releaseOcTree(char *blockName)
    {
        if (ocTreeMap.erase(blockName) == 0)
        {
            return false;
        }
        else
        {
            /// using this makes no difference with many blocks; one block works with and without
            cloudMap.erase(blockName);  

            return true;
        }
    }


    EXPORT_API bool findInOcTree(char *filePath, float originX, float originY, float originZ, float directionX, float directionY, float directionZ, float* hitX, float* hitY, float* hitZ)
    {
        Eigen::Vector3f origin(originX, originY, originZ);
        Eigen::Vector3f direction(directionX, directionY, directionZ);
        std::vector<int> k_indices;

        boost::shared_ptr<pcl::octree::OctreePointCloudSearch<pcl::PointXYZRGBA>> octree = ocTreeMap[filePath];

        /// using this makes no difference with many blocks; one block works with and without
        boost::shared_ptr<pcl::PointCloud<pcl::PointXYZRGBA>> pCloud = cloudMap[filePath];

        octree->getIntersectedVoxelIndices(origin, direction, k_indices, 1);

        if (!k_indices.empty())
        {
            *hitX = pCloud->points[k_indices[0]].x;
            *hitY = pCloud->points[k_indices[0]].y;
            *hitZ = pCloud->points[k_indices[0]].z;

            return true;
        }
        return false;
    }
}

#定义导出(API)(dllexport)
#包括
#包括
#包括
#包括
#包括
//链接以下功能C风格（插件需要）
外部“C”
{   
pcl:：PointCloud:：Ptr cloud（新的pcl:：PointCloud）；
///用两种不同的方式说同一件事
std：：无序的_图八叉树图；
//std：：无序的_图八叉树图；
//使用此选项对许多块没有影响；一个块可以使用和不使用
std：：无序的云图；
导出API布尔createOcTree（字符*块名）
{
if（ocTreeMap.find（blockName）=ocTreeMap.end（））
{
pcl:：octree:：OctreePointCloudSearch:：Ptr八叉树（新pcl:：octree:：OctreePointCloudSearch（0.0025f））；
八叉树->设置输入云（云）；
八叉树->从InputCloud（）添加点；
///使用此选项对许多块没有影响；一个块可以使用和不使用
if（cloudMap.find（blockName）！=cloudMap.end（）
{
cloudMap.erase（blockName）；
}
cloudMap[blockName]=云；
八叉树映射[块名]=八叉树；
返回true；
}
返回false；
}
导出API布尔发布八叉树（字符*块名）
{
if（ocTreeMap.erase（blockName）==0）
{
返回false；
}
其他的
{
///使用此选项对许多块没有影响；一个块可以使用和不使用
cloudMap.erase（blockName）；
返回true；
}
}
导出API布尔findInOcTree（char*filePath、float originX、float originY、float originZ、float directionX、float directionY、float directionZ、float*hitX、float*hitY、float*hitZ）
{
本征：：向量3f原点（originX，originY，originZ）；
本征：：矢量3f方向（方向X、方向Y、方向Z）；
std：：向量k_指数；
boost:：shared_ptr octree=ocTreeMap[filePath]；
///使用此选项对许多块没有影响；一个块可以使用和不使用
boost:：shared_ptr pCloud=cloudMap[filePath]；
八叉树->获取相交体素索引（原点、方向、k_索引，1）；
如果（！k_index.empty（））
{
*hitX=pCloud->points[k_index[0]].x；
*hitY=pCloud->points[k_index[0]].y；
*hitZ=pCloud->points[k_index[0]].z；
返回true；
}
返回false；
}
}

您似乎有多线程问题，但不清楚到底是什么问题。太多的元信息（虚拟现实、控制器…）会分散注意力，无助于理解实际问题。因此，如果您无法最小化您的示例，请更具体地说明您的多线程问题。无序的_映射在任何方面都不是线程安全的。到处都有数据竞赛。boost提供了支持并发的容器。使用它们将是第一步。再加上拉尔斯所写的：在阅读了你的第一段之后，我的最初反应是，这个问题不可能有什么成果。过多地关注高层上下文，而对实际问题关注不够（记住：这只是基于第一段）。不要试图将问题从上下文中抽象出来。上下文是好的，但作为结尾解释通常更好，而不是作为问题的引入。也许可以改变你解释的顺序？另见。