Question

我正在尝试使用NEON（ios，＆gt; arm7）在平截头体中优化aabb盒，而我只是对基准测试结果感到困惑。

NEON版本（使用NEON的GLKVector4DotProduct）：

FORCE_INLINE bool box_in_view1(const GLKVector4& min, const GLKVector4& max)
{
#define test_plane(i) {                                                 \
    const GLKVector4& fp = frustum_plane[i];                            \
    if (GLKVector4DotProduct(fp, GLKVector4Make(min.x, min.y, min.z, 1.0f)) <= 0.0f && \
        GLKVector4DotProduct(fp, GLKVector4Make(max.x, min.y, min.z, 1.0f)) <= 0.0f && \
        GLKVector4DotProduct(fp, GLKVector4Make(min.x, max.y, min.z, 1.0f)) <= 0.0f && \
        GLKVector4DotProduct(fp, GLKVector4Make(max.x, max.y, min.z, 1.0f)) <= 0.0f && \
        GLKVector4DotProduct(fp, GLKVector4Make(min.x, min.y, max.z, 1.0f)) <= 0.0f && \
        GLKVector4DotProduct(fp, GLKVector4Make(max.x, min.y, max.z, 1.0f)) <= 0.0f && \
        GLKVector4DotProduct(fp, GLKVector4Make(min.x, max.y, max.z, 1.0f)) <= 0.0f && \
        GLKVector4DotProduct(fp, GLKVector4Make(max.x, max.y, max.z, 1.0f)) <= 0.0f) { \
      return false;                                                     \
    }                                                                   \
  }
  test_plane(0);
  test_plane(1);
  test_plane(2);
  test_plane(3);
  test_plane(4);
  test_plane(5);
  return true;
}

没有NEON：

FORCE_INLINE bool box_in_view2(const GLKVector4& min, const GLKVector4& max)
{
#define test_plane(i) {                                         \
    const GLKVector4& fp = frustum_plane[i];                    \
    float negw = -fp.w;                                         \
    if (fp.x * min.x + fp.y * min.y + fp.z * min.z <= negw &&   \
        fp.x * max.x + fp.y * min.y + fp.z * min.z <= negw &&   \
        fp.x * min.x + fp.y * max.y + fp.z * min.z <= negw &&   \
        fp.x * max.x + fp.y * max.y + fp.z * min.z <= negw &&   \
        fp.x * min.x + fp.y * min.y + fp.z * max.z <= negw &&   \
        fp.x * max.x + fp.y * min.y + fp.z * max.z <= negw &&   \
        fp.x * min.x + fp.y * max.y + fp.z * max.z <= negw &&   \
        fp.x * max.x + fp.y * max.y + fp.z * max.z <= negw) {   \
      return false;                                             \
    }                                                           \
  }
  test_plane(0);
  test_plane(1);
  test_plane(2);
  test_plane(3);
  test_plane(4);
  test_plane(5);
  return true;
}

在简单的基准时间中是：

box_in_view1: 1.9704s
box_in_view2: 0.0013s

使用静态aabb盒和静态平截头体进行10000万次测试（立方体在内部，所以所有测试都返回true）。

在ipad3上测试，ios7，编译器选择标志：-Ofast -ffast-math

我确信GLKVector4DotProduct（）确实在 ARM_NEON 路径中使用了NEON instrics。任何解释为什么NEON会导致这么慢？为什么？

Answer 1

以下是完全优化版本，必须比现有版本快得多：

/*
    fanicBoxInView
    Copyright (C) 2014  Jake Lee

    This program is free software: you can redistribute it and/or modify
    it under the terms of the GNU General Public License as published by
    the Free Software Foundation, either version 3 of the License, or
    (at your option) any later version.

    This program is distributed in the hope that it will be useful,
    but WITHOUT ANY WARRANTY; without even the implied warranty of
    MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
    GNU General Public License for more details.

    You should have received a copy of the GNU General Public License
    along with this program.  If not, see <http://www.gnu.org/licenses/>.
*/

// int fanicBoxInView(void *pMin, void *pMax, void *pFp, unsigned int count);
// assert : count >= 4
    .text
    .arm
    .global fanicBoxInView

    pMin    .req    r0
    pMax    .req    r1
    pFp     .req    r2
    count   .req    r3

    .align 5
    .func
fanicBoxInView:
    vld1.32     {q12}, [pMin]
    vld1.32     {q13}, [pMax]
    subs    count, count, #4
    vmov.i32    q14, #0
    vmov.i32    q15, #0
    bxmi    lr
    vpush       {q6-q7}
    vzip.32     q12, q13

1:
    vld1.32     {q0,q1}, [pFp]!
    vld1.32     {q2,q3}, [pFp]!
    pld     [pFp, #64*3]
    subs    count, count, #4

    vdup.32     d20, d1[1]
    vdup.32     d21, d3[1]
    vdup.32     d22, d5[1]
    vdup.32     d23, d7[1]

    vmul.f32    d12, d25, d0[1]
    vmul.f32    d13, d25, d2[1]
    vmul.f32    d14, d25, d4[1]
    vmul.f32    d15, d25, d6[1]

    vneg.f32    q10, q10
    vneg.f32    q11, q11

    vmul.f32    d16, d26, d1[0]
    vmul.f32    d17, d26, d3[0]
    vmul.f32    d18, d26, d5[0]
    vmul.f32    d19, d26, d7[0]

    vmls.f32    d20, d24, d0[0]
    vmls.f32    d21, d24, d2[0]
    vmls.f32    d22, d24, d4[0]
    vmls.f32    d23, d24, d6[0]

    vrev64.32   q0, q6
    vrev64.32   q1, q7

    vadd.f32    q6, q6, q8
    vadd.f32    q7, q7, q9
    vadd.f32    q8, q8, q0
    vadd.f32    q9, q9, q1

    vrev64.32   q0, q6
    vrev64.32   q1, q7
    vrev64.32   q2, q8
    vrev64.32   q3, q9

    vcgt.f32    q6, q6, q10
    vcgt.f32    q7, q7, q11
    vcgt.f32    q8, q8, q10
    vcgt.f32    q9, q9, q11

    vcgt.f32    q0, q0, q10
    vcgt.f32    q1, q1, q11
    vcgt.f32    q2, q2, q10
    vcgt.f32    q3, q3, q11

    vorr        q6, q7, q6
    vorr        q8, q9, q8
    vorr        q0, q1, q0
    vorr        q2, q3, q2

    vorr        q14, q6, q14
    vorr        q15, q8, q15
    vorr        q14, q14, q0
    vorr        q15, q15, q2

    bpl     1b

    cmp     count, #-4
    add     pFp, pFp, count, lsl #2
    bgt     1b

    vorr        q14, q15, q14
    vpop        {q6-q7}
    vmov        r0, r1, d28
    vmov        r2, r3, d29
    orr     r0, r1, r0
    orr     r2, r3, r2
    orr     r0, r2, r0
    bx      lr

    .endfunc
    .end

以上语法适用于Linaro GCC。您必须对XCode进行一些更改： How do I use the ARM assembler in XCode?

请注意，您必须断言（count> = 4）;

另请注意，当（count％4 == 0）;

时，代码运行效率最高

玩得开心。

PS：我是一个专业优化器，具有“按需优化”的做法，而我的客户对我最近在此免费提供完全优化的代码的活动并不满意。因此，我不得不把它变成GPL。

aabb frustum使用NEON剔除

1 个答案: