QuadTree适合2D碰撞粗筛因其能快速排除不可能相交的物体对，将O(n²)降至近O(n log n)，前提是物体有AABB且正确插入；需避免误当万能检测器、中心点插入、容量设置不当等坑。
QuadTree 为什么适合 2D 碰撞检测的粗筛阶段
它不直接判断“两个物体是否相交”，而是快速排除大量**根本不可能相交**的物体对。核心价值在于把 O(n²) 的暴力检测降到接近 O(n log n)（理想分布下），尤其当物体在空间中稀疏或聚集不均时效果显著。
关键前提是：你的物体有明确的 bounds（如 AABB），且能被插入、移动、删除——QuadTree 本身只管坐标，碰撞逻辑仍由你用 AABB::intersects() 或更精确的形状检测完成。
容易踩的坑：
• 把 QuadTree 当成“万能碰撞器”，忘了后续必须做精确检测；
• 插入时用物体中心点代替包围盒，导致跨象限漏检；
• 节点容量设得太小（如 maxObjects = 1），树深度爆炸；太大（如 maxObjects = 100），退化为线性扫描。
插入和更新物体时必须传入完整 AABB
不是传 position，而是传能完全包裹物体的矩形——哪怕物体是圆形，也要用外接正方形；哪怕物体旋转，也建议用轴对齐包围盒（AABB）而非 OBB，否则 QuadTree 的轴对齐划分失效。
立即学习“C++免费学习笔记（深入）”；
实操建议：
• 每个物体维护一个 getAABB() 方法，返回 Rect（含 x, y, width, height）；
• 插入前检查 AABB 是否为空（width ），避免崩溃；<br>• 移动物体后，先 <code>remove() 再 insert()，不要原地修改——QuadTree 内部节点依赖位置计算归属；
• 若物体尺寸远大于根节点范围，先动态扩展根节点（重设 bounds 并清空重建），否则插入失败或行为未定义。
组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。
查询潜在碰撞对时别直接遍历所有物体
调用 query( const Rect& range, std::vector<Object*>& found ) 是为了获取“可能与该区域相交”的物体列表，但这个 range 应该是待检测物体自身的 AABB，而不是整个屏幕或固定大小框。
常见错误现象：
• 用固定 Rect(0,0,800,600) 查询，结果返回全部物体，失去优化意义；
• 对每个物体都查一遍全场景，变成 O(n²)；
• 忘记去重：A 查到 B，B 又查到 A，同一对被处理两次。
正确做法：
• 遍历所有物体，对每个 obj 调用 tree.query( obj->getAABB(), candidates )；
• 在 candidates 中过滤掉 obj 自身（用指针或 ID 判等）；
• 用 std::set<std::pair<Object*, Object*>> 或双层索引（min(objA->id, objB->id), max(...)）确保每对只处理一次；
• 真正的碰撞检测放在循环内：if (obj->collidesWith(*candidate)) { ... }。
性能瓶颈往往出在频繁重建和浮点精度上
QuadTree 本身不慢，慢的是反复 clear() + 全量 insert()（比如每帧重建）。也不要迷信“深度越深越好”——深度 > 8 后节点分裂开销常超过收益。
参数建议：
• maxObjects = 4~8（经验值，取决于平均物体密度）；
• maxLevels = 5~7（限制深度，防止极端情况栈溢出或缓存失效）；
• 使用 float 而非 double 存坐标，除非场景跨度极大；
• 若物体极少移动，用 static 标记跳过更新；若大量高频移动，考虑用 Spatial Hash 替代 QuadTree。
最容易被忽略的一点：QuadTree 的加速效果高度依赖空间分布。如果所有物体始终挤在同一个叶子节点里，它就退化成链表——这时与其硬调参，不如先检查物体生成逻辑或考虑分层结构（例如大世界用 Grid，局部用 QuadTree）。
