Answers:
第一。让我们写下我们对每个体素的了解：
voxel = (x, y, z, color) // or some other information一般的方法就是这样：
set of voxels = set of (x,y,z, color)请注意，三元组（x，y，z）唯一地标识每个体素，因为体素是空间中的点，并且不可能有两个点占据一个位置（我相信我们正在谈论静态体素数据）。
对于简单数据应该没问题。但这绝不是一种快速的数据结构。
渲染是通过扫描线算法完成的AFAIK。汤姆在体素上的硬件文章中有scanline算法的图像。
如果需要快速查找，则用于查找的最快数据结构是哈希（aka数组，映射...）。因此，您必须利用它进行哈希处理。因此，我们天真地希望获得最快的方法来获取任意元素：
array [x][y][z] of (color)它具有O（1）用于通过x，y，z坐标查找体素。
问题是，它的空间要求是O（D ^ 3），其中D是每个x，y和z数的范围（忘记实数，因为如果它们是Char，具有256个值的范围，则将有256 ^ 3 = 2 ^ 24 == 16777216个元素）。
但这取决于您要对体素做什么。如果渲染是您想要的，则可能是您想要的此数组。但是存储问题仍然存在...
一种方法是在阵列中使用RLE压缩。想象一下一个体素切片（一组体素，其中体素具有一个坐标常数值.....例如，z = 13的平面）。这样的体素切片看起来像MSPaint中的一些简单绘图。我会说，体素模型通常占据所有可能位置的一部分（所有可能体素的D ^ 3空间）。我相信，“从三元组的坐标中获取一对并压缩剩余的轴”将达到目的（例如，取[x] [y]并为每个元素在给定的x，y下压缩z轴上的所有体素。 。应该有0到几个元素，RLE在这里可以做得很好）：
array [x][y] of RLE compressed z "lines" of voxel; each uncompressed voxel has color 解决存储问题的另一种方法是使用树数据结构代替数组：
tree data structure = recursively classified voxels
for octrees: recursively classified by which octant does voxel at (x,y,z) belong to如果体素是一些简单的高度图，则可以将其存储起来。或者您可以将参数存储到生成高度图的函数，也可以按程序生成高度图...
当然，您可以组合所有可能的方法。但是不要过度使用它，除非您测试您的代码是否正常运行并确定它确实更快（因此值得进行优化）。
除了Octrees以外，还有使用体素，Google“ voxlap”，“ ken silverman”的RLE压缩...
他们可能在谈论两个不同的数据结构方面。
数组结构
当您引用任意数量维度的数组的元素时，请考虑该数组本身，一旦传递索引（例如myArray[4][6][15]），便知道该位置的内容。如果该位置的是体素，则该体素不需要另外记录自己的x，y和z坐标-持有体素的数组会根据其数组索引位置隐式指定其世界位置。
之所以如此好，是因为用于这种数组访问的指针算法本质上是快速的，通常来说，它为跨语言找到的大多数快速（通常称为“本机”）数组提供了基础。这些数组的缺点是它们必须具有大小相等的字节元素，以使所述指针算法适用。
八进制
（我要注意第二点，因为这几乎不是维基百科所指的，并且体素实现不需要使用八叉树，尽管几乎所有现代人都使用八叉树。）
八叉树的根节点是单个不可分割的多维数据集。让我们建立一个例子。说八角的根，即立方体的正中心{0, 0, 0}位于3D空间中。一旦开始在该空间中放置对象（阅读：多个对象），就该进一步细分八叉树了。在这里，您可以使用3个平面将其切成8（八进制），这些平面是xy，xz和yz平面。现在，原始多维数据集正好包含8个较小的多维数据集。这些子节点中的每个子节点都与中央父多维数据集偏移。也就是说，例如，位于正xyz八分圆中的多维数据集与父/包含多维数据集的中心的偏移量为{root.width / 4, root.height / 4, root.depth / 4}。与其为每个子节点指定绝对位置，不如将父节点视为其子空间的原点更具逻辑意义。这与场景图的工作方式相同。
在2D绘图中看到一个正方形非常简单，您可以在其中绘制一个正方形并将其细分为4个相等的区域。如果像八叉树的根节点一样，将父正方形的中心视为{0, 0}，则子正方形的4个中心将为
{root.width / 4, root.height / 4}，
{-root.width / 4, root.height / 4}，
{root.width / 4, -root.height / 4}，
{-root.width / 4, -root.height / 4}
...相对于其父级-与3D中的原理相同。
您可以使用RLE。但是您可以使用SVO（Sparse Voxel Octree），id Tech 6使用SVO。SVO是一种3D计算机图形渲染技术，使用射线投射或有时将射线跟踪方法转换为八叉树数据表示形式。
该技术有所不同，但是在给定屏幕分辨率和尺寸的情况下，通常依赖于生成和处理可见或可能可见的点（稀疏体素）的外壳。
使用光线投射，因为它更快。
通常，您可以避免地形的3D数据结构。您可以改用高度图。在运行时可以非常便宜和高效地对其进行体素化。按照我的经验，通常需要跟踪每列中需要渲染的最小高度，有时还需要跟踪起点到终点的角度，以便也可以剔除背面的列。
这是我回想很久的一个：http : //sites.google.com/site/williamedwardscoder/spinning-voxels-in-flash
如果您的地形有少量的悬突，山洞或其他无法由高度图表示的要素，那么您可以在高度图中有孔并具有其他表示形式，例如真正的3D体素对象，这些对象仅填充那些在运行时所花费的局部位置是有保证的。
当您拥有大量的真实体素世界时，稀疏体素表示是值得的。 约翰·卡马克（John Carmack）过去几年一直在谈论他们。