改进我的四叉树设计

我有一个应用程序，用于显示和修改来自激光雷达文件的大量点云数据（每个文件高达几GB，有时同时加载）。在应用程序中，用户可以查看加载点的2D图像（从顶部），并选择要在另一个窗口中查看的配置文件（从侧面）。同样，这涉及数百万个点，它们使用OpenGL进行显示。

为了处理数据，还有一个四叉树库，它可以工作，但速度非常慢。它已经使用了一段时间，但最近激光雷达点格式发生了变化，LidarPoint对象需要添加一些属性（类成员），这导致它的大小增加，进而影响性能达到几乎不可用的水平（加载一个2GB文件需要5分钟）。

四叉树目前由指向PointBucket对象的指针组成，这些对象只是具有指定容量和定义边界（用于空间查询）的LidarPoint对象的数组。如果超过铲斗容量，它将分成四个铲斗。还有一种缓存系统，当点数据占用太多内存时，它会导致点存储桶转储到磁盘。如果需要的话，这些会被重新加载到内存中。最后，每个PointBucket都包含子数据块/分辨率级别，它们保存原始数据的第n个点，并在根据缩放级别显示数据时使用。这是因为一次显示几百万个点，虽然不需要这样的细节级别，但速度非常慢。

我希望你能从中得到一张照片。如果没有，请询问，我可以提供更多的细节或上传更多的代码。例如，这里是当前（和慢速）插入方法：

// Insert in QuadTree
bool QuadtreeNode::insert(LidarPoint newPoint)
{
   // if the point dosen't belong in this subset of the tree return false
   if (newPoint.getX() < minX_ || newPoint.getX() > maxX_ || 
       newPoint.getY() < minY_ || newPoint.getY() > maxY_)
   {
      return false;
   }
   else
   {
      // if the node has overflowed and is a leaf
      if ((numberOfPoints_ + 1) > capacity_ && leaf_ == true)
      {
         splitNode();
         // insert the new point that caused the overflow
         if (a_->insert(newPoint))
         {
            return true;
         }
         if (b_->insert(newPoint))
         {
            return true;
         }
         if (c_->insert(newPoint))
         {
            return true;
         }
         if (d_->insert(newPoint))
         {
            return true;
         }
         throw OutOfBoundsException("failed to insert new point into any 
                                     of the four child nodes, big problem");
      }
      // if the node falls within the boundary but this node not a leaf
      if (leaf_ == false)
      {
         return false;
      }
      // if the node falls within the boundary and will not cause an overflow
      else
      {
         // insert new point
         if (bucket_ == NULL)
         {
            bucket_ = new PointBucket(capacity_, minX_, minY_, maxX_, maxY_, 
                                      MCP_, instanceDirectory_, resolutionBase_, 
                                      numberOfResolutionLevels_);
         }
         bucket_->setPoint(newPoint);         
         numberOfPoints_++;
         return true;
      }
   }
}
// Insert in PointBucket (quadtree holds pointers to PointBuckets which hold the points)
void PointBucket::setPoint(LidarPoint& newPoint)
{    
   //for each sub bucket
   for (int k = 0; k < numberOfResolutionLevels_; ++k)
   {
      // check if the point falls into this subbucket (always falls into the big one)
      if (((numberOfPoints_[0] + 1) % int(pow(resolutionBase_, k)) == 0))
      {
         if (!incache_[k])
            cache(true, k);
         // Update max/min intensity/Z values for the bucket.
         if (newPoint.getIntensity() > maxIntensity_)
            maxIntensity_ = newPoint.getIntensity();
         else if (newPoint.getIntensity() < minIntensity_)
            minIntensity_ = newPoint.getIntensity();
         if (newPoint.getZ() > maxZ_)
            maxZ_ = newPoint.getZ();
         else if (newPoint.getZ() < minZ_)
            minZ_ = newPoint.getZ();
         points_[k][numberOfPoints_[k]] = newPoint;
         numberOfPoints_[k]++;
      }
   }
}

现在我的问题是，你能想出一种方法来改进这个设计吗？在处理大量不适合内存的数据时，有哪些通用策略？如何提高四叉树的效率？有没有一种方法可以加快点的渲染速度？