大规模场景消隐技术.docVIP

大规模场景的消隐技术 陆艳青，王章野，彭群生 （浙江大学CADCG国家重点实验室 杭州 310027） 可见性判断，即从某个视点决定哪些面可见，是计算机图形学的一个基本问题，其重要性已广为人知。如今在基于网络的图形学、虚拟环境、阴影测试、全局光照、遮挡剔除和交互漫游中已成为关键问题。令场景S由一些模型单元构成（如三角形），S={P0.P1,…, Pn},视域锥定义了视点，视线方向，及广角, 消隐算法就是要找到可见面，剔除隐藏面，为了减少绘制的元素，定义可见集VS为至少在屏幕上贡献一个象素的元素集。然而对大规模场景，困难在于场景的复杂性，当场景个数为n=O(|S|),消隐算法的复杂度可能达到O(n2)。大规模场景使消隐成了至关重要的问题，通常可见的物体数要比总数少得多，例如，典型的城市场景，只能看到城市的一角，这类场景称为稠密遮挡场景，在任何一个视点均只能看到一小部分。其它如室内场景，墙壁遮挡了大部分场景，实际上从房屋的任何视点，仅能看到该屋内的场景及通过门廊的可见物。常用的一些方法有视域剔除，背面剔除，遮挡剔除（见图1），对大规模稠密场景，用得最多的方法是遮挡剔除。可见性判断不是个简单问题，因为视点的小小变动有可能引起可见性的巨大变化，解决了一个视点或许对附近点帮助不大。因此，研究大规模场景的消隐已日益变得重要了。 可见性计算还可用到其它一些问题，例如： 阴影计算：从光源处的不可见部分为阴影，所以遮挡剔除与阴影计算有许多相似之处。然而，阴影计算通常需要更精确的方法解决，保守可见性计算法则不能应用。 辐射度算法：在辐射度算法中，能量需要从一个面片传到场景中的每一个可见的面片，这需要在面片上应用区域可见性判断。 1．消隐算法的分类 在近几年出现的大规模场景消隐算法中，大致可分为以下几类 ● 精确对近似。 ● 保守对精确。 ● 预处理对实时处理。 ● 点对区域 ● 图象空间对景物空间 ● 软件对硬件 ● 静态场景对动态场景 精确可见集:仅包括所有完全和部分可见多边形。 近似可见集：包括大部分可见多边形可能还包括一些隐藏面。 保守可见集：包括所有完全和部分可见多边形，可能还包括一些隐藏面。 1.1 保守对近似: 很少算法试图寻找精确可见集，大部分算法是保守估计，即多估计可见集，少部分近似估计可见集，但其可见集不完全正确，例如PLP算法[4]。有些试图找保守的，但实际上丢失了小的可见面，如HOM[12]，基于OpenGL的遮挡剔除[13]。 1.2 预处理对实时: 大部分技术需要一定量的预处理，但这里所指的预处理是指把存储信息作为其一部分，几乎所有的区域消隐都属于预处理。有些算法需要一些预处理，但仍称为实时消隐，如，HOM[12], DDO[14],Hudson等[15],Coorg和Teller[17],花费一些时间选择一定数量的遮挡物，但只需存储很少的信息。 1.3 点对区域： 主要不同在于算法执行计算是依赖于精确位置还是在区域内使得其内部任何一点均可重用可见信息。显然，区域消隐在空间区域执行可见性计算，即在其内部时用相同的几何物体。 1.4 图象空间对物体空间： 几乎所有的算法采用了层次结构，分为图象空间和物体空间依赖于在何处执行可见性计算。例如HOM[12]和HZB[3]在图象空间执行遮挡判断。在HOM中，遮挡图在在二维图象投影面上执行而不在原三维表示中执行。其它利用图象空间的DDO[14]（也利用物体空间执行依赖视点产生遮挡物进行遮挡剔除），其它大部分算法在物体空间进行。 1.5 单独遮挡物对遮挡物融合： 给定三个元素，既不被遮挡，也不被遮挡，但被两者联合遮挡，一些算法能够执行遮挡融合，而另一些则只能利用单个元素。 2.景物空间的消隐 景物空间的消隐算法最早是Teller和Sequin[18]对室内场景的工作，处理的是二维情况，把场景组织成2D BSP树，然后在各个单元网格见判断是否有门廊，由此判断两者是否遮挡。 2.1 Coorg 和 Teller[15，16]的方法 Coorg 和 Teller提出了两种景物空间的消隐技术[15，16]，第二种更适合于场景中有大量的遮挡物，其算法在两个凸体之间判断可见性关系，（见图2），当观察者在两支撑平面之间左边的区域，被完全遮挡。Coorg 和 Teller方法基于视点变化时跟踪可见物及变化可见物之间的关系，它利用了时间的连贯性来检测可见物。 在文献[15]中，基于物体轮廓边的关系及不同物体的支撑面和分离面，他们给出了两物体之间可见性判断的有效条件。并建立了一套算法跟踪这些关系的变化，物体建立层次结构（八叉树）。在绘制时，根据视点的连续变化重建可见信息。