利用PVM实现整体光照的并行计算.docVIP

利用PVM 实现整体光照的并行计算 学生学院 计算机学院 专业班级 11级网络工程3班 学 号 3111006372 学生姓名 陈俊豪 指导教师 王卓薇 2014年 12 月 27 日 利用PVM 实现整体光照的并行计算 孙济洲 1 , Nicolas D Georganas 2 (1 .天津大学电子信息工程学院, 天津 ;2 .渥太华大学信息技术与工程学院, 加拿大) 摘　要:对利用网络资源解决复杂且耗时的计算问题做了尝试.选择典型的粒子跟踪整体光照计算问题作为研究对象,提出一种改进的且充分发掘其内在相关特性的密度估计算法.在以太网连接的多台微机上, 以PVM(并行虚拟机)机制实现了该算法的并行计算.通过对各项运算性能指标的测试与分析, 结果显示可获得良好的加速比,并且PVM 在分布式网络并行计算上将有很好的应用前景. 关键词:并行计算;PVM ;整体光照;分布式网络 尽管硬件的计算速度极大的提高了，但仍有很多尚不能解决的应用问题。这些是复杂的、实时性很高的过程，例如实际图像生成虚拟或模拟，医学上使用的图像识别和处理，在复杂的表格、结构的设计上的有限元分析。随着计算机体系结构和V LSI技术演化，人们能够通过大型的多处理器并行计算机解决大量问题，不过，想要广泛应用这门技术还需很长时间。 近年来，对分布式网络和互联网的使用在各种应用领域迅速发展。基于此，计算机支持的协同工作（CSCW）系统完成一个大项目，为资源共享、多个用户之间的信息交流和协调提供了一个很好的环境。除了支持协同工作，人们还可以在分布式环境中任何方面进行开发或借整个网络资源，以解决上述复杂和耗时的问题，这一点已经受到越来越多的关注。PVM（并行虚拟机）应发展趋势而生，它不仅支持一个完整的消息传递模型，还能让分布式工作站和PC结合成为一台高性能并行计算机。 在本文中，研究目标是整体光照计算问题，它是一个现实的图像生成的核心，也是一个非常复杂和费时的过程。由于光的现象，如不同的光学特性的表面之间的漫反射，镜面反射，折射和透射，实验目标必须模拟全局光照[1]，它可能需要几个小时甚至几天的计算机时间来营造呈现复杂的场景以获得高质量的合成图像。在这里尝试利用PVM进行整体光照的并行计算。首先，根据粒子跟踪和康奈尔大学[2]提出密度估计（DE）方法，通过对它固有的并行性进行了探索，改进了DE算法（IDE），可以更方便和更有效的实现并行计算。然后对实验进行了讨论，如任务分配策略和子任务粒度的选择，其中PVM环境的建立是为了支持算法及其并行实现。得到的试验结果及并行加速性能的分析用来为PVM应用积累经验。试验结果表明，该算法是适用的，PVM具有很好的应用前景。它们还为将集成PVM模型整合到分布式协同虚拟环境的研究的可行性的奠定了基础。 1 改进的DE算法 整体光照算法主要包括有限元法和应用随机技术方法，后者分别是独立视图和视图依赖技术。虽然有限元算法已被完全开发了很长一段时间，但它不适合用于需要复杂光照来渲染的场景。同时，内存和计算带来的巨大成本，以及曲面细分所带来的附加误差，都是有限元法的致命缺点。相比之下,应用随机技术如Monte Carlo 方法，优点是广泛的适应性,实现的简单性,应用随机技术正在成为整体光照研究的重点[3]。DE算法的核心部分就是来自Monte Carlo 方法的密度估计计算。 1.1 DE算法 DE算法分为三步：粒子跟踪，密度估计和网格优化。[2] 粒子跟踪描述能量粒子发射的整个过程，包括了粒子的反射，折射或吸收。事实上，粒子跟踪应用Monte Carlo 方法求解位势方程[4,5]和获得对应区域的通量。在粒子跟踪后，包含命中点数据的文件就建立了。 密度估计是用来计算小网格顶点光照和利用核函数创建包括网格顶点光照数据的文件的方法，核函数认为一个命中点只影响这一周围地区的光照。这个方法的关键是选择合适的核函数，它代表了受命中点光照影响的任何点，例如Silverman的K 2函数[6]. 过密的网格必须减少，只保留周围光强的变化较大的网格顶点，从而提高渲染速度。对此许多网格优化的算法已经被开发出来了[7]。最后，包含紧凑的渲染网格顶点的数据的文件就建立了。该文件可以以高氏阴影网状[1]的形式存储，或者可以以图形工作站上交互显示，或者可以用于一个附加的射线追踪通以创建更逼真的、视图依赖的图像。 1.2改进DE算法 DE算法具有强大的并行性。首先，DE算法的三个阶段是独立的、不相关的，它们