GPU光线跟踪算法加速结构研究论文.docVIP

　　GPU光线跟踪算法加速结构研究论文 摘要：基于GPU的光线跟踪算法是当前图形学研究的一个热点，也是将来用于广告、电影、游戏等娱乐产业的关键技术。本文论述了如何对基于GPU的光线跟踪算法进行实现，以及利用各种加速结构，加速算法实现，提高算法执行效率，并对各种加速结构的效果进行了比较研究。 关键词：GPGPU 光线跟踪 BVH KD-Tree 1．引言 近年来，CPU无论在运算能力，还是在可编程性上都得到了大幅的提高.freelary ray)。在一个GPU上，能够使用光栅器的插值的能力，在一个单一的内核调用中，产生所有的原始光线。 给定观察矩形（被采样用于产生图片的投影平面的一部分）的四个角，以及视点，首先计算出这个视锥体的四条边线。如果让光栅器在这4条光线之间，按照512×512规格，在这四条光线之间按照方向进行插值，最终就可以获得能够产生一幅512×512图片（一个像素一个采样点）的所有原始光线的方向。同时能够将这些方向存储在一个纹理里，并把它作为求交内核的输入。所有的原始光线具有相同的起始点，但是仍然把它存储在一个同方向纹理具有相同维度的纹理内。因为当生成阴影光线或者反射光线的时候，光线的原点会发生改变。 求交内核把光线的原点，方向，以及场景的描述作为输入数据。在内核被调用数次之后，我们对于每一个像素输出一个击中记录。如果一条光线击中了场景中的某个三角形，返回击中点的3个重心坐标，以及相关的被击中的三角形。此外，还将输出被发现的交点沿光线的距离，以及被击中三角形的材质。这就需要使用5个浮点数值组成一个击中记录。纹理只能够支持4个颜色通道( RCBA)，所以，如果能把击中记录裁减到4个值，那么将是非常有益的。 观察发现，只需要3个重心坐标的两个，因为在三角形内部，它们相加的和总是1。这就使得在一个单独的RGBA纹理中存储交点记录是可行的，并且它的维度同其它两个光线纹理的维度相同。 Moller和Trumbore提出了一个高效的光线一三角形求交算法，使用这个算法，并利用CPU在向量计算上的优势来进行求交计算。下面列出了求交的代码，这个代码也展示了如何利用向量指令来提高效率。 当所有的原始光线都已经计算出了相交的状态的时候，就能够查询着色过程所需要的表面法线和材质的信息。每一个击中记录都存储了一个指向材质纹理的索引，这个材质纹理包含了三角形的法线，材质颜色以及类型。三个顶点的法线根据击中记录的中心坐标进行了插值。最终的颜色能够按(N-L)C进行计算，此处Ⅳ是法线，L是光源的方向，G是三角形的颜色。 现在根据击中的三角形所具有的材质的类型（漫反射材质，或者镜面反射材质），需要产生二次光线，以此来计算阴影和反射。 1)如果一条光线射出场景之外，像素就被赋予全局的背景颜色。 2)如果一条光线击中了一个漫反射材质表面，就发射一条阴影射线( shdoailbox技术，这就意味着需要对于相同的光线和三角形之间进行不止一次的相交测试。 3.2 KD-tree 最近，Havran等人对基于CPU的光线跟踪算法的加速结构进行了比较，得出的结论是对于众多不同类型的测试场景，平均而言，KD-tree是最快的。所以，有必要考察一下对于基于KD-tree的GPU光线跟踪算法，是否也会有相似的结论。 就像均匀栅格一样，KD-tree也是一种空间细分结构。同均匀网格不同的是，KD-tree利用一个二叉树将场景表示成一个层次结构。 在二叉树中，我们将内部节点和叶子节点区分开。叶子节点用来表示体素和与之相关的保存在该体素内的三角形的引用。一个内部节点用来表示空间区域的某个部分。所以，内部节点包含一个分裂面的两个子树的引用，而叶子节点只包含一个三角形列表。 KD-tree的创建过程从上而下，根据一个评价函数，通过放置一个分离平面，递归的将场景分离成两个体素。我们能够以递归的方式遍历KD-tree，但是由于GPU没有堆栈结构，所以无法应用递归的策略。取而代之的是，我们能够通过记住我们沿着光线前进了多远来向上或者向下遍历树。这种策略消除了需要堆栈的限制，使得用CPU来完成对KD-tree结构的遍历成为可能。 当使用GPU对KD-tree进行遍历的时候，KD-tree像均匀栅格那样被表示成一个纹理的集合。这就意味着有一个保存树数据的纹理，一个保存三角形列表的纹理，和一个保存实际的三角形数据的纹理。GPU的遍历首先调用一个初始化内核，然后按照需要，多次调用合并后的遍历和求交内核。 3.3 包围体层次(BVH) 给定一些随机的光线，通过计算遍历包围体层次的平均花费，就可以测量出该包围体层次的质量。迄今为止，还没有构建最优的包围体层次的算法，也就是说，如何准确的测量一个包围体层次的平均遍历时间还不是很明显。 Goldsmith和Salmon提出了一个评价函数，通常被称