GPU光线跟踪算法加速结构探究.docVIP

GPU光线跟踪算法加速结构探究摘要：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，GPU已经在需要大量运算的密集运算领域发挥了举足轻重的作用。各种基于CPU的密集运算被移植到GPU上，以利用GPU巨大的运算能力，加速整个算法的运算过程。光线跟踪算法是生成真实感图形的一种非常重要的方法，在电影、游戏、广告等产业，获得广泛的应用，而光线跟踪算法也是典型的密集运算算法，利用原始的基于CPU的光线跟踪渲染一幅图片是非常耗时的操作。因此，如果能够将CPU上的光线跟踪算法，映射到CPU上，加速光线跟踪算法的执行时间，将会带来巨大的经济效益。因此，基于CPU的光线跟踪算法已成为国内外科研人员的研究热点 ?2．基于GPU的光线跟踪 ?2.1 相关工作 ?当前，主要由两种方法利用CPU来加速光线跟踪算法。第一种是Carr等人提出来的，将CPU转换为一个蛮力的执行光线一三角形求交的计算器，而将任何的光线生成以及着色过程在CPU上完成。这就需要CPU依然执行绝大部分的渲染工作。C arr等人指出，在ATI Radeon 8500上，每秒最快能够执行1亿2千万次的光线一三角形求交。同时，作者也指出，由于GPU的单精度浮点的限制，图片上依然存在一些不太真实的地方 ?第二种方法由Purcell等人提出的，改种方法将整个光线跟踪器都移植到CPU上进行实现。从光线的产生，加速结构的遍历，到最后的着色过程都在GPU上执行。此后，有很多相同的项目都是基于Purcell的模型上进行的 ?2.2 GPU上的光线跟踪算法的映射方式 ?将传统的CPU上执行的光线跟踪算法，映射成为一个GPU协助的，或者基于GPU的光线跟踪器有众多方法。下面重点介绍Purcell提出的映射模型，以及在本文的实现中提出的一个基于CPU的Whitted模型的光线跟踪器。该光线跟踪器的布局 ?在Purcell的论文中，它将光线一三角形求交，以及遍历过程分离成两个独立的遍历内核和求交内核。本文的实现中，也按照上述模型图，将光线跟踪算法分解成光线生成，光线一三角形求交，着色这三个步骤 ?在对光线进行跟踪之前，需要生成从视点指向屏幕的原始光线( primary 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