[发明专利]一种光线追踪优化方法

说明书

本发明提供一种光线追踪优化方法，包括：光线追踪优化的任务由GPU渲染端和CPU主机端来执行，其中CPU主机端负责模型解析和输出处理，GPU渲染端负责根据模型数据信息建立KD‑Tree和光线追踪渲染。本发明通过合理使用GPU端的内存资源和应用OpenGL‑CUDA图形互操作函数提高光线追踪的执行效率。同时本发明使用GPU端结合OpenGL‑CUDA图形互操作函数，实现光线追踪结果的显示，使方法具有更好的跨平台性，有效解决数据频繁传输带来的效率问题。与传统的基于GPU上实现的光线追踪相比，渲染效率有明显提高，能够在较短时间内完成相同效果的模型渲染工作。

技术领域

本发明属于计算机图形学技术领域，特别涉及一种光线追踪优化方法。

背景技术

光线追踪，是通过跟踪与物体发生交互作用的光线，得到物体表面上产生的反射、散射的路径，模拟出真实的虚拟场景。光线追踪过程中需要跟踪场景中的每一条光线，成像过程中计算开销很大。

近年来GPU在并行处理方面的优势凸显，NVIDIA推出了OptiX光线跟踪引擎及通用并行计算框架(Compute Unified Device Architecture，CUDA)这一编程模型，使得GPU成为高性能计算领域研究热点。高性能计算不仅仅是多个核心同时计算，还要求高效发挥计算核心性能，需要程序员针对体系结构进行特殊优化，比如向量化、数据合并访存、提高cache命中率等。

基于GPU存储体系的光线追踪优化主要有两种方法：

第一种方法是Carr等人提出来的，把GPU作为一个用来执行光线与三角片求交的计算器，大部分的渲染工作仍然在CPU上执行的，GPU的利用率不高。这种方式的好处是能够分别发挥和各自的特长，使处理与逻辑控制相关的功能，而则专注并行的数据处理，从而避免在上将大量的并行数掘进行串行运算，或者使承担过多的逻辑控制而影响其并行数据处理能力。然而这种方法的弊端是由于程序控制逻辑与数据处理相分离，在某些特定的算法中，程序的结构将会变得非常复杂，甚至难以实现。并且由于在进行数据处理前后，数据都需要在和之间来回进行传输，在实时应用的程序中，和之间的数据传输带宽可能成为限制运行速度提升的瓶颈。

第二种方法是由Purcell提出的，它将整个光线追踪的计算过程都在GPU上实现，从光线的产生到加速结构的遍历，到最后的着色都在GPU上执行，对GPU的利用率高，然而这会大大增加端的负担，并且当核心算法非常复杂时，由逻辑控制造成的开销可能会使的整体运算性能甚至不如。但这种方式的优点则是程序设计比较容易，能够设计出与端的程序类似的程序，或者很容易将端的程序移植到上。并且由于临时数据不必再从传回，数据传输将不再成为影响性能的主要因素。

发明内容

针对现有技术存在的不足，本发明提供一种光线追踪优化方法。

本发明的技术方案是：

一种光线追踪优化方法，包括：

光线追踪优化的任务由GPU渲染端和CPU主机端来执行，其中CPU主机端负责模型解析和输出处理，GPU渲染端负责根据模型数据信息建立KD-Tree和光线追踪渲染。

所述模型解析和输出处理，包括：

CPU主机端加载场景模型，为其开辟内存/显存，解析场景模型，将解析后的模型数据信息分类，其中的场景三角片元数据和场景材质数据打包发送给GPU渲染端的纹理存储区，光源信息、视线位置信息、场景分辨率和递归最大深度信息打包发送给GPU渲染端的常量存储区。

所述根据模型数据信息建立KD-Tree，包括：

创建场景中基本图元的轴对齐包围盒；

边界确定，形成场景空间；

若当前场景空间达到分割终止条件，则将其作为叶子节点插入到KD-Tree中，完成KD-Tree构造；否则：