[发明专利]一种海量集装箱批量渲染方法和设备

说明书

本发明公开了一种海量集装箱批量渲染方法和设备，将海量集装箱作为渲染对象，通过GPU Instance进行预处理操作，解析集装箱的业务数据，提取关键信息，将关键信息存入GPU缓存；基于包围盒选取集装箱对应的LOD网格；基于每个包围盒在相机空间中的八个顶点坐标及视锥体六个平面的平面方程进行视锥剪裁；通过相机深度图及视锥剪裁后的集装箱进行遮挡剔除操作；将进行遮挡剔除后的集装箱从缓存中批量发送到GPU渲染管线中批量生成集装箱，使用GPU Instance方法对集装箱进行批量渲染，由GPU批量生成相同网格和材质的物体，融合LOD、视锥剪裁、遮挡剔除等多种优化算法，最大程度的提高了渲染效果和渲染性能，同时，生成碰撞网格体，以响应用户输入事件，满足各类业务需求。

技术领域

本申请涉及三维仿真技术领域，更具体地，涉及一种海量集装箱批量渲染方法和设备。

背景技术

集装箱码头三维仿真系统存在同时查看全部集装箱的需求，超过数十万量级的集装箱同时渲染将大幅降低渲染性能。即使将集装箱的顶点进行静态合并，批量送入渲染管线，也会因顶点规模过大，难以提高渲染性能。在渲染性能低下的情况下，也无法引入高保真的集装箱模型和贴图资源。

因此，如何提高海量集装箱的渲染效率，是目前有待解决的技术问题。

发明内容

本发明提供一种海量集装箱批量渲染方法，用以解决现有技术对海量集装箱渲染时效率过低的技术问题，所述方法：

将海量集装箱作为渲染对象，通过GPU Instance进行预处理操作，并对所述集装箱进行分类；

解析所述集装箱的业务数据，并基于所述业务数据提取关键信息，并将所述关键信息存入GPU缓存中，所述关键信息包括集装箱逻辑位置、尺寸、类型、持箱人；

获取每个集装箱的包围盒，并基于所述包围盒选取所述集装箱对应的LOD网格；

基于每个包围盒在相机空间中的八个顶点坐标及视锥体六个平面的平面方程进行视锥剪裁；

获取相机深度图，并通过所述相机深度图及视锥剪裁后的集装箱进行遮挡剔除操作；

将进行遮挡剔除后的集装箱从缓存中批量发送到GPU渲染管线中，并通过GPUInstance批量生成集装箱。

在本申请一些实施例中，通过GPU Instance进行预处理操作包括：

根据集装箱尺寸、类型、持箱人，组合对所述集装箱进行分类，对每类集装箱进行GPU Instance预生成。

在本申请一些实施例中，解析所述集装箱的业务数据，并基于所述业务数据提取关键信息，并将所述关键信息存入GPU缓存中，具体为：

解析所述集装箱的业务数据，通过地理空间数据库解析所述集装箱的逻辑位置，将集装箱位置、旋转、尺寸数据逐一存入对应的GPU Instance缓存中。

在本申请一些实施例中，获取每个集装箱的包围盒，并基于所述包围盒选取所述集装箱对应的LOD网格，具体为：

获取每个集装箱的包围盒，并计算包围盒中心坐标到相机的深度；

根据预设的各级LOD的切换距离选取所述集装箱对应的LOD网格。

在本申请一些实施例中，基于每个包围盒在相机空间中的八个顶点坐标及视锥体六个平面的平面方程进行视锥剪裁，具体为：

获取每个包围盒在相机空间中的八个顶点坐标及视锥体六个平面的平面方程；

计算各顶点与视锥体各平面的相对位置关系，并基于所述相对位置关系判断集装箱是否包含在视锥体内。

在本申请一些实施例中，获取相机深度图，并通过所述相机深度图及视锥剪裁后的集装箱进行遮挡剔除操作，具体为：

获取相机深度图，并通过MipMap原理得到分层深度图；

计算视锥剪裁后的集装箱的包围盒距相机的深度和屏幕空间像素覆盖范围，在分层深度图中查找对应层级的深度图；