基于PRT的大规模场景全局光照技术

为了解决传统的基于光辐射传输预计算(PRT)的全局光照技术在大规模场景下渲染效率低下的问题,在对PRT光照算法的本质进行分析的基础上,提出了一种基于四叉树的自适应网格细分算法.根据光照方程中的可见性函数,只在需要产生阴影的地方进行网格细分,并利用四叉树来重组模型数据,避免了传统的网格均匀细分方法导致的模型复杂度大幅增加,从而会影响绘制效率的问题.通过在虚拟机场仿真系统中的实际应用,对两种算法进行了比较,表明了该算法在效果和效率上均优于原有算法.     

基于改进体素锥追踪的大规模场景光照计算

针对大规模场景光照渲染计算量大的问题,提出一种基于改进体素锥滤波器追踪的全局光照计算算法。首先,以级联纹理结构改进简单的体素结构,实现快速高效且经各向异性过滤的场景光照信息存储,减少内存消耗;其次,基于法线加权累积计算直接光照衰减,缓解法向一致性问题;最后,基于级联纹理结构对锥波滤器进行改进,采用动态体素查找,避免整个存储结构的遍历,从而实现全局光照的高效计算。实验结果表明,改进算法在降低内存占用、提高渲染速度的同时,保持与经典体素锥追踪算法相近的渲染效果。     

大规模外存场景的交互绘制

在场景分割的基础上,提出一种连续分层层次细节模型组织场景,并对视点空间进行划分,为每个视点单元计算恰好满足单元内任意视点屏幕像素误差的场景图节点列表,称为cell-front;然后利用cell-front对外存模型的存储进行重新设计.在绘制时采用多线程技术,绘制线程对当前cell-front进行可见性剔除和视点相关的选择绘制;预取线程采用一种基于视点单元的预取策略,利用视点单元之间cell-front的变化控制预取数据的调度.该算法能够在保证场景绘制质量的前提下,在普通的PC机上实现大规模外存场景的实时交互显示.     

基于空间网格细分的不规则场景的光线跟踪

针对不规则场景中光线跟踪算法绘制速度慢的问题,在深入学习和比较近些年的光线跟踪加速算法的基础上,提出了一种改进的网格细分的光线跟踪算法。首先,设置矩形场景包围盒,剔除对场景没有影响的外部光线,进而简化求交运算;其次,采用新方法创建空间网格,该方法可使空间单元数量和存储空间复杂度都限定在一定范围内;最后,对网格进行细分,这一步骤消除了传统空间网格算法忽略部分空白区域对加速效果产生的不良影响, 极大完善了传统空间网格算法。通过实验证明,该方法能有效提高光线在空白空间的穿行速度,不仅提高了时间效率,而且减少了空间开销。     

大规模虚拟场景渐进式传输的研究进展

随着网上三维虚拟场景的急剧扩张,来自用户端的即时下载请求和有限带宽之间的矛盾亦变得日益突出。现已有大量研究者致力于通过渐进式传输来实现网上大规模虚拟场景的快速下载,因此有必要对现有研究成果进行综述。首先介绍了渐进式传输的基本原理和过程,给出了一个用于评价不同传输策略的公式,接下来分别从(1)潜在可视场景集及潜在可视场景集增量的判定,(2)三维物体模型的简化技术和流式编码,(3)不同体系结构的分布式虚拟环境中的场景传输机制,(4)虚拟场景的预下载策略等方面论述了针对大规模虚拟场景的渐进式传输策略,最后展望了网上大规模虚拟场景渐进式下载技术的未来研究方向。     

论实时绘制大规模场景的各种技术

近年来实时图形设计已经成为计算机图形学的研究重点.本文详细地为大家介绍开发一个实时绘制大规模三维场景的程序系统所用到的各种技术.     

面向三角网格的自适应细分

细分曲面存在的一个问题是随着细分次数的增多,网格的面片数迅速增长,巨大的数据量使得细分后的模难以进行其它处理。针对这个问题,该文利用控制点的局部信息提出了一种基于Loop模式的自适应细分算法,利用该算法可避免在相对光滑处再细分,与正常细分相比,既大大减少了数据量,提高了模型的处理速度,又达到了对模型进行细分的目的。     

三角网格的自适应细分研究

提出面向三角网格全局细分和局部自适应的细分算法。在原三角网格模型上计算每个面片的中心坐标,据此生成的中心坐标点作为新的顶点坐标进行重新绘制得到三角基网格,然后进行多次迭代,达到基本的全局细分目标。在最后生成的基网格上,可以通过调节最大网格面积和平均网格面积之间的比例系数等,来得到更加均匀的三角网格。实验表明该方法能到得到质量较高的细分结果。     

大规模雪场景的实时绘制

大规模雪场景的真实感实时绘制在虚拟现实、雪灾的预防和救援、军事仿真及游戏设计等领域有着广泛的应用价值,但现有方法难以同时生成大规模动态雪场景的积雪及飘雪效果.为此提出并实现了一种交互式大规模雪场景建模与实时绘制的新方法.为了精细地模拟场景的积雪效果,提出一种基于视点的自适应降雪遮挡图模型,能在实时更新地物的遮挡关系的同时大大减少大规模雪场景中积雪的计算量,并提高了计算精度;对于场景的飘雪,采用一种基于视点的雪粒子分层建模技术来减少雪粒子数量,将视点变换及降雪粒子系统移至GPU中进行加速计算;采用动态多旋转纹理来模拟飘落雪花的形状以增加其真实感;采用几何与纹理混合绘制的方式来减少大场景的复杂度.最终成功地实现了野外和城市两个大规模雪场景的实时漫游,在场景中可看到压雪累累的树枝雪挂景象及轿车上厚厚积雪等冬天美景.     

大规模场景分割及LOD结构生成算法研究

在三维渲染中,场景的复杂程度是限制三维引擎渲染能力的主要原因。借助GIS系统中常用的对地图进行分片和分层的思想,对大规模三维场景进行处理,建立起多层次分片的LOD结构。具体步骤主要包括对三维模型的简化和分割。简化主要采用传统的边塌陷方法以及适当的局部细节剔除策略;分割指基于场景的空间位置信息,将边界区的三角面片进行切分,使一个场景结构分裂成两个场景结构。     

Adaptive mesh subdivision for efficient light baking

Light baking has long been a popular technique for real-time rendering. It usually precomputes and bakes the global lighting effects as vertex attributes or textures. Vertex baking requires less memory but can cause artifacts for large triangles. Texture baking can avoid this and generate a high-quality visual effect in real-time rendering. However, it requires significant memory consumption, which may limit the real-time performance and usage. To address this problem, we propose an adaptive mesh subdivision algorithm for memory-efficient light baking, including a fast triangle subdivision level determination method and an optimized solution to calculate vertex colors. Only the subdivided mesh is required during the real-time rendering. Therefore, memory requirements can be significantly reduced while keeping the visual effect. Besides, the subdivision level is allowed to be intuitively controlled by users with a specified parameter. Our algorithm can be easily implemented on commodity graphics hardware and integrated in existing real-time applications such as online preview systems.     

Adaptive feature-conserving compression for large scale point clouds

In this work, we introduce a practical method for reducing big point clouds of buildings and infrastructure. The proposed method introduces bilateral filtering with a tailored set of evaluation functions to conserve maximum information. The statistical parameters necessary for our model are selected by examining various point properties of a comprehensive dataset. The dataset contains artificial, photogrammetric and laser-scanned point clouds and has been made publicly available. For verification, we showcase our filtering method by preserving more information than voxel grid or density filters, enabling even sparser photogrammetric datasets. Finally, we discuss some encoding strategies as well as the best balance between size and resolution.     

基于纹理集的大规模场景模型优化算法

为了提高大规模场景模型的渲染帧率,提出了一种基于纹理集(texture atlas)技术的优化算法。通过动态空间分配算法,将模型中的纹理以最小空间代价合并为数个大纹理。在此基础上,通过"冗余存储"的方式解决重复纹理模式下的子纹理无法正常显示的问题,并且将模型中节点的纹理坐标更新。实验结果表明,该算法有效且可行,通过该算法优化后的模型的纹理状态切换次数大大减少,同时最大程度地节约了纹理空间,渲染帧率明显提高。     

解大规模无约束优化的自适应过滤信赖域法

提出一种解大规模无约束优化问题的自适应过滤信赖域法。用目标函数的梯度及迭代点的信息来构造目标函数海赛矩阵的近似数量矩阵,引进了过滤技术和自适应技术,大大提高了计算效率。从理论上证明了新算法的全局收敛性,数值试验结果也表明了新算法的有效性。     

Adaptive control for a class of large scale non-linear systems

The design of stabilizing controllers for multi-input multi-output (MIMO) non-linear plants with unknown non-linearities is a challenging problem. The inability to identify the non-linearities on-line or off-line accurately motivates the design of stabilizing controllers based on approximations or on approximate estimates of the plant non-linearities. However, the design of a centralized controller for large scale non-linear systems is often complex due to the high dimensionality and difficulty to implement in real time. In this paper a decentralized-like non-linear adaptive control algorithm is designed and analysed for a class of large scale non-linear systems with unknown non-linearities. The controller guarantees closed loop semi-global stability and convergence of the tracking error to a small residual set whose size can be specified a priori provided the neglected in the control design non-linear interconnections are small relative to the modelled non-linear parts. A procedure for choosing the various design parameters to guarantee that the tracking error bound will converge to within the specified a priori bound is presented. Even though the proposed controller is not purely decentralized it does reduce computations and makes the control design easier than a corresponding centralized approach.     

Catmull-Clark细分网格数据点拾取

针对将OpenGL选择拾取机制直接作用于Catmull-Clark细分网格数据点的拾取,可能会因细分网格数据量过大而导致名字堆栈溢出的问题,借鉴细分曲面求交的思想,提出一种新的细分网格数据点拾取方法.该方法通过提取拾取对象的邻域网格并进行局部细分,将对细分任意层次上网格数据点的拾取转化为对初始控制网格以及在达到细分层次要求以前每一次局部细分网格点、边、面的拾取和对最后一次局部细分网格数据点的拾取.采用多个拾取算例进行对比分析实验,当细分网格顶点数量较多时,所给拾取方法的拾取命名对象总量和拾取时间都远小于传统OpenGL选择拾取方法.实验结果表明,所给拾取方法能快速准确实现细分网格数据点的拾取,尤其适用于数据量较大的复杂细分模型,可有效避免因拾取名字堆栈溢出而导致的拾取错误.     

基于细分的网格模型骨架驱动变形技术

针对传统骨架驱动变形方法中模型细节特征不能得到有效保持的问题,提出一种基于细分的骨架驱动网格模型变形方法。首先,对网格模型待变形区域基于截交线进行局部骨架提取和控制网格构建,分别建立骨架与控制网格以及控制网格所对应细分曲面与待变形模型区域之间的关联关系;然后,将基本函数作用下的自由变形方法应用于骨架变形,通过骨架变形驱动控制网格变形,将变形前后控制网格所对应细分曲面的变化信息转为网格模型泊松梯度场的改变;最后,根据改变后梯度场重建网格模型。实例表明,该变形方法针对不同网格模型均可以得到较好的编辑效果,且细节信息在变形后都得到了有效保持。与传统骨架驱动变形方法相比,该方法除具备交互操作简单直观的优势外,同时能够更好保持变形模型几何细节特征,更为适合具有丰富几何细节的复杂模型的变形编辑。