快速虚顶点光子映射的焦散绘制

目的 模拟绘制焦散效果是真实感图形绘制的重要组成部分。利用可编程GPU硬件,基于图像的光子映射方法绘制速度快,但由于使用了近似采样和计算,会产生失真。为了克服这一现象,针对理想的镜面反射、折射体,提出一种快速绘制焦散效果的方法（VOBPBT）。方法 该方法首次定义了光子路径映射图的概念,并提出通过基于虚顶点光子映射的光子束跟踪来准确构建光子路径映射图的方法;此外,方法也创新性地提出利用光子路径映射图来查找焦散三角形,创建焦散映射图的方法。结果 实验结果表明,本文绘制结果真实,可以处理多次递归反射、折射,能够绘制连贯的高频焦散效果,同时可以达到交互的绘制性能。结论 本文VOBPBT方法在可交互计算机仿真、计算机游戏、虚拟漫游等应用领域具有一定的实用价值。     

使用光子映射渲染参与介质

光子映射是近年发展起来的一种新的全局光照算法。本文依据光子映射对实体物体的渲染,将其扩展到对包含参与介质的场景的渲染,为此提出了一个两路的渲染算法。在第一路中,光子从光源发射,并使用光子追踪来构造体光子图;第二路从视点出发向场景中发射光线,使用光线追踪来进行渲染,其中,根据构造好的光子图,用光线步进进行
行递归的辐射估计,得出最终光强。     

基于自适应光子发射的渐进式光子映射

通过对渐进式光子映射算法进行扩展,提出了一种基于自适应光子发射的渐进式光子映射算法.渐进式光子映射是一个多遍的全局光照算法,通过不断发射光子并渐进更新场景各点的光能估计能使其最终能收敛到无偏差的结果.由于渐进式光子映射完全使用密度估计来计算各点的光能,因此其收敛速度受光子分布影响较大.利用渐进式光子映射算法中固有的场景统计信息以及其多遍的特点,设计了一个自适应的光子发射策略,使得发射的光子能更多的分布在对最终绘制有效的区域,提高了原算法的绘制效率.     

基于光子映射的辐照度缓存算法

提出了一种全局光照计算方法,结合了两个知名的技术,光子映射和辐照度缓存.光子映射具有视点无关的优势,辐照度缓存可以快速计算间接光照,但后者是视点相关的,为了使光照缓存记录覆盖整个场景,辐照度缓存算法需要手动设置很多相机.利用这两种技术的各自优势,通过光子图来计算改进后的视点无关的辐照度缓存算法,实现了快速而准确的全局光...     

基于CUDA的数据挖掘KNN算法的改进

当今的时代是信息化的时代,随着计算机和网络的迅速发展,在日常生活中会产生越来越多的数据。人们享受信息化网络系统带来的便利的同时,也遗憾有非常多的信息被淹没在数据之中。如何整理管理这些宝贵的数据,怎么才能更好更有效地使用这些数据,成为一个迫切而重要的问题。     

基于栅格的全局光子图重建

基于光子图的光子映射算法能产生高质量的照片级图像。对于光照复杂的场景,光子图需要存储大量光子以提高生成图像的质量,这不仅占用大量的内存空间,而且光照估计的时间长。论文提出基于栅格的全局光子图重建的算法,即在光子包围盒被栅格化后,其非空栅格中一定比例的光子被用来重建新的光子图,并保证重建前后栅格内光子能量和守恒,这使得重建前后光子图的光照估计的效果相近。通过增加特定栅格中的重建光子数目,能有效减少由几何偏差引起的光照估计误差,增强直接聚焦（焦散）和间接聚焦光照的绘制效果;并使用简单方法检测生成图像中少量噪声,增加少量采样即可有效减少相应的噪声。全局光子图重建算法的计算成本低,并保持生成图像的视觉独立性。     

基于GPU的光子映射并行化算法

针对串行情况下光子映射算法速度慢的问题,对光子映射算法并行化进行可行性分析,充分利用图像处理器(GPU)的统一设备计算架构(CUDA)的并行和计算能力,实现光子映射算法的并行化。同时针对算法中光子发射追踪阶段生成GPU线程数与光子数相同的方法的不足以及平均分配方法所造成的资源浪费等,提出线程之间协同工作的方法并采用动态平衡处理,使光子渲染速度提升了将近一倍。实验结果证明了多线程间协同工作及动态平衡相结合方法的有效性。     

基于CUDA的光线追踪优化算法研究与实现

在三维场景仿真过程中,为了实现真实的光影效果,通常采用光线追踪法对场景进行渲染。光线追踪算法的核心过程是光线与场景中的片元进行相交测试,而对于一个复杂的场景,该过程计算量非常大。为了改善光线追踪算法的计算速度问题,实现一种基于CUDA(Compute Unified Device Architecture)的光线追踪算法。该算法利用GPU的并行处理能力同时结合KD-Tree加速相交测试过程,最终提高仿真场景的渲染速度。通过实验表明,该算法的KD-Tree创建性能相比传统方法提升约20%,光线追踪性能提升约6倍。     

基于XNA的三维地形可视化的研究与实现

三维地形可视化是自然环境仿真的重要组成部分,以VS2010+XNA4.0为开发平台进行三维地形的绘制。其方法是加载高度图生成网格的顶点和索引;将网格数据放入GPU中进行地形渲染,并对GPU的顶点渲染和像素渲染两个阶段进行编程,使用法线映射进行贴图,生成带纹理和光照的三维地形。     

基于CUDA平台的遗传算法并行实现研究

CUDA技术方便程序员在GPU上进行通用计算,但并没有提供随机数产生的应用接口。为此,本文提出并实现在CUDA开发平台上并行产生均匀随机数算法,测试证明算法可行。在此基础上优化基本遗传算法,并在GPU上并行实现其所有操作,提高其运行速度和准确度;分析了种群大小和遗传代数对此算法加速比及准确度的影响,并与MAT-LAB工具箱进行比较。实验表明,相比MATLAB遗传算法工具箱,基于CUDA平台实现的遗传算法性能更高,准确度更好。     

基于OpenCL的ICP点云并行配准算法

针对当前点云配准算法效率过低的问题,运用OpenCL实现了基于通用GPU的kd-tree并行搜索算法,进而实现了ICP点云并行配准算法。首先建立目标点云的三维空间kd-tree,并使用OpenCL并行加速其搜索算法;然后将并行加速的kd-tree搜索算法运用于ICP算法,同时针对ICP算法的其他部分也使用OpenCL并行加速以确保配准过程尽可能高效。通过实验验证了所实现算法的高效性以及健壮性。     

基于中剖面kd-树的光线跟踪加速算法

kd-树算法是光线跟踪加速技术中效果最突出、应用最广泛的算法之一。在深入讨论该算法的基础上,提出了中剖面kd-树算法。该算法通过在预处理阶段加入一个场景层次信息索引表,将剖分平面固定为中剖面,并利用栈存储下一结点所需信息,节约了一半的存储空间;此外,将剖分轴按照最大轴向进行剖分,从而减少了光线同时穿过两个子结点的可能性,减少了访问时间,提高了算法效率。     

启发式探查最佳分割平面的快速KD-Tree构建方法

在基于光线跟踪方法的真实感绘制中,kd-tree是一种重要的加速结构.文章对kd-tree的构建方法进行了研究,提出了一种基于分区(binning)算法的快速构建方法.首先,通过分析kd-tree的成本函数,启发式地定位了当前节点的分割平面所在的子区间;其次,对探查到的子区间进行进一步的细化采样(sub-sampling),使得到的分割平面更好地逼近最优分割位置;同时,文章分析了现有方法在处理分割终止时存在的问题,提出了更加合理的分割终止条件.与以往方法相比,新方法用更小的计算成本生成了质量更好的kd-tree,构建过程更加鲁棒.实验数据验证了文中方法的有效性.     

Memory-efficient real-time map building using octree of planes and points

This paper presents an octree-based map building algorithm for mobile home-service robots. The robot is equipped with a time-of-flight camera, which produces point clouds of the environment surfaces. Given the successive input of point clouds, a 3D map is incrementally computed in real time. The map is accurate and memory-efficient because the octree nodes containing points on a plane are merged and represented simply by an index to the plane. The real-time performance is achieved largely due to the parallel processing capability of the many-core Graphics Processing Unit used for plane extraction.     

Coherent Photon Mapping on the Intel MIC Architecture

Photon mapping is a global illumination algorithm which is composed of two steps: photon tracing and photon searching. During photon searching step, each shading point needs to search the photon-tree t...