基于场景结合的大规模动态群体可见性计算方法

动态场景的可见性计算对于大规模场景的实时渲染具有重要意义,其中运动中的大规模群体更给可见性计算带来了很大的开销.针对大规模动态群体在建筑物场景内部运动的情况,提出一种与场景结合的动态群体可见性计算方法.在预处理时,根据个体在不同仿真时刻的位置,将其绑定到相应的场景节点中;在实时绘制时,结合场景的可见性判断结果对动态群体中的个体进行可见性判断.实验结果表明,该方法能高效地剔除动态群体中的不可见个体,使大规模动态场景的实时绘制效率得到明显提高.     

绘制大规模场景的可见性计算技术

高效的可见性计算可大量节省关于场景中不可见部分的计算．较系统地介绍了各种可见性计算技术。首先讨论可见性计算的基础方法；然后讨论可见性计算的高效实现和运用方法，以及一些能很好地提高绘制效率的可见性计算系统．     

一种基于松散八叉树的复杂场景可见性裁剪算法

针对传统八叉树方法的不足,在采用松散八叉树组织场景、利用八叉树空间划分优点的同时弥补其局限性.为提高遮挡查询效率,将子节点依视点排序,针对复杂场景采用双层裁剪技术以进一步提高性能.实验结果表明,文中算法对深度复杂度高、面片数量大的复杂场景具有较好的裁剪效率,能够很好地满足实时绘制的要求.     

OpenGL Optimizer及其在大规模地形场景漫游中的应用

本文介绍了OpenGL Optimizer的强大功能和体系结构,针对组成地形场景地貌和点、线、面三类地物,阐明了运用该三维引擎创建大规模地形场景的方法,并论述了应用程序的性能优化策略。实例表明应用OpenGL Optimizer在保持场景真实感的情况下大大提高了场景的渲染速度,达到了大规模地形场景实时漫游的要求。     

基于改进型遮挡查询的复杂场景漫游算法

场景漫游中存在大量复杂模型时,由于其巨大的几何与纹理数据量,渲染速度会随之显著变慢.提出一种改进的大规模场景实时漫游技术,有效地利用了GPU的硬件遮挡查询技术.与以往的方法相比,通过一种改进的可见性分类查询队列,能同时减少遮挡查询次数和渲染状态的改变;并使用一种简单有效的排序方法,解决了同类方法中出现的遮挡错误的问题.实验证明该方法能有效提高复杂场景下漫游的渲染速度.     

大规模复杂场景交互绘制技术综述

大规模复杂场景的快速绘制是虚拟现实、实时仿真和三维交互设计等许多重要应用的底层支撑技术,也是诸多研究领域面临的一个基本问题.随着近几年三维扫描和建模技术的飞速发展,三维场景的规模和复杂度不断增大,大规模复杂场景的交互绘制受到了国内外研究者越来越多的重视并取得了一系列研究成果.首先简要回顾了大规模复杂场景交互绘制的研究进展情况;然后通过对其中涉及的主要关键技术进行总结分析,并对国内外典型的绘制系统进行比较和分类,阐述了大规模复杂场景交互绘制的主要研究内容,给出了大规模复杂场景交互绘制系统所应包含的基本组成部分和一般框架;最后对今后的发展方向做出了展望.     

一种适合室外复杂地景可见性裁剪的快速算法

大型场景的动态绘制与实时交互成为当今图形学研究的热点 ,作为场景绘制前的关键部分的可见性判断日趋受到重视。本文提出了一种适合室外复杂地景可见性判断的快速算法 ,它具有有效的数据结构 ,能实现动态场景的快速更新 ,另外它通过有效利用地形高程数据的规则性特点 ,直接定位可能可见的地形块集合 ,提高了可见性判断的速度。另外还可将本算法同传统的基于BSP树和Z -Buffer的可见性判断方法相结合共同完成复杂室外场景的可见性判断。本算法已成功应用在多武器平台综合防空系统中地景实时显示部分中。     

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.     

利用可编程GPU实现大规模地形场景的高性能漫游*

对已有算法进行了综述,并针对数据动态调度、自适应网格模型的生成以及数据的组织与数据裁剪等方面进行了研究并提出改进方法,设计了一种基于GPU编程实现的大规模地形场景的实时绘制与漫游算法。利用GPU端完成地形网格更新、地形块的自动选取、高度图和纹理图采样等大部分计算工作,大大减轻了CPU端的计算负载。实验表明,该算法实现简单,内存开销较少,有效提高了地形绘制的效率,适于大规模地形场景的实时高效漫游。     

基于多线程并行的大规模场景交互漫游研究

针对大规模三维场景的交互漫游,提出了一种基于多线程并行调度解决方案,并给出了相应的交互漫游算法.该方法使用离散层次细节技术结合视点相关的动态连续层次细节选择和过渡的批LOD技术.在预处理阶段,对大规模场景进行分层分块处理;在实时漫游阶段,采用多线程并行技术:绘制线程利用四又树层次进行可见性剔除和视点相关简化获取当前可绘地形,并将其提交给GPU进行绘制.预取线程通过预测视点的位置,从外存预取相关的几何数据并调入内存.将该方法应用于具体实例,取得了良好效果,证明了该并行方法的有效性.     

一种复杂场景遮挡剔除的优化算法

采用GPU的遮挡查询功能提出了一种复杂场景的层次遮挡剔除算法,通过交替进行遮挡查询和可见节点的绘制,有效地减少了由于遮挡查询延迟造成的空闲等待时间.为了减少场景中不必要的遮挡测试,将遮挡查询问题描述为最优化决策问题,通过对每一帧遮挡查询的选择进行优化,能够使整个场景绘制的效率近似达到最优.实验结果表明,对于不同复杂度的场景,该算法可以明显地提高场景的绘制速度.     

Visibility Driven Rasterization

We present a new visibility driven rasterization scheme that significantly increases the rendering performance of modern graphic subsystems. Instead of rasterizing, texturing, lighting, and depth-testing each individual pixel, we introduce a two-level visibility mask within the rasterization stage which facilitates the removal of groups of pixels and triangles from rasterization and subsequent pipeline stages.
Local visibility information is stored within the visibility mask that is updated several times during the generation of a frame. The update can easily be accomplished by extending already available (in hardware) occlusion culling mechanisms (i.e. those of HP and SGI), where it is possible to integrate the additional functionality without any additional delay cycles. In addition to these existing hardware based occlusion culling approaches—which cull only geometry contained in bounding volumes determined as occluded —we are able to significantly accelerate the rendering of the geometry determined as visible . However, our approach does not specifically rely on such occlusion culling hardware.The proposed new rasterization scheme is well suited for hardware implementation, can easily be integrated into low-cost rasterizers, and its scalability can vary upon available chip real estate. Only incremental modifications of modern graphics subsystems are required to achieve a significant improvement in rendering performance.     

大规模场景的消隐技术

计算机图形学的快速发展使处理大规模场景中的数据变得日益重要，文章主要讨论了近几年最新发展的消隐算法。     

复杂场景下基于热图的车牌检测

随着车牌识别的应用场景不断扩展,处理的图像复杂性也随之提高,车牌检测面临车牌定位困难、检测速度慢和精度低等挑战。为提高光照不均衡、透视变形、雨雾天气、低分辨率等复杂场景下车牌检测的准确率,提出一种基于车牌角点热图的检测网络LPHD-Net。不同于传统模板匹配和目标检测中矩形先验框的方式,该网络通过车牌角点热图和车牌边界向量场的方法对车牌进行检测。在中国城市停车数据集中进行训练和测试,使用目标检测任务中常用的平均精度和召回率对模型的整体性能进行评价。实验结果表明,LPHD-Net模型对多种复杂场境下的车牌检测精确率和速度分别达到99.2%和78 frame/s,较LMAFLPD模型提升1.15个百分点和14 frame/s。同时,其对场景中的多车牌检测也具有较好的检测效果。     

沙尘暴场景的参数化建模与实时绘制

沙尘暴是一种灾难性的自然景象,对沙尘暴的量化建模与实时绘制,在环境保护、灾难救援、城市交通及影视特技制作等领域有重要的应用价值.为此,提出了一种基于气象学原理的沙尘暴景象参数化建模方法,特别地,分析了上升气流与温度场的关系,并提供了模拟沙尘暴起沙和升流的简化模型.只需输入气压、气温、沙尘密度、场景类型等不同参数即可模拟出特定条件下的沙尘暴景象.在对沙尘暴景象进行实时绘制时,采用基于半角切片的前向多散射的体绘制模型,大大减少了了整体散射模型的计算量.对沙漠和城市场景不同程度沙尘暴景象的实时模拟结果表明了文中方法的有效性;最后采用气象计算模型对所生成的沙尘暴景象的能见度进行了定量的评估分析.