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.     

QuickWalk:一个大规模场景交互漫游系统

随着三维扫描与建模技术的飞速发展,三维场景的数据量急剧增大,无法一次性载入内存,而且难以进行交互绘制.研究开发了一个大规模外存场景的交互漫游系统QuickWalk,该系统集成了视点相关的层次细节技术、可见性剔除和场景数据的内外存调度,能够有效地减少运行时刻的内存需要,使CPU、GPU和I/O三者的效率得到充分发挥.实验表明,在保证场景绘制质量的前提下,该系统能够在目前普通的PC上实现大规模外存场景的实时显示和交互操纵.     

大型网格模型多分辨率的外存构建与交互绘制

结合多分辨率、网格排布和基于视点的绘制技术,提出一种外存多分辨率构建和绘制算法.采用适应性八叉树对模型的包围盒进行划分,自顶向下构建模型的多分辨率层次结构,较好地保持了原模型的细节分布;并对多分辨率结构中每个节点所包含的三角形片段进行网格排布优化,降低了缓存的平均失效率;在实时绘制时,采用基于视点的细节层次选择策略进行模型的细化;最后通过引入数据预取机制来隐藏磁盘I/O延时,进一步提高绘制性能.实验结果表明,该算法在绘制速度与细节保留上均优于同类MRMM算法.     

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.     

基于连续HLOD的大规模场景快速绘制算法

大规模场景的快速绘制是虚拟现实技术重要的研究课题之一.为了加速场景的绘制,一般采用层次细节模型和可见性裁剪方法,但是现有算法在处理大规模场景时存在着局限性.本文提出了一种新的大规模场景快速绘制算法,该算法在场景层次划分的基础上,利用拓扑结构可变的网格简化方法为场景层次计算连续的分层层次细节模型（HLOD）;然后在实时绘制阶段,对场景分层层次细节模型进行视点相关的全局和局部细化,并结合快速有效的视域裁剪,从而大大加速了场景绘制速度.实验结果表明该算法是简单有效的,并且算法还可以进一步扩展到外存方式.     

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.     

基于卡尔曼预测器的数据预取方法

大规模复杂场景绘制,地形数据量庞大,需动态调度地形数据;但是由于磁盘传输的延迟,会出现绘制时的卡帧现象.为了解决上述问题,通过研究卡尔曼滤波器,将其与固定间隔的预取方法相结合,提出了采用卡尔曼预测器的数据预取方法.上述方法通过卡尔曼预测器预测视点位置,判断视域范围,进行数据预取.可显著提高视点预测的准确性,减少下一时刻需要预取的数据量,提高绘制效率.     

全局遮挡图

基于一种有效的全局可见性的紧凑数据表示形式——全局遮挡图,文章给出了一种新的针对视点活动区域的遮挡剔除算法,对一个视点活动区域,全局遮挡图表示了一组位于空间各个方向上的可见性临界面,这些可见性临界面提供了一个不可见性判据——凡是位于该临界面后的物体必是不可见的,全局遮挡图的优点在于：(1)大小与场景复杂度无关,仅取决于空间方向的离散精度;(2)可用深度图像的方式压缩存储;(3)判断遮挡性时计算量小,同时,文章提出一种自适应构建全局遮挡图的方法,该方法综合利用了图像空间和景物空间技术的优势,适用于普遍的三维场景模型,该文在一个城市场景中对算法效率进行了测试,结果显示遮挡剔除算法可有效地提高绘制效率。     

网络环境下基于外存的大规模流程工厂模型交互绘制

现有的基于网络的远程绘制系统在绘制过程中对网络带宽和时延具有较强的依赖性,为了获得较高的绘制速度,需要耗费大量的预处理时间和存储空间.针对网络环境下模型的设计校审工作对预处理时间、绘制速度和图像质量的实际需求,提出一种基于外存的大规模流程工厂模型交互绘制算法.绘制前,首先从服务器端获取模型的几何参数和拓扑信息;然后根据流程工厂模型特征,在客户端以设备和管线为基本单位组织外存数据,采用体元合并的方法快速完成模型层次细节的计算和存储.分析了校审内容和校审人员的运动习惯,并将其与基于视点可见性的预取算法相结合,在本地实现外存数据的高效预取,且绘制过程中无需传输模型面片信息.实验结果表明,文中方法在普通PC机上能够将具有21 M左右面片模型的预处理时间控制在5 min以内,在保证校审所需图像质量的前提下取得平均30帧/s的平稳帧速,且绘制过程不依赖网络带宽和时延.     

大规模地形无缝漫游技术研究*

针对大规模地形动态漫游提出实现流程和算法框架,基于分层分块地形LOD组织存储策略完成数据预处理,绘制阶段提出视点相关的地形调度和简化算法,利用多线程处理机制进行地形块裁剪和内外存数据交换,借助GPU硬件实现场景加速绘制算法,并提出分块地形和纹理数据的无缝拼接策略。真实数据实验的算法比较和性能测试结果表明,该方法具有支持数据量大,绘制效率高、实用性强等特点。     

Adaptive voxels: interactive rendering of massive 3D models

We present a novel approach for interactive rendering of massive 3D models. Our approach integrates adaptive sampling-based simplification, visibility culling, out-of-core data management and level-of-detail. We use a unified scene graph representation for acceleration techniques. In preprocessing, we subdivide large objects, and build a BVH clustering hierarchy. We make use of a novel adaptive sampling method to generate LOD models: AdaptiveVoxels. The AdaptiveVoxels reduces the preprocessing cost and our out-of-core rendering algorithm improves rendering efficiency. We have implemented our algorithm on a desktop PC. We can render massive CAD and isosurface models, consisting of hundreds of millions of triangles interactively with little loss in image quality.     

视相关大规模三维地形实时绘制技术综述

大规模三维地形表面实时绘制一直是国内外的研究热点.综述了大规模三维地形表面实时绘制算法的分类,包括基于规则网格和非规则网格、基于in-core和out-of-core、基于CPU和GPU的三大类绘制算法;阐述了大规模三维地形表面实时绘制算法的发展现状和关键技术,通过out-of-core算法的数据预取策略解决大数据量模型的交互式渲染问题,采用视点相关的多分辨率技术简化整个场景的复杂度,减少绘制的数据量;指出了各种方法的优点与不足,最后对大规模三维地形表面实时绘制所需要研究的问题进行了总结.     

Separating semantics from rendering: a scene graph based architecture for graphics applications

A large number of rendering and graphics applications developed in research and industry are based on scene graphs. Traditionally, scene graphs encapsulate the hierarchical structure of a complete 3D scene, and combine both semantic and rendering aspects. In this paper, we propose a clean separation of the semantic and rendering parts of the scene graph. This leads to a generally applicable architecture for graphics applications that is loosely based on the well-known Model-View-Controller (MVC) design pattern for separating the user interface and computation parts of an application. We explore the benefits of this new design for various rendering and modeling tasks, such as rendering dynamic scenes, out-of-core rendering of large scenes, generation of geometry for trees and vegetation, and multi-view rendering. Finally, we show some of the implementation details that have been solved in the process of using this software architecture in a large framework for rapid development of visualization and rendering applications.     

图形图像融合的海量建筑绘制

目的 城市3维模型数据海量且结构复杂,缺乏一个高效完善的可视化系统往往是影响数字城市应用的瓶颈之一。通常利用多层次细节（LOD）与调度算法减少每一帧绘制的数据量来提高绘制效率,当场景规模足够大时,即使采用复杂的优化算法也难以取得较好的效果。为此,本文在传统算法基础上,提出一种图形图像融合的海量建筑物场景绘制方法。方法 提出并采用视域分级绘制策略,将视椎体平行分割为感兴趣区域、次感兴趣区域和非感兴趣区域,感兴趣区域采用图形实时绘制方法,使用离屏渲染技术将次感兴趣和非感兴趣区域绘制在纹理图像中,每一帧绘制完成后将二者进行顾及深度信息的融合,实现完整场景渲染。结果 使用公开的纽约市区CityGML文件作为实验数据,数据包含了118 195个LOD1和LOD2级别的建筑物模型。分别构建多组不同建筑数量的场景进行帧率统计实验,绘制帧率都达到20帧/s以上。算法实现了视觉无损失的场景完整渲染,并与Cesium平台进行对比实验,证明算法有效且系统运行流畅。结论 图形图像融合的绘制方法,既保持了图形渲染的漫游连续性,同时也具有图像渲染的场景复杂度无关的优点。实验结果表明,针对大规模的低分辨率建筑模型场景,算法可以有效提高系统的渲染能力,在性能相对较低的硬件条件下也能实现海量建筑物实体模型的流畅漫游,并达到视觉无损失的场景完整绘制。     

基于多线程技术的高性能无人机地面站视景引擎研究

针对无人机一站多机的应用需求,本文提出了一种基于多线程技术的新型无人机地面站视景引擎架构。该引擎架构充分利用计算机硬件多核化的优势,提出了三个独立线程模块的新型视景引擎架构,分别设计了其中的视景逻辑线程、渲染线程、资源加载线程等线程模块,形成了一个能适应一站多机视景性能要求的无人机地面站的多线程视景引擎。目前该设计已成功地应用于基于DirectX底层技术的某型无人机地面站,实践证明了该引擎的高性能。     

Ray-driven dynamic working set rendering

Ray tracing a volume scene graph composed of multiple point-based volume objects (PBVO) can produce high quality images with effects such as shadows and constructive operations. A naive approach, however, would demand an overwhelming amount of memory to accommodate all point datasets and their associated control structures such as octrees. This paper describes an out-of-core approach for rendering such a scene graph in a scalable manner. In order to address the difficulty in pre-determining the order of data caching, we introduce a technique based on a dynamic, in-core working set. We present a ray-driven algorithm for predicting the working set automatically. This allows both the data and the control structures required for ray tracing to be dynamically pre-fetched according to access patterns determined based on captured knowledge of ray-data intersection. We have conducted a series of experiments on the scalability of the technique using working sets and datasets of different sizes. With the aid of both qualitative and quantitative analysis, we demonstrate that this approach allows the rendering of multiple large PBVOs in a volume scene graph to be performed on desktop computers.     

A single-pass GPU ray casting framework for interactive out-of-core rendering of massive volumetric datasets

We present an adaptive out-of-core technique for rendering massive scalar volumes employing single-pass GPU ray casting. The method is based on the decomposition of a volumetric dataset into small cubical bricks, which are then organized into an octree structure maintained out-of-core. The octree contains the original data at the leaves, and a filtered representation of children at inner nodes. At runtime an adaptive loader, executing on the CPU, updates a view and transfer function-dependent working set of bricks maintained on GPU memory by asynchronously fetching data from the out-of-core octree representation. At each frame, a compact indexing structure, which spatially organizes the current working set into an octree hierarchy, is encoded in a small texture. This data structure is then exploited by an efficient stackless ray casting algorithm, which computes the volume rendering integral by visiting non-empty bricks in front-to-back order and adapting sampling density to brick resolution. Block visibility information is fed back to the loader to avoid refinement and data loading of occluded zones. The resulting method is able to interactively explore multi-gigavoxel datasets on a desktop PC.     

基于LOD控制与内外存调度的大型三维点云数据绘制

通过结合基于视点的细节层次（level-of-detail，LOD）控制技术和内外存调度的数据控制策略，实现大型三维点云数据在一般配置PC机上的实时交互浏览．首先将输入点云分为大小相等的若干块。然后对每块数据分别建立误差控制下的多分辨率数据结构，并进行内外存分配．在交互绘制中，通过用户视点来确定当前的感兴趣区域，以控制模型表面的细节层次分布．该算法不但可以实现大型点云数据的实时交互绘制，而且可有效地提高一般点云数据绘制时的内存使用效率．