基于光子映射的分布式全局光照计算方法研究

摘要

数字动漫与影视产业是信息技术和人文艺术结合的内容创意产业，目前在世界各国均占有很大的市场规模。计算机3D技术在影视动漫作品的创作与制作中发挥着越来越重要的作用，3D建模和渲染成为全球电影、动漫工业界关注的核心技术。速度是渲染的一项重要衡量指标，对于游戏的实时光影效果，大场景的漫游有着重大的实用价值和研究意义。
　　在提升渲染速度方面，除了采用更先进的渲染算法及优化之外，随着计算机硬件架构的革新以及分布式计算的成熟，云渲染以及分布式渲染的概念也顺势而生。简而言之就是使用云服务器计算集群以及相应的架构将渲染工作并行化，实现分布式渲染。相关的工作已经有很多有成效的成果，在国外，OTOY为一款快速无偏的GPU渲染器，致力于实时电影级云渲染，并和其VR产品octaneVR紧密结合，打造出电影级别的虚拟现实体验。A360作为图形龙头公司Autodesk的云渲染产品，可以让用户通过一个浏览器完成图形场景绘制工作，将任务远程提交到计算节点进行渲染得到反馈，达到实时预览的目的。在国内目前虽没有较成熟的分布式渲染的产品，但是阿里云与RenderBus合作推出的云渲染服务，也是渲染和分布式计算相结合的一个成功案例。
　　速度之外，渲染质量也是另外一项重要指标，为了使渲染结果有较高的真实感，需要有先进的渲染流程和全局光照算法。然而这些高质量的算法，如光线追踪，光路追踪也需要大量耗时。相关研究领域将其算法在分布式集群上加速，主要是将任务并行化，使用多个节点协同完成渲染。而光线追踪算法由于其本身的特性，光线传递本身具有很强的串行逻辑性，进行分布式扩展的难度较大。而光子映射方法PhotonMapping的并行度很高，针对其实现任务分布比较现实。本文借鉴当下部分研究成果，选取Mitsuba渲染器作为平台，就如何在高效能集群上实现实时光子映射方法进行了深入研究，最终确定一系列实现方案，并对实验结果进行了详细的比较和分析。
　　本文的主要工作有:
　　1.研究mitsuba渲染器Path Tracing流程的实现，将其作为渲染的第一步。在光线求交时判定渲染任务归属，再将任务通过socket网络通信交给集群中相应的计算节点以完成渲染任务。
　　2.针对渲染任务并行化做出一系列策略，包括主从节点分布式渲染的硬件框架，数据通信协议，场景数据的分割存储及重组，渲染任务分发及合并等等。
　　3.采用Photon Mapping全局光照算法作为渲染的第二步，在边界光子收集上采用了两种策略:(1)使用Overlapped KDTree允许边界光子重复存储;(2)着色点聚类统一请求其他节点的光子图进行计算。
　　通过本文的工作，相同场景在相同渲染流程下，集群渲染对比单机，可以得到一个较理想的线性的加速比，并保持渲染质量完全或者几乎相同。

目录

声明

摘要

第一章 引言

1．1 研究背景

1．2 相关研究现状

1．2．1 真实感渲染算法

1．2．2 分布式渲染

1．3 本文主要工作

1．4 本文组织结构

第二章 相关工作

2．1 PhotonMapping渲染流程概述

2．2．1 PhotonMapping算法两步介绍

2．2．2 PM，PPM，SPPM渲染算法概述及比较

2．3 Havran光线求交算法概述

2．3 KD树的构建以及划分策略

第三章 Path Tracing直接光照分布式计算方法

3．1 流程框架

3．2 数据的划分及分布式存储

3．3 渲染任务划分和调度

3．4 Bucket边界渲染方法

3．5 并行度优化方法

第四章 Photon Mapping间接光照分布式计算方法

4．1 基于光子KD树边界重叠存储的光子收集方法

4．2 基于着色点聚类的分布式光子收集方法

4．2．1 分布式收集光子

4．2．2 着色点自适应聚类

第五章 实验结果与分析

第六章 总结和展望

参考文献

致谢

攻读学位期间发表的学术论文目录

攻读学位期间参与的科研项目及获奖情况