GPU上基于SAH的KD-tree构建

摘要

随着GPU并行计算技术的快速发展，特别是GPGPU技术从原来的只能处理简单的一些特定任务发展成为了处理通用计算任务的一个重要工具。这就给许多原来耗时甚巨的计算问题提供了解决的契机。特别是图形学中的许多具有天然并行性的问题。
　　 本文就图形学中的一个很基本问题，即光线跟踪渲染中的KD-tree空间剖分，在GPU并行计算架构上的实现，进行了深入的分析和研究。在充分分析了现有的GPU实时KD-tree构建技术的基础上，作者提出了全新的基于SAH优化来进行空间的完美剖分的KD-tree实时构建方法，该算法能够很好的适应当前GPU架构的特点，对于一般大小的场景的渲染，能够实现高效的光线跟踪渲染。

目录

文摘

英文文摘

图目录

表目录

第1章 绪论

1.1 课题背景

1.2 论文简介

第2章 光线跟踪和空间剖分算法

2.1 光线跟踪

2.2 空间剖分

2.3 小结

第3章 GPU并行架构

3.1 GPU体系结构

3.2 GPU编程模型CUDA

3.3 小结

第4章 GPU数据并行原语

4.1 并行原语

4.2 规约原语

4.3 前缀和原语

4.4 分段前缀和原语

4.5 分段规约原语

4.6 并行模板库GPU

4.7 小结

第5章 KD-Ttree空间剖分策略

5.1 空间剖分传统算法

5.2 中分策略

5.3 SAH策略

5.4 小结

第6章 KD-Tree算法实现

6.1 传统的串行算法

6.2 大小节点并行算法

6.3 全SAH并行算法

6.4 小结

第7章 结束语

7.1 本文工作总结

7.2 未来展望

参考文献

攻读硕士学位期间主要的研究工作

致谢