基于包围跳跃的CUDA光线投射算法

针对传统光线投射算法绘制速度慢和GPU (Graphics Processing Unit,图形处理器)不能有效进行并行计算的缺点,文章提出一种基于包围跳跃的CUDA(Compute Unified Device Architecture,计算统一设备架构)光线投射算法,首先介绍了CUDA的编程模型和线程结构,然后用包围盒技术隔离体数据周围无效的空体素,减少投射光线的数目;利用光线跳跃技术,在包围盒内进行快速光线的合成,跳过透明的体素,减少大量体素的重采样;最后使用CUDA强大的并行处理计算的功能实现光线投射算法。实验结果表明,本文的方法在保证图像质量的同时,在绘制速度上比基于GPU加速的光线投射算法有14倍的提高,能够接近实时绘制,有很好的应用价值。     

基于八叉树编码的CUDA光线投射算法

目的针对传统的GPU光线投射算法绘制效果差,绘制效率低的问题,在CUDA架构上对光线投射算法进行优化和加速。方法首先采用八叉树对体数据进行编码,有效地剔除体数据中对重建图像无贡献的部分;其次,将体数据绑定到三维纹理上,根据体数据大小分配线程,每条光线与体数据求交时采用并行计算;最后,在CUDA内核中实现光线投射算法。结果仿真实验结果表明文中算法可以将传统GPU光线投射算法的绘制速度提高7～15倍,并增强算法的绘制效果。结论算法对传统的GPU光线投射算法的绘制速度和效果都有提高。     

光线投射的快速算法研究

针对医学体数据场的直接体绘制（DVR）的加速算法进行了讨论。基于体绘制的多种加速技术。利用格雷厄姆求凸壳算法和与平面簇求交算法对体数据场和投射光线进行裁剪,结合多边形的扫描线转换和投射光线的离散化、体素化,改进了光线投射算法。。     

一种大规模体数据压缩体绘制策略

针对基于GPU的大规模体数据直接体绘制过程中遇到的显存不足的问题,提出了一种大规模体数据的压缩绘制策略.该策略结合小波变换和分类矢量量化进行数据压缩,采用基于GPU的光线投射算法进行绘制,在绘制时,只解压变换当前绘制所需要的极少数数据,并结合多分辨率绘制,实现实时交互.基于CUDA的实验表明:该压缩绘制策略有效解决了显...     

基于线性八叉树光线投射算法在云可视化方面的应用

针对传统体绘制算法采样效率低,内存消耗大,绘制速度慢等缺点,提出了基于线性八叉树的光线投射算法并用于真实云图可视化。该方法首先通过线性八叉树对传统光线投射算法和存储进行优化加速,并结合Blinn-Phong光照模型增强每个体素的色彩渲染;然后采用合成公式求累积像素值。利用明暗计算的效果显示云的边界面,最终实现云数据的可视化。实验仿真结果表明,该算法在增强绘制效果和加快绘制速度方面的有效性。     

使用GPU编程的工业CT断层图像三维可视化技术

在具有可编程管线的图形处理器（GPU）上重新实现了传统的光线投射算法,将耗时的三线性插值和采样过程放在GPU上进行,以提高绘制速度.首先将体数据映射为三维纹理并将其载入到显存,接着通过对顶点着色程序和像素着色程序的编写将光线进入点、离开点的计算以及图像的合成运算移入GPU中,最后根据不同的采样点颜色混合公式实现不同的绘制效果.本算法通过只绘制一个代理面,避免了使用固定管线的混合操作,从而可通过自定义的混合算法来实现各种复杂的绘制效果.结论：与传统的光线投射算法相比,文中算法可快速重建出质量较高的图像,使实时绘制工业CT断层图像成为了可能.     

光线投射加速算法研究与实现

光线投射算法是医学图像体绘制技术中的经典算法,但绘制速度很慢,文章对其各个环节提出了加速算法,包括设置法向量明暗度查找表,减少投射光线及加快求交采样,并得到了理论验证和实验实现。     

基于多分辨方法的海量数据三维云体绘制

针对因图形硬件存储能力有限带来的海量云数据体绘制的交互性差等问题,提出了一种适用于大规模体数据压缩的多分辨率三维云体绘制方法。该方法首先引入基于变异系数的多分辨率细节层次划分,再利用小波变换和最优量化对划分数据块进行压缩,最后采用基于GPU的自适应采样光线投射算法对云数据进行体绘制。实验结果表明:该方法与传统的多分辨率压缩绘制方法相比,既提高了绘制速度,又保证了绘制的逼真效果。     

基于硬件的点模型绘制

点云模型是一种新兴的物体几何表示方式,基于点的建模与绘制技术是近年来计算机图形学的研究热点之一。随着可编程特性的出现,GPU成为图形学研究中越来越流行的计算平台。以GPU为计算工具,设计了一种适合于GPU处理的类八叉树空间剖分结构,提出了一种新的基于GPU中的点模型光线求交算法,实现了基于GPU的点模型的快速光线跟踪绘制。     

基于PC图形卡W-Buffer的交互直接体绘制

提出一种基于PC图形卡W Buffer的交互光线投射算法,这是一种面绘制与体绘制结合的快速体绘制方法.首先用3D分割等方法提取边界体素或用MarchingCubes等算法提取等值面,然后利用图形硬件预先投影这些边界体素或等值面以产生深度信息,最后由光线投射模块根据W Buffer中的深度信息快速找到实际等值面的位置,进行采样、着色、不透明度与颜色合成等渲染工作.这一方法不仅显著地加快了成像速度,而且不降低图像质量.实验结果表明,用该算法在PC机上以200×200分辨率渲染时,能达到10帧/秒的速度,基本满足虚拟内窥镜系统的动态导航和高质量图像要求,具有较大实用价值.     

基于CUDA的数控仿真加工面显示算法的研究

利用CUDA并行计算框架和GPU高效的并行性和灵活的可编程性等特点,本文提出了数控仿真加工面并行显示算法,算法主要包括:并行式区间树索引遍历体素,对活跃体素的角点和边信息标记提取;体素标记与MC分类之间的映射匹配;将匹配结果对应的MC模型直接显示绘制.该基于GUDA框架的GPU并行算法,从理论上分析提高显示速度,降低计算时间,增大仿真的实时性.     

一种基于非透明度校正的光线投射体绘制算法

针对传统光线投射体绘制算法的非透明度校正不能满足实际应用的要求,提出了一种新的体绘制算法。该算法基于新的采样合成函数,采用非透明度提前截止来判断光线终止。最后,通过gsgl语言编写顶点程序和片段程序对实现了算法。实验结果表明该算法在不同的采样间距下都可以大大改善体绘制的质量和速度。     

采用GPU的提升纹理缓存命中光线投射方法

提出一种改善纹理缓存命中率的方法.首先,分析图形处理器(GPU)中三维纹理组织的布局特性;进而提出根据视点的变化动态选择线程配置的策略,目的在于最小化warp级的投射光线纹理访存跨距;最后,算法用CUDA(compute unified device architecture)实现并验证.实验结果表明:当视点分别围绕x,y,z坐标轴旋转时,改进后算法的帧速率分别为改进前的1.08,1.14,0.98倍.     

基于GPU交互式光线跟踪算法的设计与实现

由于GPU并行处理能力和可编程能力的提高,计算量巨大的光线跟踪算法在GPU上的实现成为研究热点．在CUDA平台上验证了Foley等人所采用的KD-tree加速算法,实现了交互式光线跟踪．在图像分辨率为512×512,跟踪深度为4时,针对复杂场薏的渲染速度达到15f／s,基本实现交互式光线跟踪．     

基于工业CT图像的可视化研究

工业CT图像三维可视化能够对工业构件提供真实、直观的反映。体绘制技术可以显示工业CT三维数据的整体特征和内部细节信息。根据光线投射算法的特点,采用对原始数据场进行最大熵原则的预处理的方法,加快了绘制速度,在一定程度上改进了光线投射算法。取得了较好的显示效果。     

数控仿真中切削面计算的并行化研究

针对高离散精度模型与刀具包围体进行切削计算的情况,由于三维图像重建的计算量大,基于传统CPU实现的数控加工仿真系统不能满足实时性的三维绘制。本文利用GPU的并行性特点,提出并行方式数控仿真切削面显示算法:通过线程并行处理基于MC算法的实体构造模型中体素与刀具包围体的切削计算,根据切削后体素角点信息和边的状态查找建立的构型索引表和交点数目索引表,加速数控仿真切削面的提取,从而提高三维图像的绘制速度,满足实时性显示要求。     

规则数据场相关性的光线投射算法

光线投射算法是体绘制中的经典方法之一,这一算法突出的优点是不必再单儿消隐,具有结构清晰,算法简单,实现便利的特点,但简单的光线投射算法存在采样效率低和绘制精度低的缺点,本利用数据场的相关性和不等步长的采样方法来改善光线投射算法的不足,使它既具有快速的优点又具有较高的成象精度。     

体绘制技术及其在矿床三维可视化中的应用

体绘制技术是与传统的面绘制技术完全不同的一种可视化方法。论述了体绘制技术的原理、算法和过程,并结合地矿工程特点,设计了一个基于改进的光线投射法的地矿三维可视化仿真系统,利用某一矿山实际地测数据对系统进行了验证。结果表明,所研究的系统能够很好地反映地矿三维空间实际情况,展示了算法的正确性与仿真系统的应用前景,使体绘制技术向实际应用迈进了重要的一步。     

一种新的基于内包围盒技术的光线跟踪加速算法

目的提高光线跟踪算法中求交测试的效率。方法针对内包围盒方法在光线跟踪中仍存在大量面片需要与光线进行求交测试的不足,以内包围盒对角线中点为分割点建立两个子包围盒,并对新产生的子包围盒递归采用上述分割方法。结果提出了一种新的基于内包围盒技术的光线跟踪加速算法。结论新算法比改进前的算法减少了无效求交测试,加速了光线跟踪。     

基于GPU的图像处理算法研究

对基于统一计算设备架构(CUDA)的图形处理器(GPU)在图形处理方面的算法进行了研究和实现.针对目前图像处理算法日益复杂,性能要求越来越高,而传统的基于CPU的图像处理算法无法满足需求的情况,充分利用GPU突出的并行处理能力,采用CUDA技术,利用C++语言实现了图像处理算法.研究并设计了高斯模糊处理算法、彩色负片处理算法、透明合并处理算法的GPU并行运算流程,与CPU的性能对比表明基于GPU图像处理算法的效率更高.