基于GPU的光线跟踪算法的分析

光线跟踪算法是真实感图形学中的主要算法之一,本文设计了一种适合于GPU处理的类二叉树空间剖分结构,并采用图像空间的自适应分割算法,提高了在GPU上实施光线遍历的计算效率.     

基于CUDA的光线跟踪实现中纹理内存的应用研究

CUDA是由NVIDIA开发的用于通用并行计算的开发平台,可方便地实现并行算法的编程。本文利用光线跟踪算法具有的天然可并行性,采用KD树加速结构,在CUDA上实现光线跟踪的并行算法,经过纹理内存的优化使用后,可达到交互式光线跟踪。     

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。     

加快交互式光线跟踪渲染速度的技术研究

优化KD-tree组织结构,使其适合在GPU上存储;合理分配图形,加速硬件GPU内存,细化核函数,并基于该平台并行实现KD-tree的遍历求交;同时利用OpenGL硬件接口,采用公式变换、插值计算等方法,加快视点视角变化时图像渲染速度.试验结果表明,优化数据结构、选择硬件平台和加速渲染引擎是提高交互式光线跟踪渲染速度的三个重要因素.     

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。     

基于时变马尔科夫转移概率的机动目标多模型跟踪

为了消除机动目标多模型跟踪中人为因素对跟踪精度的影响，提出了一种新的基于时变马尔科夫转移概率的机动目标多模型跟踪算法．该算法通过对Baum辅助函数的最大化实现隐马尔科夫模型状态转移概率的参数估计，并将估计结果用于交互式多模型算法的设计中，构造出时变马尔科夫状态转移概率的交互式多模型算法，有效地降低了人为因素对机动目标跟踪精度的影响．通过对一个机动目标的跟踪对比，说明了该算法比传统的交互式多模型算法具有更小的跟踪误差和良好的模型跟踪概率．     

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.     

离散光线跟踪在石油地质构造立体显示中的应用

离散光线跟踪是一种三维物体快速显示算法，它由三维物体体素化和光线跟踪绘制两部分组成．本文讨论了此种算法的原理及其在石油地质构造立体显示中的应用．实验结果表明，在相同的软硬件环境下，应用离散光线跟踪算法生成三维石油地质构造图象的速度比传统的光线跟踪算法快几十倍，而且这种方法可以灵活方便地改变光源特性，光照特性和视角参数，生成的图象有良好逼真的视觉效果．     

自适应多速率交互式多模型算法

为提高交互式多模型算法性能，在交互式多模型算法的框架下引入了“当前”统计模型和多速率常速模型，开发了自适应多速率交互式多模型算法．Monte Carlo仿真结果表明，自适应多速率交互式多模型算法在减少计算量的同时，跟踪滤波效果优于采用常速和常加速模型的标准交互式多模型算法．     

基于体单元的光线跟踪算法

论述了体光线跟踪的基本原理及算法实现。将物体划分为若干个体单元，光线若与体单元相交，则经过体单元反射或透射后继续跟踪，对体单元采用体可视化技术进行显像，生成真实感图形。体光线跟踪算法可生成复杂景物的高质量图形，较光线跟踪算法的存储信息量小，而且可以体现物体深层的研究。     

用于光线跟踪的高并行度表面积启发式(SAH)KD树构建

提出一种用于光线跟踪的SAH-KD树构建方法,解决当前KD树并行算法并行度不高且效率低的问题.算法首先对所有图元包围盒在三个维度按坐标轴左值排序,得到三维上有序的包围盒索引.然后使用层次遍历构建KD树,根据每个节点包围盒选择要划分的维度,并在当前层生成所有节点在该维度下的候选划分点序列.最后计算每个节点的空间树,在GPU中计算每个候选点的SAH值,选择每个节点的最小SAH值点进行划分.实验中采用4个常用场景进行测试算法性能,并同时比较了当前高效串行与并行算法,结果证明本文提出的算法在生成同等质量KD树的情况下达到对比串行方法4~6倍以及对比并行方法的1.3~1.5倍的计算速度,并且能在线程数成倍增加时达到相近倍数的加速比.     

基于图像处理器的EWA Splatting体绘制加速算法

提出了利用目前的图像处理器（GPU）的点块纹理、帧缓存对象（FBO）和可编程功能来加速实现EWA Splatting的体绘制算法.该算法直接以采样点作为代理几何,利用光线投射在GPU中求取每个像素点的所对应三维纹理坐标,同时用一个近似低通滤波器代替高斯滤波器.试验结果表明,所提出的算法可以应用于高质量的交互科学计算可视化.     

应用于全局照明的光线追踪：性能优化与特效实现

全局照明在电影工业、飞机和汽车制造业有着广泛的应用,而光线追踪对于全局照明至关重要.光线追踪通过追踪光线到图像平面在二维屏幕上呈现三维图像,是计算机图形学里的1种基本渲染技术,但是实现光线追踪计算量非常大,尤其是当要追踪上百万条光线时.本文探讨了利用反射优化、超高速缓存、迭代追踪、多核/分散式网络等技术对基于KD-树的光线追踪的优化.用分布式光线追踪技术实现了抗锯齿、景深、软阴影等三维特效,最后还实现了基于GPU的光线追踪并应用于反射、折射、景深、运动模糊等特效.     

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。     

基于多GPU加速的各向异性弹性波正演模拟

比较分析了在不同网格大小介质模型情况下,分别采用串行计算、CPU 16个线程并行计算和4块GPU并行计算进行各向异性弹性波动方程正演模拟的执行时间差异。发现在网格点为2563的大模型上,用4块GPU的并行模拟计算相对16线程并行计算与串行计算的加速分别为30倍与156倍。表明多GPU并行算法可以显著缩短数值模拟时间,而且模型网格越大,加速效果越显著。因此,在单机环境下进行大尺度模型的各向异性弹性波正演模拟,采用多GPU并行计算方式是一个合适的加速选择。     

基于Fermi架构的超声图像自动增益补偿并行算法

 在医学超声成像系统中由于超声波在人体组织内传播会发生衰减,需要对超声图像进行有效的增益补偿,使超声图像的显示效果更好。但大多数自动增益补偿算法在处理时涉及大量的复杂计算,成为临床实时成像系统中的一大性能提升瓶颈,为此提出了一种基于高性能并行计算平台Fermi架构图形处理单元(GPU)的自动增益补偿并行处理算法。本算法主要的处理流程有数据预处理、区域类型检测、组织强度计算、二次曲面拟合以及自适应增益补偿等部分,核心的并行算法设计包括了粗粒度的并行均值滤波、局部方差系数的并行计算、优化的矩阵转置并行实现以及基于LU分解的粗粒度的矩阵求逆的并行实现等方面。数据测试结果显示,与基于CPU的实现相比,采用Fermi架构的GPU处理不仅可以得到完全一致和较好的增益补偿效果,而且可以取得较大的加速效果,满足实时系统需求,对512×261的图像数据能够达到427帧/s的高帧率,速度提高了大约267倍。     

Fermi架构下的SPSO算法加速

利用新的图形处理器架构重新评估利用可编程图形处理器加速标准粒子群优化算法的可行性和有效性. 针对新的图形处理器架构进行系统分析, 在此架构下实现了标准粒子群优化算法的并行版本. 实验结果表明, 通过合理运用新的图形处理器架构, 与其他标准粒子群优化算法的并行版本相比, 取得了良好的加速比.     

基于GPU 加速的边界面法正则积分的研究

基于GPU高性能并行计算,在CUDA编程环境中实现边界面法正则积分的并行加速.在NVIDIA GTX680GPU和英特尔(R)酷睿(TM)i7-3770KCPU的计算平台上与传统的正则单元积分对比.数值算例表明,在保证相同精度的前提下,加速比可达到8.3.