GPU光线跟踪算法加速结构研究
摘要：基于GPU的光线跟踪算法是当前图形学研究的一个热点，也是将来用于广告、电影、游戏等娱乐产业的关键技术。本文论述了如何对基于GPU的光线跟踪算法进行实现，以及利用各种加速结构，加速算法实现，提高算法执行效率，并对各种加速结构的效果进行了比较研究。关键词：GPGPU光线跟踪BVHKDTree1．引言近年来，CPU无论在运算能力，还是在可编程性上都得到了大幅的提高，GPU已经在需要大量运算的密集运算领域发挥了举足轻重的作用。各种基于CPU的密集运算被移植到GPU上，以利用GPU巨大的运算能力，加速整个算法的运算过程。光线跟踪算法是生成真实感图形的一种非常重要的方法，在电影、游戏、广告等产业，获得广泛的应用，而光线跟踪算法也是典型的密集运算算法，利用原始的基于CPU的光线跟踪渲染一幅图片是非常耗时的操作。因此，如果能够将CPU上的光线跟踪算法，映射到CPU上，加速光线跟踪算法的执行时间，将会带来巨大的经济效益。因此，基于CPU的光线跟踪算法已成为国内外科研人员的研究热点。2．基于GPU的光线跟踪21相关工作当前，主要由两种方法利用CPU来加速光线跟踪算法。第一种是Carr等人提出来的，将CPU转换为一个蛮力的执行光线一三角形求交的计算器，而将任何的光线生成以及着色过程在CPU上完成。这就需要CPU依然执行绝大部分的渲染工作。Carr等人指出，在ATIRadeo
8500上，每秒最快能够执行1亿2千万次的光线一三角形求交。同时，作者也指出，由于GPU的单精度浮点的限制，图片上依然存在一些不太真实的地方。第二种方法由Purcell等人提出的，改种方法将整个光线跟踪器都移植到CPU上进行实现。从光线的产生，加速结构的遍历，到最后的着色过程都在GPU上执行。此后，有很多相同的项目都是基于Purcell的模型上进行的。22GPU上的光线跟踪算法的映射方式将传统的CPU上执行的光线跟踪算法，映射成为一个GPU协助的，或者基于GPU的光线跟踪器有众多方法。下面重点介绍Purcell提出的映射模型，以及在本文的实现中提出的一个基于CPU的Whitted模型的光线跟踪器。该光线跟踪器的布局如图21所示：在Purcell的论文中，它将光线一三角形求交，以及遍历过程分离成两个独立的遍历内核和求交内核。本文的实现中，也按照上述模型图，将光线跟踪算法分解成光线生成，光线一三角形求交，着色这三个步骤。在对光线进行跟踪之前，需要生成从视点指向屏幕的原始光线primaryray。在一个GPU上，能够使用光栅器r