基于gpu的大规模落叶实时渲染方法
【技术领域】
[0001] 本发明属于计算机实时渲染领域，特别涉及一种基于GPU的大规模落叶实时渲染 方法。
【背景技术】
[0002] 在游戏以及其他各种3D展示应用中，往往涉及到大规模植被的渲染。在这些场景 中，落叶的运动模拟无疑能够增加场景的表现力。
[0003] 传统的落叶运动模拟主要包括三种思路：一是模拟场景中的涡流，通过流体动力 学来实时计算涡流中叶片的位置。涡流模拟与动力学计算结合的方法可以较为精确的模拟 轻小物体的运动，然而涡流的事先模拟使得我们无法应对较大的空间条件和动态变化的风 力场，再者其计算亦十分耗时，不能满足实时渲染的需要。二是在渲染前预先由艺术家使用 如Maya这样的动画工具设计出数条物体飘落的三维轨迹，真实渲染时，每片叶片随机挑选 一条作为自身的运动轨迹模板。人工设计轨迹模板的方案拥有便于GPU实现的优势，更适 合大场景计算，但场景的真实性会因为模板的单调和轨迹设计者的水平下降。三是使用数 据驱动的方式，预先为每片叶片计算出复杂的运动轨迹。该方法的真实性与效率性介于前 两者之间，且因为每片叶片的运动轨迹都需要很大的数据量来存储，因此无法适用于大规 模植被场景（叶片数量大于10万）的落叶实时渲染。
【发明内容】
[0004] 本发明的目的在于针对现有技术的不足，提供一种基于GPU的大规模落叶实时渲 染方法。
[0005] 本发明的目的是通过以下技术方案来实现的：一种基于GPU的大规模落叶实时渲 染方法，该方法包括以下步骤：
[0006] (1)建立落叶基础运动轨迹库，具体为：
[0007] 将落叶的轨迹分为六种基础运动模板：稳速下降（SD)，周期翻转（PT)，混沌变动 (TC)，周期振动（PF)，变速螺旋（TH)以及周期螺旋（PS)，通过Q(1 <i< 6,i为自然数） 表示，其中U~L6分别表示SD，PT，TC，PF，TH，PS;其中，SD使用加上轻微扰动的匀速直线 运动模型；PT、TC、PF三种运动使用规律性的轨迹片段进行组合，所述轨迹片段表示如下：
【主权项】
1. 一种基于GPU的大规模落叶实时渲染方法，其特征在于，包括以下步骤： (1) 建立落叶基础运动轨迹库，具体为： 将落叶的轨迹分为六种基础运动模板：稳速下降（SD)，周期翻转（PT)，混沌变动（TC)， 周期振动（PF)，变速螺旋（TH)以及周期螺旋（PS)，通过Q(1 <i< 6,i为自然数）表示， 其中L6分别表示SD，PT，TC，PF，TH，PS;其中，SD使用加上轻微扰动的匀速直线运动 模型；PT、TC、PF三种运动使用规律性的轨迹片段进行组合，所述轨迹片段表示如下：
其中，t表示当前时间，X#yt表示t时刻下的轨迹片段空间坐标，xQ与yQ表示初始 时刻下的轨迹片段空间坐标，U表示匀速下降速度，A表示震荡幅度，Q表示简谐运动频率； 提取.
时间内的x、y坐标作为轨迹片段；通过调整A、Q、U的大小得到不同形态的 轨迹片段，从而组合得到具有随机性的PT、TC、PF基础运动模板； TH、PS两种运动通过公式（2)表示：
其中是XOZ平面的椭圆振幅，￡6是椭圆长短轴的比值，k是椭圆震荡周期与物体旋 转周期的比值，h是初始高度，是下降时的角速度，U'是下降时y方向的平均速度； (2) 通过马尔科夫链模型，得到落叶轨迹的低维特征表示：对1^(1 <i< 6)而言，运动 轨迹的无序性保持递增；设定一段自由坠落轨迹M{M=m1||m2|| ? ? ? ||mj，所述M由数 段叫拼接而成，每一段mi对应某一种基础运动模板Li，M的切换概率由马尔科夫链模型计 算；设定特征D=以，S2,S3,S4,SJ，其中Sf{Li，1\，Pi}，1^表示当前其所属的基础运动模 板，表示这段轨迹在总体运动时间中所占的比例，Pi表示从该运动轨迹的哪一段开始运 动；以此得到落叶轨迹的低维特征表示D; (3) 在渲染的初始化阶段，向GPU输入存储在内存中的叶片粒子的运动特征参数与形 状特征参数；其中叶片粒子的运动特征参数为步骤2得到的特征D，形状特征参数包括叶片 的长宽与初始法向、切向； (4) 在实时渲染阶段，逐帧向GPU输入当前系统时间与风场信息，在GPU中进行落叶运 动位置的计算，具体包括以下步骤： (4. 1)通过逐帧传入的当前系统时间与步骤3中传入GPU的运动特征参数，得到当前粒 子所属的基础运动模板Q与其在基础运动模板中的位置； (4. 2)从基础轨迹模板中，获取粒子对应的轨迹运动速度\与角速度Qt (4. 3)由当前系统时间与叶片所处位置，从风场中得到对应的风场响应运动速度Vw; (4.4)粒子的最终速度V=VW+VT，最终角速度D=DT;结合当前帧与上一帧间隔时间 At，更新叶片的空间位置和法向信息； (5) 利用叶片粒子形状特征参数和步骤4. 4计算得到的叶片粒子空间位置、法向，在 GPU中进行叶片多边形重建，得到叶片多边形顶点与拓扑信息；具体为：通过求解叶片平面 上垂直于法向Nor和切向Tan的向量Lup，得到多边形四个顶点的空间坐标，各顶点的纹理 坐标由顶点顺序自动生成，各顶点的法向与质心法向一致。 (6) 通过步骤5得到的叶片多边形顶点与拓扑信息，对生成的叶片多边形进行实时渲 染。
【专利摘要】本发明公开了一种基于GPU的大规模落叶实时渲染方法，该方法首先建立落叶运动的基础运动轨迹库；通过马尔科夫链模型，得到落叶轨迹的低维特征表示；在渲染的初始化阶段，向GPU输入存储在内存中的叶片粒子的运动特征参数与形状特征参数；在实时渲染阶段，逐帧向GPU输入当前系统时间与风场信息，在GPU中进行落叶运动位置的计算；在GPU中进行叶片多边形重建；最后进行渲染。本发明充分利用了GPU的并行计算优势，在GPU中使用独立线程完成对每一片叶片的运动轨迹计算，该方法在保证了渲染真实性的基础上，大大提高了落叶渲染的效率，满足了大场景植被落叶运动的实时渲染需求。
【IPC分类】G06T13-60
【公开号】CN104778737
【申请号】CN201510128634
【发明人】童若锋, 钱景晔
【申请人】浙江大学
【公开日】2015年7月15日
【申请日】2015年3月23日