[发明专利]一种基于KD树的并行多维自适应采样与重构方法

说明书

技术领域

本发明涉及一种基于KD树的并行绘制方法，针对多维空间绘制的采样与重构特性，一种基于KD树的并行绘制方法。

背景技术

计算机图形学领域，过去几十年里，基于光线跟踪的绘制方法主要分为两大类：随机绘制方法和自适应绘制方法。随机绘制方法可以快速的采样待绘制空间，但是没有考虑空间信息的特征分布，平均的投放采样点并重构图像；自适应绘制方法利用空间特征，合理采样待绘制空间，有效的避免走样。

随着国内外研究的不断深入和需求的不断提升，特别是在真实感场景绘制领域中，为了进一步加快图像绘制速度，提高图像的绘制质量。许多人采用并行的或是自适应的绘制方法。目前研究较多的是如何并行加速绘制或是自适应的采样来减少图像走样。

尽管经过许多学者的研究，提出了许多自适应采样与重构方法。大多数都是基于图像维度的绘制方法，而且由于自适应绘制需要反馈信息，目前绝大多数自适应采样方法都是串行的，影响了绘制速度，限制了应用范围。

传统的自适应绘制方法一般具有如下缺陷：（1）采样维度的限制，只能够绘制有限的几种效果；（2）内存方面的限制，随着绘制维度的升高，内存需求也提高；（3）串行结构，因为自适应需要采样空间信息的反馈，所以自适应方法多维串行结构，速度慢；（4）应用范围窄，因为速度慢，内存需求量大，导致绘制效果少，限制了该方法的应用。

发明内容

本发明技术解决问题：克服现有技术的不足，提供一种基于KD树的并行多维自适应采样与重构方法，该方法提高了绘制速度，能重构高质量的图像。

本发明技术解决方案：一种基于KD树的并行多维自适应采样与重构方法，包括如下步骤：

步骤1：基于KD树的并行绘制方法，包括两层架构：首先利用KD树初始化整个多维空间，将其分割成多个子空间；然后并行的自适应采样与重构多个子空间，合成最终图像；

步骤2：粗采样整个多维绘制空间，并构建KD树；

步骤3：初始化整个多维绘制空间，步骤包括：计算初始化采样点；利用给定的初始化采样点，通过KD树将多维空间自适应分割成多个子空间，所述自适应分割方法为：利用每个节点中保存的采样点数，构建错误值函数，每次采样错误值最大的节点，循环自适应采样直到使用完初始采样点；

步骤4：利用评估函数，将所有采样点自适应的分配给各个子空间，对各个子空间进行并行绘制，保证采样点总体的自适应性；

步骤5：为防止采样点边界处的走样问题，采样前扩展各个子空间边界；

步骤6：对每个子空间构建相应的KD树，利用分配的采样点，自适应采样各个子空间，自适应采样方法为：利用每个节点中保存的采样点数，构建错误值函数，每次采样错误值最大的节点，循环自适应采样直到使用完分配给各个子空间的采样点；

步骤7：划分各个子空间，利用各个子空间KD树节点中保存的采样点重构子空间图像，最后合并生成最终图像。

所述步骤2中具体实现如下：

（1）粗采样多维空间：随机投入多个采样点，为1024个；

（2）利用KD树初始化多维空间，根据已有的粗采样点构建KD树。

所述步骤6具体实现如下：

（1）在每个子空间构建KD树，进行自适应采样；

（2）计算每个节点的错误值；

（3）选取KD树节点中错误值最大节点，进行采样；

（4）如果节点包含过多采样点，从节点最长维度分割节点；

（5）返回（2），直到使用完分配给子空间的采样点。

所述步骤7具体实现如下：

（1）继续划分子空间KD树，将各个子空间划分成每个节点只包含一个采样点；

（2）根据采样点光路贡献值乘以该节点的体积，重构出各子空间的子图像，重构时不考虑子空间扩展后的部分的光路贡献值；

（3）合并所有子空间得到最终图像。

本发明与现有技术相比的优点在于：

（1）本发明分为初始化多维空间和并行自适应绘制多维空间两部分，通过KD树将多维空间分割为多个子空间；根据分割过程中得到的结果估计各个子空间需要的采样点数，分配各个子空间不同的采样点，并行绘制各个子空间保证了整体采样点分布的自适应性，提高了绘制速度，能重构高质量的图像。

（2）利用KD树分割多维空间，并行对各部分进行绘制并保证整体的自适应性，通过边界扩展避免了边界处的走样，算法提高了多维自适应绘制方法的速度，给出了一种自适应绘制算法的并行解决方案，取得了比较好的效果。

附图说明