CPU-GPU混合平台上动态场景光线跟踪的研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (21): 151-154.

• 图形、图像、模式识别 • 上一篇下一篇

CPU-GPU混合平台上动态场景光线跟踪的研究

张健，焦良葆，陈瑞

南京工程学院通信工程学院，南京 211167

出版日期:2012-07-21 发布日期:2014-05-19

Investigation of ray tracing in dynamic scenes on CPU-GPU hybrid paltform

ZHANG Jian, JIAO Liangbao, CHEN Rui

School of Communication Engineering, Nanjing Institute of Technology, Nanjing 211167, China

Online:2012-07-21 Published:2014-05-19

摘要/Abstract

摘要： 提出了一种动态场景光线跟踪新方法，能有效地调度CPU和GPU的运行，提高渲染速度。根据加速结构kd-tree的特点，将其分成上层部分和下层部分，上层部分由于并行性较小，由CPU创建；而下层部分并行性较大，由GPU创建，提高动态场景加速结构的创建速度。同时充分利用CPU和GPU两个运算平台的特点，有效调度两者的运行，隐藏部分运算时间，进一步提高动态场景的渲染速度。实验结果表明，在安装了GeForce285 GTX的PC机上，高真实感地交互渲染了包含11k三角面片的Kitchen动态场景。

关键词: 光线跟踪, kd-tree, 图形处理器（GPU）, CPU

Abstract: A new method of ray tracing in dynamic scenes is proposed. It can effectively schedule the operation of CPU and GPU to enhance rendering speed. According to the characteristics of kd-tree, it is divided into the upper part and lower part. Because the parallelism of upper part is small, it is created by CPU, and the lower part is created by GPU. The speed to create kd-tree in dynamic scence is improved. Taking advantage of both CPU and GPU, the operation of the two computing platform is scheduled effectively. Part of the computing time is hidden to enhance the rendering speed. The results show on the PC with GeForce285 GTX, the Kitchen scence with 11k triangles can be rendered rapidly.

Key words: ray tracing, kd-tree, Graphics Processing Unit（GPU）, CPU

张健，焦良葆，陈瑞. CPU-GPU混合平台上动态场景光线跟踪的研究[J]. 计算机工程与应用, 2012, 48(21): 151-154.

ZHANG Jian, JIAO Liangbao, CHEN Rui. Investigation of ray tracing in dynamic scenes on CPU-GPU hybrid paltform[J]. Computer Engineering and Applications, 2012, 48(21): 151-154.

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	47

来源	本网站	其他网站

次数	43	4
比例	91%	9%

摘要

146

最新录用	在线预览	正式出版

0	0	146

	来源	本网站

	次数	146
	比例	100%

[1]	张宇，张延松. 向量分组聚集计算技术研究[J]. 计算机工程与应用, 2021, 57(11): 84-94.
[2]	杨捷，吴素萍. 点云重建的并行算法[J]. 计算机工程与应用, 2020, 56(6): 213-219.
[3]	朱超，吴素萍. 特征点检测DoG并行算法[J]. 计算机工程与应用, 2020, 56(10): 36-43.
[4]	郭敏钢，宫鹤. 基于Tensorflow对卷积神经网络的优化研究[J]. 计算机工程与应用, 2020, 56(1): 158-164.
[5]	彭福来，于治楼，陈乃阔，耿士华，李凯一. 面向国产CPU的可重构计算系统设计及性能探究[J]. 计算机工程与应用, 2018, 54(23): 36-41.
[6]	陈宇峰，张铂，李林. 基于多核CPU+GPU运算的电磁场高效体绘制算法研究[J]. 计算机工程与应用, 2018, 54(18): 218-222.
[7]	范昱伶1，王美丽1，何东健2. 基于OpenCL的点云分割方法[J]. 计算机工程与应用, 2018, 54(1): 191-195.
[8]	丁祥武，陈金鑫，王梅. 异构计算平台上列存储系统的并行连接优化策略[J]. 计算机工程与应用, 2017, 53(5): 73-80.
[9]	董本志，龙建勇，景维鹏. POKD-tree：一种有效的SIFT图像特征点匹配方法[J]. 计算机工程与应用, 2017, 53(16): 182-186.
[10]	卢敏1，2，王金茵1，2，卢刚3，陶伟东1，2，王结臣1，2. CPU/GPU异构混合并行的栅格数据空间分析研究#br# ——以地形因子计算为例[J]. 计算机工程与应用, 2017, 53(1): 172-177.
[11]	刘高明1，2，荣葵2，朱辉1，谭怀亮2. 应用于嵌入式RTOS的图形显示系统设计[J]. 计算机工程与应用, 2016, 52(9): 190-195.
[12]	公维理. 基于嵌入式CPU-GPU的高清鱼眼视频实时校正系统[J]. 计算机工程与应用, 2016, 52(14): 172-179.
[13]	林敏，钟一文. 三种GPU并行的自适应邻域模拟退火算法[J]. 计算机工程与应用, 2015, 51(22): 70-76.
[14]	汪宏1，2，王鹏1，2. 基于GPU的AC模式匹配改进算法[J]. 计算机工程与应用, 2015, 51(18): 7-12.
[15]	曾博1，2，雷友诚1，王丛知2，邱维宝2，冯歌2，曾成志2，杨戈2，郑海荣2. 基于CUDA的声辐射力弹性成像算法研究[J]. 计算机工程与应用, 2015, 51(18): 249-254.

CPU-GPU混合平台上动态场景光线跟踪的研究

Investigation of ray tracing in dynamic scenes on CPU-GPU hybrid paltform

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐 0

Metrics