CN111275806A - 一种基于点的并行化实时渲染***及方法 - Google Patents
一种基于点的并行化实时渲染***及方法 Download PDFInfo
- Publication number
- CN111275806A CN111275806A CN201811379887.4A CN201811379887A CN111275806A CN 111275806 A CN111275806 A CN 111275806A CN 201811379887 A CN201811379887 A CN 201811379887A CN 111275806 A CN111275806 A CN 111275806A
- Authority
- CN
- China
- Prior art keywords
- point
- real
- point model
- module
- parallelization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000009877 rendering Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000001133 acceleration Effects 0.000 claims abstract description 29
- 238000005516 engineering process Methods 0.000 claims abstract description 21
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 238000009826 distribution Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 11
- 238000005286 illumination Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 5
- 238000010425 computer drawing Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 6
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000012265 solid product Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/20—Perspective computation
- G06T15/205—Image-based rendering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Image Generation (AREA)
Abstract
本发明公开了一种基于点的并行化实时渲染***，所述实时高效的点模型渲染模块电性连接有并行化、分布式的点模型渲染模块，所述并行化、分布式的点模型渲染模块电性连接有基于硬件加速的实时点模型渲染模块，所述基于硬件加速的实时点模型渲染模块电性连接有点模型绘制的任务分解模块，所述点模型绘制的任务分解模块电性连接有并行化的k‑nearest搜索模块，所述并行化的k‑nearest搜索模块电性连接有基于GPU硬件加速的光线跟踪算法模块；本发明，并行化、分布式的点模型渲染，基于硬件加速的实时点模型渲染，点模型绘制的任务分解技术，并行化的k‑nearest搜索技术，基于GPU硬件加速的光线跟踪算法，实现实时高效的点模型渲染。
Description
技术领域
本发明属于渲染***领域，更具体地说，尤其涉及一种基于点的并行化实时渲染***。同时，本发明还涉及一种基于点的并行化实时渲染***的方法。
背景技术
在计算机图形学实时渲染领域中，以三角网格为图元的模型渲染因具有简单、表现力强以及良好的硬件支持等许多优点而成为当前交互式图形绘制中最流行的方法，也是当前最为成熟的方法。随着计算机图形学理论和技术的快速发展，计算机图形学的应用领域已遍及科学探索、工程设计、机械制造、模拟仿真、医药卫生、文物保护、以及游戏娱乐等许多方面，与此同时，其特点之一是广泛使用三维几何数据来描述场景，所表现场景的规模和复杂程度也在急剧地增长。近年来，随着场景建模的精细化，我们越来越多地使用巨大规模、高度复杂的多边形模型，这使得用于管理多边形模型的连接关系的额外开销大大增加。一个模型可能包含多达上百万个三角形，而每一个三角形在屏幕空间的投影区域可能只占很少几个像素，甚至在一个像素之内。在这样的情况下，光栅化操作不再具有原来的高效。
在实物三维信息获取方面，随着近年来3D数字扫描技术与扫描仪的日益普及与应用，用户可以在短时间内获取大量与物体相关的三维及影像数据。3D扫描仪输出目标物体的大量密集采样点，这点相互之间没有任何拓扑关系。传统方法需将扫描获得的离散采样点转化成三角形模型再作进一步的处理及绘制，但随着采样数据规模的不断扩大，多边形模型转化或重构的方法变得越来越低效，三角形表示方法的局限性变得更为明显。
所以，新的领域与新技术的出现给传统图形处理渲染技术和方法带来了很大的挑战。
在基于点的渲染方法中，国外的技术发展主要有Qsplat方法与 Splatting方法。
Qsplat方法是Standford大学的Levoy等人于2000年发表在 SIGGRAPH上的文章中提出的，它使用一个树状层次包围球数据结构来完成可见性选择、LOD控制、实时绘制等任务，树中每个节点包含了球的相关信息，每个节点的大小为48位。在进行渲染时，层次树按广度优先方法进行遍历。对每个中间节点，首先判断该球是否完全在屏幕之外或者是完全背向的。如果是，则该结点不可见，忽略该结点和它所有的了结点，这就实现了可见性选择。如果该结点至少有一部分了结点是可见的，则将该结点在屏幕上的投影大小同一个阀值进行比较，如果大于阀值，则继续向下递归；如果小于阀值或者已经到达叶结点，则按该结点的球位置和半径确定的屏幕上的位置和大小绘制一个“Splat″。其中阀值的大小可由上一帧图像绘制的时间动态确定，以达到满足用户指定的每秒绘制帧数的要求。一旦用户停止移动鼠标，则逐渐使用更小的阀值进行绘制，直到达到叶结点或者Splat的大小为一个像素点为止。
高度压缩的数据结构是Qsplat方法的一大特点，在该方法中， Levoy等对每一个需要存储的参数信息都进行了量化，而且通过实验比较选择出能够平衡绘制速度和图像质量的量化数量级。通过量化的处理，大大压缩了每个节点存储信息所占用的字节数，同时误差也被控制在可以接受的范围内。经过压缩的Qsplat数据在内存和外存中的表示方式是一样的，绘制时就不必先进行解压缩的工作，只需直接将数据调入内存即可，因而进一步加快了绘制的速度。
由于Qsplat主要面向扫描得到的大数据量模型的快速显示，因而，尽管采用了相当大的压缩率，但是每个模型的所需的数据文件仍然很大，尤其是当数据通过网络远程调入时，则很可能会出现数据传输跟不上显示速度的情况。为了解决这一问题，StreamingQsplat 方法对Qsplat方法进行了修改。因为Qsplat可以在递归过程中的任意层次中止，所以Streaming Qsplat方法的修改采用了一种非常简单、直接的方法：一旦所需数据尚未传到，则中止递归。这样就可以先行显示一个较粗糙的图像，等数据传到后再逐步求精。Streaming Qsplat方法中采用了GPU硬件加速技术，将绘制速度提高了约两个数量级。其报告的速率为每秒绘制约50M个点。
Splatting技术是当前点绘制的主流技术，它以Surfel为点模型的绘制基元，将每个点局看作一个薄圆片，各点的Surfel相互重叠而形成紧密的物体表面，通过可见性预处理我图像重建而得到光滑的图像。圆片的半径与曲面在该点的曲率有关。其绘制方法为将整个 Surfel投影到屏幕上从而同时实现可见性判定与图像重建。其核心问题包括：确定Surfel在屏幕上的投影与确定这些投影之间的相互遮挡关系及相互融合关系。Zwicker将信号处理方法引入点绘制中，并采用了EWA反走样滤波技术，获得了高质量的绘制结果。Ren和 Mario在此基础上推导并简化了物体空间的EWA滤波算子，并利用了最新图形硬件加速技术，获得了更高的绘制效率。其报告的绘制速率为每秒1.5M个点。
在这两种绘制技术中，由于Qsplat着重于绘制的高效性，但不足之处是存在严重的图形走样。Splatting中应用了信号处理的思想，将屏幕空间的重采样与滤波巧妙地结合在一起，很好地解决了点绘制的走样问题，得到了高质量的绘制效果，但也存在不足：需要进行多次绘制、无法逼真地绘制半透明体等。现有的技术多侧重于单机的点模型渲染。在单机点模型渲染时，部分优化算法利用了GPU加速实现。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于点的并行化实时渲染***及其方法。
为了实现上述目的，本发明采用了如下技术方案：
一种基于点的并行化实时渲染***，包括实时高效的点模型渲染模块，所述实时高效的点模型渲染模块电性连接有并行化、分布式的点模型渲染模块，所述并行化、分布式的点模型渲染模块电性连接有基于硬件加速的实时点模型渲染模块，所述基于硬件加速的实时点模型渲染模块电性连接有点模型绘制的任务分解模块，所述点模型绘制的任务分解模块电性连接有并行化的k-nearest搜索模块，所述并行化的k-nearest搜索模块电性连接有基于GPU硬件加速的光线跟踪算法模块。
优选的，所述实时高效的点模型渲染模块采用点数据的直接绘制省去了原先的表面重建过程，利用点的信息直接绘制。
优选的，所述并行化、分布式的点模型渲染模块采用的点模型绘制技术利用一定的任务并行化策略将一个总的任务分成多个任务，并将任务合理地分配于每个计算结点，每个任务完成后，合成最终的结果。
优选的，所述基于硬件加速的实时点模型渲染模块将GPU计算的引入，充分利用GPU强大的运算功能，解决点模型的绘制问题。
优选的，所述点模型绘制的任务分解模块在点模型的并行化中，必须将任务分解为多个小的子任务，每个计算节点对小的子任务进行计算然后将多个子任务合并为最终的结果。
优选的，所述并行化的k-nearest搜索模块在点模型的计算机绘制中，真实感来源于对光照的计算，而光照计算的一个最主要输入信息是点的法向量，是对表面处理过程中必不可少的信息，采用采样点的邻域进行估算。
优选的，所述基于GPU硬件加速的光线跟踪算法模块采用GPU来负责主要的计算，而CPU负责计算的控制和协调。
本发明还提供一种基于点的并行化实时渲染***的方法，包括如下步骤：
S1、通过实时高效的点模型渲染模块采用点数据的直接绘制；
S2、当模型点数据投影到屏幕空间搜索k-nearest点，搜索到之后通过纹理输出后计算平均值，在经过计算法线顶点颜色，然后通过纹理在帧缓存中绘制Splat；
S3、当模型点数据投影到屏幕空间取得预定范围内的一点时，直接通过纹理输出在在帧缓存中绘制Splat。
本发明提供的一种基于点的并行化实时渲染***及其方法，与传统的固态产品相比：
1、本发明，并行化、分布式的点模型渲染，基于硬件加速的实时点模型渲染，点模型绘制的任务分解技术，并行化的k-nearest搜索技术，基于GPU硬件加速的光线跟踪算法，实现实时高效的点模型渲染；
2、实时高效的点模型渲染：由于点的无拓扑性，三角形重建有很多不确定性，而点数据的直接绘制省去了原先的表面重建过程，而利用点的信息直接绘制，简化了虚拟现实建模的周期，减少了工作量；
3、并行化、分布式的点模型渲染：由于点云规模巨大，所以单台计算机很难有效地处理大规模的点模型，采用并行化分布式的处理平台可以有效的解决这个问题，针对于传统的单机绘制点模型，采用基于并行架构的绘制；
4、基于硬件加速的实时点模型渲染：充分利用GPU强大的运算功能，解决点模型的绘制问题，不同于传统的CPU的单一计算模式，GPU计算的引入，将极大的提高了点模型渲染的效率与性能。
附图说明
图1为本发明的具体的计算架构框图；
图2为本发明的任务调度***架构框图。
具体实施方式
下面将结合本发明实施例中的附图1和图2，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种基于点的并行化实时渲染***，包括实时高效的点模型渲染模块，所述实时高效的点模型渲染模块电性连接有并行化、分布式的点模型渲染模块，所述并行化、分布式的点模型渲染模块电性连接有基于硬件加速的实时点模型渲染模块，所述基于硬件加速的实时点模型渲染模块电性连接有点模型绘制的任务分解模块，所述点模型绘制的任务分解模块电性连接有并行化的k-nearest搜索模块，所述并行化的k-nearest搜索模块电性连接有基于GPU硬件加速的光线跟踪算法模块。
进一步地，所述实时高效的点模型渲染模块采用点数据的直接绘制省去了原先的表面重建过程，利用点的信息直接绘制。
通过采用上述技术方案：基于三角形(多边形)的虚拟现实方法的基础建模元素是三角形，任何物体必须由大小不等的三角形组成，随着三维测量技术尤其是激光三维测量技术的快速发展，在物体三维信息获取方面取得了极大的进步，可以在极短的时间内获得大量精度密度很高的点云，若要利用这些扫描数量将该物体显示出来，必须将这些数据转换为多边形数据，由于点的无拓扑性，故给三角形重建带来了很多不确定性，而点数据的直接绘制省去了原先的表面重建过程，而利用点的信息直接绘制，简化了虚拟现实建模的周期，减少了工作量。
进一步地，所述并行化、分布式的点模型渲染模块采用的点模型绘制技术利用一定的任务并行化策略将一个总的任务分成多个任务，并将任务合理地分配于每个计算结点，每个任务完成后，合成最终的结果。
通过采用上述技术方案：由于点云规模巨大，所以单台计算机很难有效地处理大规模的点模型，采用并行化分布式的处理平台可以有效的解决这个问题，采用的点模型绘制技术利用一定的任务并行化策略将一个总的任务分成多个任务，并将任务合理地分配于每个计算结点，每个任务完成后，合成最终的结果，由于采用了分布式并行化的方案，大大缩短了点模型绘制的时间，提高了绘制的效率，
进一步地，所述基于硬件加速的实时点模型渲染模块将GPU计算的引入，充分利用GPU强大的运算功能，解决点模型的绘制问题。
通过采用上述技术方案：在当前流行的GPU中，具有顶点着色器与像素着色器，它们都是可编程控制器，是一种典型的流处理机，这种流处理机和传统的向量处理机的主要区别在于它不具有大容量的存储器可以读写，只是直接在芯片上利用临时寄存器做流数据的操作，由于GPU的超长流水线与并行计算功能使得GPU的运算速度非常快，本项目将充分利用GPU强大的运算功能，解决点模型的绘制问题。
进一步地，所述点模型绘制的任务分解模块在点模型的并行化中，必须将任务分解为多个小的子任务，每个计算节点对小的子任务进行计算然后将多个子任务合并为最终的结果。
采用上述技术方案：在点模型的并行化中，必须将任务分解为多个小的子任务，每个计算节点对小的子任务进行计算然后将多个子任务合并为最终的结果，基中的关键是任务的分解，任务分解的关键是寻找适合的点模型表示数据结构，可以有效的进行并行化操作，除易于并行化外，任务分解时采用的数据结构必须具有较高存储效率，相对于源数据有较高的压缩比，这样有利于计算结点之间的通信。
进一步地，所述并行化的k-nearest搜索模块在点模型的计算机绘制中，真实感来源于对光照的计算，而光照计算的一个最主要输入信息是点的法向量，是对表面处理过程中必不可少的信息，采用采样点的邻域进行估算。
通过采用上述技术方案：在点模型的计算机绘制中，真实感来源于对光照的计算，而光照计算的一个最主要输入信息是点的法向量，是对表面处理过程中必不可少的信息，当前，通用的方法都是基于采样点的邻域进行估算的，出于健壮性的考虑，不采用基于欧氏距离的领域而采用k个最近点构造出的局部邻域，由于搜索k个最近点的计算量较大，为了提高效率，采用并行化的解决方案。
进一步地，所述基于GPU硬件加速的光线跟踪算法模块采用GPU 来负责主要的计算，而CPU负责计算的控制和协调。
通过上述技术方案：采用GPU来负责主要的计算，而CPU负责计算的控制和协调。由于GPU中采用的数据为纹理，所以，存在的问题是如何在GPU中表达和产生光线，如何在GPU中组织点模型结构以及将光线与点模型进行求交运算。
本发明还提供一种基于点的并行化实时渲染***的方法，如图1所示，包括如下步骤：
S1、通过实时高效的点模型渲染模块采用点数据的直接绘制；
S2、当模型点数据投影到屏幕空间搜索k-nearest点，搜索到之后通过纹理输出后计算平均值，在经过计算法线顶点颜色，然后通过纹理在帧缓存中绘制Splat；
S3、当模型点数据投影到屏幕空间取得预定范围内的一点时，直接通过纹理输出在在帧缓存中绘制Splat。
综上所述：本发明提供的一种基于点的并行化实时渲染***及其方法，与传统的固态产品相比，实时高效的点模型渲染：由于点的无拓扑性，三角形重建有很多不确定性，而点数据的直接绘制省去了原先的表面重建过程，而利用点的信息直接绘制，简化了虚拟现实建模的周期，减少了工作量；
并行化、分布式的点模型渲染：由于点云规模巨大，所以单台计算机很难有效地处理大规模的点模型，采用并行化分布式的处理平台可以有效的解决这个问题，针对于传统的单机绘制点模型，采用基于并行架构的绘制；
基于硬件加速的实时点模型渲染：充分利用GPU强大的运算功能，解决点模型的绘制问题，不同于传统的CPU的单一计算模式，GPU计算的引入，将极大的提高了点模型渲染的效率与性能。
因此本发明，并行化、分布式的点模型渲染，基于硬件加速的实时点模型渲染，点模型绘制的任务分解技术，并行化的k-nearest搜索技术，基于GPU硬件加速的光线跟踪算法，实现实时高效的点模型渲染。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于点的并行化实时渲染***，其特征在于：包括实时高效的点模型渲染模块，所述实时高效的点模型渲染模块电性连接有并行化、分布式的点模型渲染模块，所述并行化、分布式的点模型渲染模块电性连接有基于硬件加速的实时点模型渲染模块，所述基于硬件加速的实时点模型渲染模块电性连接有点模型绘制的任务分解模块，所述点模型绘制的任务分解模块电性连接有并行化的k-nearest搜索模块，所述并行化的k-nearest搜索模块电性连接有基于GPU硬件加速的光线跟踪算法模块。
2.根据权利要求1所述的一种基于点的并行化实时渲染***，其特征在于：所述实时高效的点模型渲染模块采用点数据的直接绘制省去了原先的表面重建过程，利用点的信息直接绘制。
3.根据权利要求1所述的一种基于点的并行化实时渲染***，其特征在于：所述并行化、分布式的点模型渲染模块采用的点模型绘制技术利用一定的任务并行化策略将一个总的任务分成多个任务，并将任务合理地分配于每个计算结点，每个任务完成后，合成最终的结果。
4.根据权利要求1所述的一种基于点的并行化实时渲染***，其特征在于：所述基于硬件加速的实时点模型渲染模块将GPU计算的引入，充分利用GPU强大的运算功能，解决点模型的绘制问题。
5.根据权利要求1所述的一种基于点的并行化实时渲染***，其特征在于：所述点模型绘制的任务分解模块在点模型的并行化中，必须将任务分解为多个小的子任务，每个计算节点对小的子任务进行计算然后将多个子任务合并为最终的结果。
6.根据权利要求1所述的一种基于点的并行化实时渲染***，其特征在于：所述并行化的k-nearest搜索模块在点模型的计算机绘制中，真实感来源于对光照的计算，而光照计算的一个最主要输入信息是点的法向量，是对表面处理过程中必不可少的信息，采用采样点的邻域进行估算。
7.根据权利要求1所述的一种基于点的并行化实时渲染***，其特征在于：所述基于GPU硬件加速的光线跟踪算法模块采用GPU来负责主要的计算，而CPU负责计算的控制和协调。
8.一种权利要求1所述的一种基于点的并行化实时渲染***的方法，其特征在于：包括如下步骤：
S1、通过实时高效的点模型渲染模块采用点数据的直接绘制；
S2、当模型点数据投影到屏幕空间搜索k-nearest点，搜索到之后通过纹理输出后计算平均值，在经过计算法线顶点颜色，然后通过纹理在帧缓存中绘制Splat；
S3、当模型点数据投影到屏幕空间取得预定范围内的一点时，直接通过纹理输出在在帧缓存中绘制Splat。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811379887.4A CN111275806A (zh) | 2018-11-20 | 2018-11-20 | 一种基于点的并行化实时渲染***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811379887.4A CN111275806A (zh) | 2018-11-20 | 2018-11-20 | 一种基于点的并行化实时渲染***及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111275806A true CN111275806A (zh) | 2020-06-12 |
Family
ID=71002879
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811379887.4A Pending CN111275806A (zh) | 2018-11-20 | 2018-11-20 | 一种基于点的并行化实时渲染***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111275806A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114827032A (zh) * | 2021-01-20 | 2022-07-29 | 辉达公司 | 利用强化学习执行网络拥塞控制 |
| CN117830489A (zh) * | 2024-03-05 | 2024-04-05 | 浙江小牛哥科技有限公司 | 智能室内设计图像渲染*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5821950A (en) * | 1996-04-18 | 1998-10-13 | Hewlett-Packard Company | Computer graphics system utilizing parallel processing for enhanced performance |
| CN103049927A (zh) * | 2013-01-17 | 2013-04-17 | 浙江大学 | 基于gpu集群的实时光线跟踪渲染方法 |
| US20140198097A1 (en) * | 2013-01-16 | 2014-07-17 | Microsoft Corporation | Continuous and dynamic level of detail for efficient point cloud object rendering |
| CN107506306A (zh) * | 2017-09-28 | 2017-12-22 | 网易（杭州）网络有限公司 | 美术资源的测试方法和装置 |
| CN108765539A (zh) * | 2018-05-24 | 2018-11-06 | 武汉斗鱼网络科技有限公司 | 基于OpenGLES的图像渲染方法、装置、设备及存储介质 |
-
2018
- 2018-11-20 CN CN201811379887.4A patent/CN111275806A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5821950A (en) * | 1996-04-18 | 1998-10-13 | Hewlett-Packard Company | Computer graphics system utilizing parallel processing for enhanced performance |
| US20140198097A1 (en) * | 2013-01-16 | 2014-07-17 | Microsoft Corporation | Continuous and dynamic level of detail for efficient point cloud object rendering |
| CN103049927A (zh) * | 2013-01-17 | 2013-04-17 | 浙江大学 | 基于gpu集群的实时光线跟踪渲染方法 |
| CN107506306A (zh) * | 2017-09-28 | 2017-12-22 | 网易（杭州）网络有限公司 | 美术资源的测试方法和装置 |
| CN108765539A (zh) * | 2018-05-24 | 2018-11-06 | 武汉斗鱼网络科技有限公司 | 基于OpenGLES的图像渲染方法、装置、设备及存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114827032A (zh) * | 2021-01-20 | 2022-07-29 | 辉达公司 | 利用强化学习执行网络拥塞控制 |
| CN117830489A (zh) * | 2024-03-05 | 2024-04-05 | 浙江小牛哥科技有限公司 | 智能室内设计图像渲染*** |
| CN117830489B (zh) * | 2024-03-05 | 2024-05-03 | 浙江小牛哥科技有限公司 | 智能室内设计图像渲染*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8570322B2 (en) | Method, system, and computer program product for efficient ray tracing of micropolygon geometry | |
| US8725466B2 (en) | System and method for hybrid solid and surface modeling for computer-aided design environments | |
| Borgeat et al. | Gold: interactive display of huge colored and textured models | |
| US10997774B2 (en) | Layered, object space, programmable and asynchronous surface property generation system | |
| US20100091018A1 (en) | Rendering Detailed Animated Three Dimensional Characters with Coarse Mesh Instancing and Determining Tesselation Levels for Varying Character Crowd Density | |
| US11816783B2 (en) | Enhanced techniques for traversing ray tracing acceleration structures | |
| US9684997B2 (en) | Efficient rendering of volumetric elements | |
| US11373358B2 (en) | Ray tracing hardware acceleration for supporting motion blur and moving/deforming geometry | |
| CN113034656B (zh) | 游戏场景中光照信息的渲染方法、装置及设备 | |
| JP5055214B2 (ja) | 画像処理装置、画像処理方法 | |
| Wand et al. | Interactive Editing of Large Point Clouds. | |
| CN101119485A (zh) | 一种基于特征保留的三维模型递进传输方法 | |
| US11508112B2 (en) | Early release of resources in ray tracing hardware | |
| CN112070909B (zh) | 一种基于3D Tiles的工程三维模型LOD输出方法 | |
| KR20080018404A (ko) | 게임 제작을 위한 배경 제작 프로그램을 저장한 컴퓨터에서읽을 수 있는 기록매체 | |
| CN115131482A (zh) | 游戏场景中光照信息的渲染方法、装置及设备 | |
| Zach et al. | Time-critical rendering of discrete and continuous levels of detail | |
| CN111275806A (zh) | 一种基于点的并行化实时渲染***及方法 | |
| Ma et al. | An integrated VR–GIS navigation platform for city/region simulation | |
| Xue et al. | Efficient GPU out-of-core visualization of large-scale CAD models with voxel representations | |
| US11948338B1 (en) | 3D volumetric content encoding using 2D videos and simplified 3D meshes | |
| Bao et al. | Billboards for tree simplification and real-time forest rendering | |
| Schütz | Interactive exploration of point clouds | |
| Wang et al. | GPU-based Grass Simulation with Accurate Blade Reconstruction | |
| Schmalstieg | A survey of advanced interactive 3-d graphics techniques |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200612 |
|
| RJ01 | Rejection of invention patent application after publication |