[发明专利]一种参与介质的路径引导方法

权利要求书

1.一种参与介质的路径引导方法，其特征在于包括以下步骤：

步骤一，使用S-D树结构来表示学习体积介质中的入射辐射度分布，具体包括S树学习阶段和D树学习阶段：

1.1S树学习阶段，从光线侧学习体积介质中采样点的入射辐射度分布，建立介质空间数据结构；

1.2D树学习阶段，当光子到达S树叶节点时，建立方向域四叉树数据结构；

步骤二，依据介质的相位函数各项同性程度选择采样策略对路径采样过程进行引导，包括多重重要性采样和重要性重采样；

步骤二的实现过程为：用重要性再采样方法对入射辐射率分布函数和相位函数的乘积进行采样，首先按照传统的路径追踪方法渲染开始随机游走，从相机处发射光线并追踪，当光线到达体积介质时，对于每次散射事件，使用预先训练的S-D树来进行下一个随机游走方向的采样，首先遍历S树以找到包含该散射事件的叶结点，然后使用叶结点中的D树进行方向采样，选择下一次随机游走方向进行路径引导的时候采用重要性重采样和多重重要性采样方法的组合计算方法选择下一次随机游走方向，通过对学习的入射方向和相位函数进行重要性重采样和多重重要性采样方法的组合来计算出射方向；

采用重要性重采样和多重重要性采样方法的组合计算方法选择下一次随机游走方向的具体步骤如下：

2.1计算当前随机游走所到达的节点的介质的各向异性系数g，如果g小于0.5，进行传统的多重重要性采样，得到下一次游走方向，采样步骤结束，否则执行下一步；

2.2遍历S树以找到包含该散射事件的叶结点，找到叶结点中的D树，准备进行方向采样；

2.3将相位函数和D树所表达的分布函数的加权和作为原函数，对其采样得到n个出射方向候选方向

2.4使用下列公式估计每个候选方向的权重，并且计算候选方向权重的累积分布函数CDF，候选方向的权重：

其中，k代表第k个候选方向，表示入射辐射度分布函数的概率强度函数，q_p表示相位函数的概率强度函数，μ是相位函数的权重；

2.5采样上一步计算的CDF，并且得到优化的最终采样的下一次游走方向，实现路径引导；

2.6为了保证估计量的无偏性，使用下列新公式估计路径在选定方向上的散射事件，即每个候选方向s的权重，估计散射事件，按照以下公式进行计算：

2.根据权利要求1所述的方法，其特征在于步骤1.1所述的S树学习阶段的方法为：对于每种介质，从轴对齐包围盒开始构建空间树，当包含的样本数大于阈值时，将结点分为两个子结点，并迭代选择划分维度；阈值取决于迭代，也就是其中，c是与D树的分辨率相关的常数，设置为12000；k表示迭代次数；S树的结点数由内存预算或确切的结点数N限定。

3.根据权利要求2所述的方法，其特征在于S树学习阶段的具体实现过程为：

1.1.1构建S树：对于每种介质，从场景的轴对齐包围盒AABB构建S树的根节点；

1.1.2从灯光发射光子，当光子到达介质时，让光子在场景中随机游走，对于每个散射事件，通过对相位函数进行采样来获得出射方向；

1.1.3每当光子到达一个S树节点，计算当前结点包含的光子样本数，当包含的样本数大于阈值时，将结点分为两个子结点，将当前结点的D树拷贝到每个子节点，并从0开始迭代选择划分维度；阈值取决于迭代次数，其中c是与D树的分辨率相关的常数，设置为12000；k表示迭代次数；

1.1.4S树的结点数由内存预算或确切的结点数N限定，当结点到达最大预算时，构建S树完成；否则，继续随机游走在到达新散射事件的时候执行步骤1.1.1。

4.根据权利要求1所述的方法，其特征在于步骤1.2所述的D树学习阶段的方法为：当到达S树叶结点时，从一个球面域开始构建一个四叉树方向节点，并将其进一步分为四个子结点，当每个四叉方向树结点包含的总能量大于整个四叉方向树中总能量的1％时，将其细分为等能量的四个子节点，当训练完成之后，一个D树即代表一个方向域的入射辐射度分布，而整个S-D树则代表了整个介质空间中的入射辐射度分布。

5.根据权利要求4所述的方法，其特征在于D树学习阶段的具体实现过程为：

1.2.1构建D树：D树实际是一颗四叉树，当每一个光子到达S叶结点时，从一个球面开始构建一个四叉树结点；

1.2.2根据光子的方向，遍历D树，当到达叶子结点时，记录光子的能量数据；

1.2.3计算结点的总能量，当每个结点包含的能量大于整个方向树中总能量的1％时，将四叉树细分，能量平均分配；

1.2.4若所有光子发射完毕，四叉树构建完毕；否则发射新的光子，继续进行随机游走。