[发明专利]毛发模型渲染方法、装置、电子设备及存储介质

说明书

本申请提供了一种毛发模型渲染方法、装置、电子设备及存储介质，获取毛发模型的毛发数据并存储至图形处理器的显存，为毛发数据中的发丝数据组配置的流处理器单元，通过流处理器单元中的线程加载对应的发丝数据中的当前待处理和关联发丝节点数据至寄存器；确定待处理发丝节点数据对应的参数节点位置求解算法组，通过当前节点位置求解算法和对应的参数节点进行位置求解，当当前节点位置求解算法根据当前参数节点完成位置求解，当前参数节点不属于其他节点位置算法和/或发丝数据中其他发丝节点数据对应的节点位置求解算法组的参数节点时，将当前参数节点对应的发丝节点数据保存至显存。本申请能够减少毛发渲染过程中的图形处理器的显存读写开销。

技术领域

本申请涉及软件技术领域，尤其是涉及一种毛发模型渲染方法、装置、电子设备及存储介质。

背景技术

随着计算机技术的发展，基于点线模型的毛发仿真渐渐出现在游戏中。基于毛发点线仿真的方法相比于传统做法会更加真实，发丝更加细腻并且精致。由于游戏中毛发数量通常会很大，甚至达到将近10000根，每根发丝拥有20到30个毛发节点，所以其对仿真效率要求极高，而GPU仿真的性能瓶颈往往受限于显存存取。

毛发仿真过程中用到的求解，通常会选择使用GPU(graphics processing unit，图形处理器)加速其计算过程。GPU是一个典型的SIMD(Single Instruction MultipleData，单指令多数据流)的并行计算架构，所以如何组织计算数据，以及对哪些数据进行并行处理往往极大的影响算法设计和性能。

对于毛发的GPU求解方法大多为两类：一类是对每个毛发节点进行并行求解，通过雅可比迭代完成求解。第二类是针对“毛发节点对”进行并行求解，也就是对Constraints节点对束缚进行并行高斯赛德尔求解。

上述第一类求解方法，对每个毛发节点进行并行求解，虽然并行度高，但是收敛速度慢，需要较多的GPU内存读写开销。上述第二类求解方法，针对“毛发节点对”进行并行求解，虽然收敛快同样需要较多的内存读写开销，从而影响效率。

发明内容

本申请的目的在于提供一种毛发模型渲染方法、装置、电子设备及存储介质，能够减少毛发渲染过程中的图形处理器的显存读写开销。

第一方面，本申请实施例提供一种毛发模型渲染方法，方法包括：获取毛发模型的毛发数据并存储至图形处理器的显存，其中，毛发数据由多个发丝数据组构成，发丝数据组包括至少一发丝数据，发丝数据包括构成发丝的发丝节点数据；为发丝数据组配置对应的流处理器单元，其中，流处理器单元包括至少一线程；通过线程加载对应的发丝数据中的当前待处理发丝节点数据和与待处理发丝节点数据相关的关联发丝节点数据至图形处理器的寄存器；确定待处理发丝节点数据对应的参数节点位置求解算法组，参数节点位置求解算法组包括至少两个节点位置求解算法；通过当前节点位置求解算法和对应的参数节点进行位置求解，其中，参数节点为待处理发丝节点数据和/或关联发丝节点数据；当当前节点位置求解算法根据当前参数节点完成位置求解，若当前参数节点不属于其他节点位置算法和/或发丝数据中其他发丝节点数据对应的节点位置求解算法组的参数节点时，则将当前参数节点对应的发丝节点数据保存至图形处理器的显存。

进一步地，上述为发丝数据组配置对应的流处理器单元的步骤，包括：检测发丝数据组包含的发丝数据的第一数量；为发丝数据组配置包含第一数量的线程的流处理器单元。

进一步地，上述每个发丝数据包括多个按照节点位置顺序排列的发丝节点数据；通过线程加载对应的发丝数据中的当前待处理发丝节点数据和与待处理发丝节点数据相关的关联发丝节点数据至图形处理器的寄存器的步骤，包括：通过线程按照发丝数据中的节点位置顺序，依次加载发丝节点数据至寄存器，以确保寄存器中存储位置连续的指定个数的发丝节点数据。