[发明专利]基于GPU的大规模落叶实时渲染方法

摘要

本发明公开了一种基于GPU的大规模落叶实时渲染方法，该方法首先建立落叶运动的基础运动轨迹库；通过马尔科夫链模型，得到落叶轨迹的低维特征表示；在渲染的初始化阶段，向GPU输入存储在内存中的叶片粒子的运动特征参数与形状特征参数；在实时渲染阶段，逐帧向GPU输入当前系统时间与风场信息，在GPU中进行落叶运动位置的计算；在GPU中进行叶片多边形重建；最后进行渲染。本发明充分利用了GPU的并行计算优势，在GPU中使用独立线程完成对每一片叶片的运动轨迹计算，该方法在保证了渲染真实性的基础上，大大提高了落叶渲染的效率，满足了大场景植被落叶运动的实时渲染需求。

主权项

一种基于GPU的大规模落叶实时渲染方法，其特征在于，包括以下步骤：(1)建立落叶基础运动轨迹库，具体为：将落叶的轨迹分为六种基础运动模板：稳速下降SD，周期翻转PT，混沌变动TC，周期振动PF，变速螺旋TH以及周期螺旋PS，通过Li(1≤i≤6,i为自然数)表示，其中L1～L6分别表示SD，PT，TC，PF，TH，PS；其中，SD使用加上轻微扰动的匀速直线运动模型；PT、TC、PF三种运动使用规律性的轨迹片段进行组合，所述轨迹片段表示如下：xt=x0-AΩsin(Ωt)yt=y0-Ut-AΩsin(Ωt)---(1)]]>其中，t表示当前时间，xt与yt表示t时刻下的轨迹片段空间坐标，x0与y0表示初始时刻下的轨迹片段空间坐标，U表示匀速下降速度，A表示震荡幅度，Ω表示简谐运动频率；提取时间内的x和y坐标作为轨迹片段；通过调整A、Ω和U的大小得到不同形态的轨迹片段，从而组合得到具有随机性的PT、TC和PF基础运动模板；TH、PS两种运动通过公式(2)表示：xt=Aecos(Ω′t)(1+Eesin(kΩ′t)),yt=h-U′t,zt=Aesin(Ω′t)(1+Eesin(kΩ′t)),---(2)]]>其中Ae是XOZ平面的椭圆振幅，Ee是椭圆长短轴的比值，k是椭圆震荡周期与物体旋转周期的比值，h是初始高度，Ω′是下降时的角速度，U′是下降时y方向的平均速度；(2)通过马尔科夫链模型，得到落叶轨迹的低维特征表示：对Li(1≤i≤6)而言，运动轨迹的无序性保持递增；设定一段自由坠落轨迹M{M＝m1||m2||…||mi}，所述M由数段mi拼接而成，每一段mi对应某一种基础运动模板Li，M的切换概率由马尔科夫链模型计算；设定特征D＝{S1,S2,S3,S4,S5}，其中Si＝{Li,Ti,Pi},Li表示当前其所属的基础运动模板，Ti表示这段轨迹在总体运动时间中所占的比例，Pi表示从该运动轨迹的哪一段开始运动；以此得到落叶轨迹的低维特征表示D；(3)在渲染的初始化阶段，向GPU输入存储在内存中的叶片粒子的运动特征参数与形状特征参数；其中叶片粒子的运动特征参数为步骤(2)得到的特征D，形状特征参数包括叶片的长宽与初始法向和切向；(4)在实时渲染阶段，逐帧向GPU输入当前系统时间与风场信息，在GPU中进行落叶运动位置的计算，具体包括以下步骤：(4.1)通过逐帧传入的当前系统时间与步骤(3)中传入GPU的运动特征参数，得到当前粒子所属的基础运动模板Li与其在基础运动模板中的位置；(4.2)从基础轨迹模板中，获取粒子对应的轨迹运动速度VT与角速度ΩT(4.3)由当前系统时间与叶片所处位置，从风场中得到对应的风场响应运动速度Vw；(4.4)粒子的最终速度V＝Vw+VT，最终角速度Ω＝ΩT；结合当前帧与上一帧间隔时间Δt，更新叶片的空间位置和法向信息；(5)利用叶片粒子形状特征参数和步骤(4.4)计算得到的叶片粒子空间位置和法向，在GPU中进行叶片多边形重建，得到叶片多边形顶点与拓扑信息；具体为：通过求解叶片平面上垂直于法向Nor和切向Tan的向量Lup，得到多边形四个顶点的空间坐标，各顶点的纹理坐标由顶点顺序自动生成，各顶点的法向与质心法向一致；(6)通过步骤(5)得到的叶片多边形顶点与拓扑信息，对生成的叶片多边形进行实时渲染。