基于GPU的海量地形实时动态存储与绘制算法

来源 :第九届中国计算机图形学大会(Chinagraph‘2012) | 被引量 : 0次 | 上传用户:yesky556
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  为了缓解实时更新和存储海量地形的形变数据对动态绘制速度造成的压力,提出一种适合于GPu实现的基于整数小波变换与限制性四叉树相结合的并行动态存储与绘制算法。通过并行化设计无损的基于块的整数小波变换算法和SPIHT压缩算法,提高了地形压缩比例从而减小地形数据的传输。
  本文设计了新的基于块的小波变换和压缩方法,在保证子块相对独立的同时,保存了子块间的连续信息。首先,在预处理过程中对整个精细DEM数据进行m层整数小波变换,按照原地形数据位置分割全部的具有不同分辨率层次的小波系数重新组合到各个子块中,然后通过SPIHT算法压缩每个块的系数成为位流并按子块位置进行索引。之后提出了一种新的基于块的并行SPIHT算法,采取了四路并行扫描路线和内外两个嵌套的循环递归计算的设计方法。同时解决了海量地形保存动态改变数据的编解码的实时性问题。最后实现了动态地形的实时存储算法,基于上文提到的并行整数小波变换和SPIHT算法,对取得的位流数据进行块内和块间并行解压得到相应的小波系数,块间解压能力受限于每个块内地形数据的位数和GPU的显存容量。
其他文献
手势是人机交互中最自然和直观的沟通方式之一,基于计算机视觉的手势识别已经成为主流。但此类方法存在人手分割不准确和旧手势识别模型不能快速迁移于新用户等问题。本文采用并行工作的双深度摄像头进行手势识别,提出了双深度摄像头的对齐方法和基于球体模型的人手分割方法,实现了人手的准确分割:同时,提出了一种自适应自迭代的在线增量式极速学习机,使得系统能够在记忆原有手势识别模型的基础上,实现新增手势对旧模型的修正
人脸变形在计算机图形学中有广泛的应用,传统的人脸变形方法需要通过人工交互在源图像和目标图像乏间建立精确的定位,交互量大且不精确。本文提出了一个自动人脸特征定位的方法,能自动的找出人脸中的精确特征,进而达到精确的特征对应,获得自动、自然的变形效果。本文首先基于LFA和AAM思想提出了一种基于分层约束的人脸局部特征检测的算法:该算法首先利用Adaboost在图像上找到人脸的大概位置:然后用较粗糙的人脸
超大屏幕、高分辨率的显示在商业、娱乐和科学研究等领域的应用日益广泛,多投影拼接显示技术受到越来越多的关注。几何校正、亮度校正和边缘融合是多投影显示系统的几个关键技术,其中几何校正是多投影显示系统建立的前提和基础。投影机投影未经处理的图像到曲面显示墙上时将得到变形图像。为了在曲面显示墙上得到无形变的图像,就需要对投影机的输出画面进行预变形,以此抵消由于投影机摆放位置的随意性和显示墙的不规则性引起的几
在虚拟现实中,个体(agent)需要频繁的在场景中规划出一条从起点位置到终点位置的合理路径。有许多成熟的算法应用于小范围场景中的路径规划,然而大范围场景面积巨大,障碍物复杂,路径规划依然是存在挑战的。本文提出了一种新的通道图(corridor map)技术,它结合沃罗若伊图(Vomnoi diagram)和交互速度障碍(Reciprocal Velocity Obstacles,RVO)算法的优点
真实的水滴效果模拟是图形模拟研究课题中一个重要的领域,它对再现自然现象自身的运动规律及外在的视觉特效具有重要的意义。本文的工作为模拟小水团受重力和人为外力的影响而散开为水滴的动画效果。为了有效模拟上述现象,本文提出一种水滴效果的交互式模拟方法。首先,考虑到水滴模拟要求多细节,需要较为精确的流体控制方程求解,其次,考虑到水滴模拟的强枯性,本文将修正的运动方程引入到水滴效果模拟用于对速度场进行校正,再
植物的建模和绘制可以使场景更加真实和生动,所以一直都是计算机图形学领域的研究热点,而树以其体积较大、易吸引观察者注意力等特点成为最普遍被研究的模型之一。另一方面,树具有典型的分枝结构和明显的线形骨架,因此本文选取了卷积曲面来表示树干,因为卷积曲面具有内嵌骨架、可叠加性和易于表示复杂拓扑结构等优点[1]。针对基于线骨架卷积曲面造型的树干模型,本文提出了一种高效的多边形化方法。首先,根据树干的骨架模型
在人脸表情动画编辑[1]过程中,用户如何将表情特征点的操纵传播到整个动画序列,使得合成的人脸表情动画既能满足其需求,又与初始动画序列保持一致,这是当前数据驱动人脸表情动画领域尚未解决的一个问题。本文在已有算法的基础上提出了一种高效的人脸动画编辑方法,快速地将用户对某一帧的编辑效果在给定人脸动画上传播。本文首先使用基于拉普拉斯的人脸表情合成技术将被编辑特征点的位移在空间域传播到人脸模型的其它顶点,很
分子对接,也称为分子识别,是由两个具有特定构象的自由单体分子相互作用构成复合物的复杂过程,涉及分子之间的空间匹配和能量优化。蛋白质识别关键区域的研究对于揭示生命现象的本质规律、提高药物设计效率及降低新药物开发的成本和周期有着重大的应用价值。蛋白质分子场的计算具有相当的挑战性,目前有两类方法可以计算蛋白质分子场,一类是基于分子力学的方法,另一类是基于量子化学的方法。本文设计并实现了一种基于GPU/C
并行绘制依据从Object-space转换到Screen-space时排序发生的不同流水线阶段可以归纳为三种并行绘制模式,sort-first, sort-middle和sort-last[1]。现有的sort-last绘制方法难以保证高分辨率图像绘制的实时性和扩展性,为此提出了一种面向节点内多屏幕、高分辨率显示的sort-last并行绘制方法。方法首先设定每个绘制通道对应一个GPU,并有一个Of
现有屏幕空间流体场景的实时绘制方法存在着表面提取不光滑、光照不自然及缺乏真实感细节等缺陷。本文提出了一种新的屏幕空间流体场景真实感绘制算法。算法基于SPH(光滑粒子动力学)框架。本文绘制过程分三步进行。首先通过对经过传统SPH方法模拟后的流体粒子,进行空间位置的拉普拉斯平滑。其次,对球形粒子做各向异性变化。第三步,通过对变形后的椭球粒子场景记性绘制,得到相应的深度图。