论文部分内容阅读
随着建模技术和三维数据获取设备的不断发展,大型网格模型己变得十分常见,这类模型满足了许多应用领域对模型精度、真实感等方面的高度需求。大型网格模型又可称为外存模型,因为它包含的数据量庞大,往往无法一次载入内存,同时也无法实现快速乃至交互帧率的绘制。然而在许多情形下,由于人眼分辨率的限制与观察兴趣点的不同,我们并不需要呈现给用户完整模型的渲染结果,因此可将模型做一定程度的简化后再渲染。层次细节模型技术(Level-Of-Detail:LOD)是基于模型简化技术(Mesh Simplification)的一种有效的绘制加速技术,该技术由早期面向内存模型的技术发展至如今面向外存模型的技术。随着云计算时代的到来,分布式计算资源变得更容易使用,因此研究基于分布式集群的并行化层次细节模型技术将进一步提升该技术的绘制速率。本文对已有的层次细节模型技术进行了研究,并提出两种新的与面向外存模型的并行层次细节模型技术相关的算法,主要工作可概括为以下三个方面:(1)系统地研究与总结了层次细节模型技术的整体知识框架,包括LOD技术的执行管线、LOD调度分类与判别准则、模型简化算法、渐进网格法、外存模型简化算法以及并行模型简化及LOD技术。(2)提出了一种基于区域分解的并行动态LOD构建算法,该算法将传统的渐进网格法与模型的区域分解方法相结合,形成了一种无数据依赖的高效并行算法。文中给出了算法的设计思想及相应的实验验证,实验结果表明,该算法在功能方面极其接近原本的串行算法,同时在性能方面取得了较大的突破,具备理想的并行效率与良好的可扩展性。此外,相比功能级并行与流水线式并行这两种已有的算法,该算法具备了更好的性能。(3)提出了一种基于顶点聚类和多数据流的并行外存模型简化算法,该算法改进了OoCS算法(Out-Of-Core Simplification)的部分流程,同时充分挖掘出了算法两个阶段的并行性。文章给出了算法的设计原理与相应的实验验证,在功能上,该算法与串行算法所产生的简化网格无任何差异;在性能上,相比基于区域分解的方法、功能级并行算法、流水线式并行算法等多种算法,该算法均具有更为理想的并行效率与可扩展性。