本文介绍了使用KD-tree和BVH（Bounding Volume Hierarchy）两种数据结构来加速光线追踪的过程。KD-tree通过沿坐标轴递归划分空间，减少不必要的计算。而BVH则基于三角形面进行空间划分，确保每个物体都在至少一个AABB内。这两种方法通过排除与光线不相交的区域，提高了光线追踪的效率。
前面已经说过，均匀空间划分存在一个划分粒度的问题，所以，为了解决这个问题，就出现了基于树形结构的空间划分。基于KD-tree进行空间划分就是其中一种
KD-tree每次划分的时候，会按顺序沿着x、y、z轴进行依次划分（也可以不按照这个顺序来），如下图所示，首先进行x轴方向的划分，然后对两个部分进行y方向的划分，然后再进行x轴方向的划分，依次递归，当每个小AABB足够小或者每个AABB找那个的物体个数很少时，递归终止
在KD-tree中，存储物体信息的节点都是叶子结点（没有子节点的节点）
示例
比如，一个空间的物体如下，并且按照KD-tree的方式被划分
当划分完成，判断光线与与两个子空间1和B是否相交，该光线不仅与1相交，还与B相交
所以就需要一次遍历子树1和B，拿子树1来说，子树1的下半部分不和光线相交，所以就不用遍历子树1的下半部分，这样就能起到一定程度的加速作用
D区域被划分成4和5（停止继续划分），但是区域4并没有与光线相交的叶子结点，而3号区域中有与光线相交的节点，就能得出交点。
KD-tree将AABB空间不断分割，如果光线与哪一部分的子AABB不想交，则可以直接忽略光线与该AABB的交点计算，节省了计算量；但是，因为按照空间划分，就存在某些三维物体有可能介于两个AABB中间。
为了能够让所有的物体都存在于一个AABB中，人们自然又提出了基于物体划分的算法
四、BVH（Bounding Volume Hierarchy）加速光线追踪
BVH是基于三角形面进行空间划分的光追加速算法，首先将场景中的物体用一个大的AABB包起来
然后将大的AABB划分为两个小的AABB，这两个小的AABB可能会重叠，但是每个三角形面都必定在其中一个AABB中
接着重复对两个子AABB进行划分，递归条件就是AABB中三角形的数量小于某个值，下图只对左面的进行了划分，没有对右边的子AABB进行划分
参考
GAMES101-现代计算机图形学入门-闫令琪_哔哩哔哩_bilibili
欢迎大家评论交流，作者水平有限，如有错误，欢迎指出
扫一扫
9088
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
