games101学习笔记_Ray Tracing2

加速结构

对AABB结构进行优化来加速光线追踪的速度/Using AABBs to accelerate ray tracing

• 均匀网格（Uniform grids）
• 空间划分（Spatial partitions）

Uniform Spatial Partitions(Grids)(均匀空间划分)

当场景中物体分布不均匀时，不适合使用这种方法。

Preprocess – Build Acceleration Grid(预处理-建立加速网格)

• 找到包围盒
• 把包围盒为何分成一堆格子
• 判定哪些格子里有物体(把与物体相交的格子都给标记出来，注意这里说的物体是物体的表面，不考虑物体内部)

Ray-Scene Intersection(光线场景求交)

• 对光线与光线可能经过的格子进行求交判断
• 若相交，进一步判断格子里的物体是否与光线相交

在这里有可能会有人提出疑问，怎么找光线会相交的网格？在这里只简单说一下方法，但在实际中并不用这种方法：当光线从左下向右上打光，那么确定好一个网格后，下一个会与光线相交的网格要么在该网格的右边，要么在该网格的上边。

Grid Resolution(格子划分的解决方法)

划分的格子数太少或太多都会影响求交的效果。比如下图，1x1就没有加速的必要。

如果格子太密集了，就需要进行很多次光线和格子的求交，如下图：

经过前人不断的实践，得出了下面的公式和数，用来划分格子效果最好。

• 格子数#cells = 某个常数C * 物体的数量#objs
• 下面在3D中的C≈27是试验出来的，并没有什么意义。
  

Spatial Partitions(空间划分)

• Oct-Tree：八叉树（在二维情况下是四叉树），把空间中一个大的包围盒切成八份（横竖平三刀切成八份），对于每一个子节点都再切成八块，当每个盒子中有足够少数量的物体则停止切割。但是维度高不好计算。上图中就对一个大块进行了细分，事实上对每一个放个都需要进行细分切割。
• KD-Tree：每次划分只沿着一条轴砍一刀，分成两块。竖直切割和水平切割在树的层次中交替。划分有点像二叉树，但是划分并不平均。例：第一层一个节点水平分割，第二层两个节点竖直分割。
• BSP-Tree：二分法，每次选一个方向将空间分割开。相较于KD-Tree，每次切一刀不限于坐标轴方向，可以为任意方向，只要将空间切为两个部分即可 。

接下来主要举例KD-Tree

KD-Tree

Pre-Processing

给一个场景，先把加速做好，再考虑求交。

对于KD-Tree加速结构：

• 物体只保存在叶子节点(不再划分的节点)上。
• 中间节点不保存物体，保存的是它会被划分成什么格子，长什么样。

用来存储KD-Tree的数据结构

非叶子节点存储：

• 划分轴：当前轴是沿着哪一个方向切割的(x?y?z?)
• 划分位置：沿轴的分割平面坐标
• 子节点：指针指向孩子节点
• 中间节点不存储物体

叶子节点存储：

• 对应区域包含的物体

Traversing a KD-Tree(遍历KD-Tree)

对树结构进行逐级判断，判断每个节点表示的包围盒与光线是否有交点。

• 若一个节点与光线有交点，则其子节点都必须进行下一步判断。
• 若一个节点与光线没有交点，则可直接忽略该节点及其子节点，不用进行下一步判断。

举例光线与1号包围盒相交的情况：

假设划分根据就是右边的二叉树，那么1号节点就是叶子节点(在这里其实应该继续划分的，但是在这里我们就认为它是叶子节点，不再继续划分)，那么光线就直接与1号节点内的物体求交。

KD-Tree的不足

• 对于KD-Tree有一个问题很难解决：给一个AABB包围盒，很难判断三角形和盒子是否是相交的。三角形可能三个顶点都不在盒子中，但与盒子相交(垂直)，这种情况很难判断。
• 一个物体可能出现在多个叶子节点里。

Object Partitions(物体划分)

Bounding Volume Hierarchy(BVH)

BVH是将物体两堆两堆地划分下去，每一次划分完成都需要计算其包围盒，不同包围盒可以相交。



这样就能实现让一个物体(我们定义的)只被包含在一个包围盒内(但包围盒内可以有多个物体)。比如D里面的一个红色三角形只会被包含在D包围盒中，而不被其他包围盒包含，但D包围盒本身包含了多个红色三角形。

这样就避免了KD-Tree中一个物体可能会被包含在多个叶子节点中的情况。

建立BVH总结

处理过程：

• 找到一个包围盒
• 递归地把一个包围盒拆成两个部分（通过把包围盒里的物体分成两个部分）
• 把这两个新拆出来的两个部分重新计算他们的包围盒
• 在必要的时候停下来(当节点包含很少的元素时停止)
• 在每一个叶子节点中存储实际物体

如何划分一个节点

• 选择一个维度来划分
• 技巧1：总是选择最长的轴来进行划分，让最长的轴变短，通过这种方式最后能变成一种比较均匀的状态。
• 技巧2：选择中间的物体作为划分。这样可以让划分的两个部分包含的物体差不多相等。
  • 所有的物体按照先后排列在要划分轴方向上, 取这个序列的中位数为分界点来保证划分是均匀的，找中位数一般是不需要排序的，可以用快速选择算法在O(n)时间复杂度内完成。（快速选择：可在O(n)时间内完成找到第K大的数字）

Termination criteria(终止标准):

• 技巧：当节点包含很少的元素时停止。

用来存储BVH的数据结构

中间节点的存储：

• 包围盒
• 子节点指针

叶子节点的存储：

• 包围盒
• 包含的物体

Nodes represent subset of primitives in scene

• All objects in subtree

BVH Traversal(BVH遍历算法)

Intersect(Ray ray, BVH node) {
 //如果光线和这一整个BVH包围盒都不相交就退出这个函数
 if (ray misses node.bbox)	return;
    
 //如果光线和包围盒相交，并且这个包围盒(节点)是叶子节点
 if (node is a leaf node)
 	//需要光线和包围盒内所有物体进行求交测试
 	test intersection with all objs;
 	//返回最近的那一个交点
    return closest intersection;
 
 //如果光线和包围盒相交，但这个包围盒不是叶子节点，那就意味着光线可能和该包围盒的两个子节点会有交点，就分别求他们两个的交点
 hit1 = Intersect(ray, node.child1);
 hit2 = Intersect(ray, node.child2);
    
 //然后返回两个中最近的那一个
 return the closer of hit1, hit2;
}

空间划分(Spatial Partitions) vs 物体划分(Object Partitions)

两种方式通常是BVH更经常被采用，因为划分容易。

Base Radiometry(辐射度量学)

之前提到的Blinn-Phong模型是一种经验模型，得到的结果并不真实，不是物理上正确的。现在从物理的角度来考虑光照模型。在物理上精确的定义了光的各个属性，可以精确的定义光，光与物体的交互，实现真实的光照。

Radiant Energy and Flux(Power)

• Radiant Energy：是光源辐射出来的能量总量(Q)，单位是焦耳(J)。
  
• Radiant Flux(power) : 是单位时间内光源辐射出的能量(单位时间内能量，功率)，单位是瓦特(W)。
  
  FLux还可理解为单位时间内通过的sensor（光子）
  

我们认为重要的并且感兴趣的光的测量值

• 光源会辐射出的各种不同的能量，我们怎样定义他们(方向性的Radiant Intensity)
• 在任何一个物体表面，他会接收到多少能量(Irradiance)
• 光线在传播的过程中，他的能量用什么样的方法来定义(Radiance)
  

Radiant Intensity

定义：单位时间内光源向单位立体角(Solid Angles)所辐射出的能量。即单位时间内通过单位立体角的功率。

可以理解为在某个方向上的辐射通量。

Angels and Solid Angles(角和立体角)

• 角(angle):使用弧长来定义，弧长/半径.所以圆的角度是2pi。
  
• 立体角(Soild Angles):立体角是二维角度在三维空间中的扩展。球体上子面积与半径平方的比率。
  对于某个立体角，从球心出发，打到一块球表面上。立体角的大小等于这块表面的面积除以球半径的平方。所以球的立体角是4pi。
  

Differential Solid Angles(微分/单位立体角)

• dA：球面上某个单位面积
• dw：dA对应的立体角，也成为单位立体角或微分立体角

对单位立体角在球面进行积分（解一个二重积分）得到整个球面上的立体角的大小。球的立体角是S²。

使用立体角可以代表从球心发出的光线的方向。

Isotropic Point Source

Intensity就是光源在任何方向的亮度。对所有方向上的Radiant Intensity（用I表示）进行积分，可以得总的辐射通量(Radiant Flux)。