Efektivní algoritmy s využitím kd-stromů pro vrhání paprsků na GPU

Abstract

Tato práce se zaměřuje na paralelní algoritmy pro stavbu a procházení k-d stromů za účelem zrychlení algoritmu sledování paprsku, převážně pro dynamické scény. Práce poskytuje úvod do k-d stromů a do architektury grafických karet. Dále poskytuje přehled a analýzu existujících řešení pro paralelní stavbu k-d stromů, pro stavbu k-d stromů pro dynamické scény, a pro procházení k-d stromů na grafické kartě. Je navrhnut a implementován framework podobající se hernímu enginu, aby poskytl základ na implementaci algoritmů souvisejících s algoritmem sledováním paprsků. Je představen návrh a popis implementace algoritmu stavby na grafické kartě využívající binning a frontu úloh, s podrobným popisem všech kroků. Je také představen návrh algoritmů na vkládání k-d stromů na CPU a GPU. Celkem je implementováno devět algoritmů: dva jednovláknové algoritmy stavby na CPU, používající přesný a přibližný výběr dělící roviny, jeden algoritmus stavby na GPU používající binning, jeden algoritmus na CPU pro vkládání k-d stromů, a čtyři algoritmy na procházení k-d stromů určené pro grafické karty spolu s tradičním algoritmem na procházení založeným na zásobníku. Implementované algoritmy jsou otestovány na deseti statických a pěti dynamických scénách. Výsledky jsou prezentovány v tabulkách pro každou scénu.

This work focuses on parallel algorithms for building and traversing k-d trees to accelerate ray tracing, mainly for dynamic scenes. It provides an introduction to k-d trees as well as GPU architectures. It also provides an overview and analysis of existing solutions for building k-d trees in parallel, for building k-d trees for dynamic scenes, and for traversing k-d trees on the GPU. A game engine-like framework is designed and implemented to provide a basis for implementing the ray tracing related algorithms. An algorithm design and implementation for building k-d trees on the GPU using binning and exploiting a task pool is presented, with detailed description of all its steps. An algorithm design for merging k-d trees on the CPU and GPU is also presented. Nine algorithms are implemented in total: two CPU single-threaded k-d tree building algorithms using exact and approximate split selection, one GPU k-d tree building algorithm using binning, one CPU k-d tree merging algorithm and four traversal algorithms designed for the GPU, in addition to the traditional stack-based traversal algorithm. The implemented algorithms are tested on ten static and five dynamic scenes, with tables for each scene presenting the final results.