基于分布式渲染的多投影几何校正

《基于分布式渲染的多投影几何校正》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于分布式渲染的多投影几何校正基于分布式渲染的多投影几何校正摘要分布式渲染始终是近几年计算机图形学领域和计算机体系结构领域研究的热点，从基于共享存储模式的超级图形工作站到分布式计算机集群，有关这一课题的探索始终是众多研究和开发人员的兴趣所在。目前，在基于计算机集群的分布式渲染这一领域已有了极大地发展，从渲染算法的理论验证，到产品级别的开源渲染框架发布，基于计算机集群的分布式渲染体系已经初具规模，并且依旧在不断地完善。这无疑将为复杂场景渲染，如大规模粒子系统、照片级真实感渲染、计算机动画等领域的实时优化带来新的

2、解决方案，同时也将进一步推动整个计算机图形学领域的进一步发展。本项目中利用到的分布式渲染框架Chromium是由Stanford大学计算机图形工作小组基于WireGL开发的后续版本，它具有着系统稳定、可扩展性强、同OpenGL应用程序兼容性强等诸多优点，是研究分布式渲染环境的一款极为优秀的平台。它实现了分布式渲染系统中最为关键的指令派发、网络数据传递管理和渲染同步的功能。本文将对Chromium在项目中的具体应用加以介绍，包括：利用Chromium框架的分布式渲染功能将几何校正的运算分派到计算机集群中的各个节

3、点中，通过Chromium提供的TilesortSPU中实现的同步机制对显示输出进行同步以及利用该分布式渲染框架的动态链接库形式的模块加载开发模式（SPU）对几何校正算法进行集成。目前的实验平台是搭建在一托四的计算机集群平台上，即一台运行应用程序的客户节点和四台进行分布式渲染的服务节点。所幸的是该框架已经充分考虑到了分布式渲染系统的可扩展性，在同一个局域网内只需要通过基于Python脚本的Mothership进行节点配置，就可以将分布式框架部署在支持统一通信协议的计算机集群平台上；而在跨网段的情况下，可以通过

4、在不同网段内部署Daughtership来完成网段间的配置，因而，理论上该分布式渲染框架的渲染节点可以无限扩充，这也为项目的后续扩展提供了极大地便捷。任意投影表面的投影一致是多投影系统（当然也包括单投影系统）的研究热点。投影表面不会总是如理想的那般平直，原柱、天花板、窗帘等都是可以利用的投影表面。另外，即使投影面是平直的幕布，但非人为的抖动（如船上、火车上等）都会使投影面发生形变，哪怕是很小的。这些都会影响用户的视觉感受，因此需要任意投影表面的技术去解决。为此研究人员结合不同的应用，提出过各种解决方案，如基于

5、结构光的实现、基于单应性矩阵的实现和基于嵌入结构光的实现等等。本项目中采用的方案是软件学院数字实验室之前的研究成果，单投影环境下的基于单应性矩阵几何配准技术。其算法核心原理是对于投影平面是平面[2]的情景，我们可以建立摄像机视角和投影仪视角的一个映射（Homography），在文献和文[3][4]献中介绍了平面和任意表面情况下的几何矫正方法。通过棋盘格图案进行摄像机定标，其黑白交错的图案性质是其可以被容易独立分辨的重要性质，从而可以用来作为检测图案。OpenCV函数库中的cvFindChessboardCor

6、ners是一个广泛运用的搜索棋盘格角点的函数，[5][6]但在复杂光照和材质条件下，该方法通常失效。我们参考了文献提出的一个基于的算法的方法,运用的是棋盘格的拓扑特性。其主要思想是运用Delaunay三角系来连接角点。在本项目中，我们将基于单应性矩阵的几何校正算法集成于Chromium分布式渲染框架的SPU模块中，通过计算机集群节点对高分辨率的图像进行分布式平台下的几何校正，从而实现复杂基于分布式渲染的多投影几何校正环境下的多投影系统。此外，由于所使用的分布式系统具有很好的可扩展性，因此可以支持较大面积的复杂

7、投影环境。本文还将介绍在项目中所采用的多种优化手段，这其中包括了基于提高Cache命中率思想的局部访问性原理、GPGPU并行优化、多线程优化和网络传输优化。其中，GPGPU是一种利用处理图形任务的图形处理器来计算原本由中央处理器处理的通用计算任务。这些通用计算常常与图形处理没有任何关系。由于现代图形处理器强大的并行处理能力和可编程流水线，令流处理器可以处理非图形数据。特别在面对单指令流多数据流（SIMD），且数据处理的运算量远大于数据调度和传输的需要时，通用图形处理器在性能上大大超越了传统的中央处理器应用程序

8、。随着GPU统一计算架构和通用计算平台的推出，利用GPU进行并行加速的应用案例也越来越多，各种各样的复杂算法都被移植到了GPU上并且获得了不错的加速比。相较于以往基于汇编和着色语言的GPGPU实现途径，通用计算平台为普通程序员提供了C语言风格的通用计算语言，通过其强大的编译平台，向开发者提供了更多有关GPU硬件的细节，令程序员可以最大限度的优化自己的程序。在本项目中，由于复杂环境的修正算法十分耗时，