CN102193499B - 针对群体绘制的效率控制方法 - Google Patents

Abstract

本发明提供一种针对群体绘制的效率控制机制采用自反馈状态机来动态地监控群体绘制系统当前的绘制速度，并接收用户对系统绘制的期待速度，根据两者的大小关系来自动调整状态机的状态，其中，每一个状态代表一类相应的绘制精度。当用户视点和视角变化，绘制任务量变化时，通过自动切换状态(即绘制精度)将单帧绘制速度稳定在用户期待的速度范围内，满足用户对绘制效率的需求。从而在用户视点和视角发生变化、单帧绘制任务量变化的情况下，仍能将绘制速度恒定在一定范围内，为用户的在线漫游提供流畅的视觉体验，保证了用户在线漫游地流畅性。

Description

针对群体绘制的效率控制方法

技术领域

本发明属于虚拟现实与图形学领域，尤其涉及一种群体绘制的效率控制方法。

背景技术

随着群体仿真技术在影视特效(如《阿凡达》，《2012》)、公共安全(如中科院计算所虚拟现实实验室的守护者(Guarder)系统)等领域的广泛应用，大规模群体的绘制成为一个具有极大发展潜力的研究方向。快速逼真地将十万甚至更大规模的运动群体绘制出来，并能支持用户在如此大规模的场景中流畅漫游，是展现群体模拟效果以及满足用户视觉需求的关键。

在实际应用中，由于群体分布的场景面积较大用户往往需要从多个位置和角度来进行观察(即场景漫游)。现有的群体绘制方法，针对同一群体场景，在不同视点和视角下其绘制任务量是变化的，从而导致绘制中单帧绘制速度的变化，这就给用户在线漫游带来不流畅的视觉体验。例如，文献1和文献2中的点绘制方法可以支持单机3-5万人的绘制，但绘制速度会随着视点和视角的变化而变化，当群体规模超过5万人时无法实现在线漫游；(参考文献1：“徐文彬，毛天露，基于点采样的大规模三维模型显示.计算机仿真2007年5月”；参考文献2：“F Tecchia，Y Chrysanthou.Real-TimeRendering of Densely Populated Urban Environments[C].EurographicsRendering Workshop 2000，June 2000.45-56.”)。文献3的方法也可以支持快速的群体绘制，但同样绘制速度会随着视点和视角的变化而变化，而且支持的模型种类有限，无法满足群体视觉多样性的要求(参考文献3：“Kavan L.，Dobbyn S.，Collins S.，Zara J.，and O’Sullivan C.，Polypostors：2D polygonal impostors for 3D crowds，Symposium on Interactive 3Dgraphics and games，pp.149-155，2008”)。

发明内容

因此，本发明的目的在于克服上述现有技术的缺陷，提供一种针对群体绘制的效率控制机制来保证用户在线漫游的流畅性。

本发明的目的是通过以下技术方案实现的：

本发明的一个实施例提供了一种针对群体绘制的效率控制方法，所述方法包括以下步骤：

步骤1)，动态监听系统当前的绘制帧率；

步骤2)，比较当前系统绘制帧率和用户期待帧率；

步骤3)，响应于所述比较的结果来动态调整对群体的绘制速度。

根据本发明一个实施例的效率控制方法，所述步骤3)中动态调整对群体的绘制速度是通过动态调整对群体的绘制精度来完成的。

根据本发明一个实施例的效率控制方法，所述绘制精度包括三种绘制状态：

第一状态对模型采用原始模型绘制，每帧对所有运动的个体进行更新；

第二状态对模型采用原始模型绘制，降低对部分运动个体的更新频率；

第三状态在降低对部分运动个体的更新频率的同时对所有个体的模型采用变精度点采样绘制。

根据本发明一个实施例的效率控制方法，所述动态调整对群体的绘制精度包括：

动态监听当前的系统绘制帧率和用户期待帧率；

如果系统绘制帧率小于用户期待帧率时，系统从第一状态向第二状态或者从第二状态向第三状态转换；

如果系统绘制帧率大于用户期待帧率时，系统从第三状态向第二状态或者从第二状态向第一状态转换。

根据本发明实施例的效率控制方法，其中所述第二状态中降低对部分运动个体的更新频率包括以下步骤：

计算个体位置与视点的距离distance；

以根据如下公式计算的频率H来更新运动的个体：

其中，0＜distance＜L，2/3L＜B＜L，0.05＜θ＜0.10，L表示视锥体所能看到的最远距离，其缺省值为1000米；

如果当前系统绘制帧率仍小于用户期待的帧率，不断减小B来调整更新频率；

如果B小于2/3L，系统从第二状态转换到第三状态。

根据本发明实施例的效率控制方法，其中第i帧对应的B值是根据如下公式计算的：

当前系统绘制帧率小于用户期待帧率时：

$B_i=\left\{\begin{array}{c}\\ L,i=0\\ \frac{5}{6}L,i=1\\ \frac{t-T_{i-2}}{T_{i-1}-T_{i-2}}\×B_{i-1}-\frac{t-T_{i-1}}{T_{i-1}-T_{i-2}}\×B_{i-2},i>1\end{array}\right.$

其中，T_i-1为第i-1帧绘制的时间开销，t是用户期望时间开销；B_i-1为第i-1帧对应的B值，B_i-2第i-2帧对应的B值。

根据本发明实施例的效率控制方法，其中所述第三状态采用变精度点采样绘制包括以下步骤：

如果当前系统绘制帧率小于用户期待帧率，不断增大采样点的大小；

根据上述步骤所确定的采样点大小来对所有个体的模型进行点采样绘制。

根据本发明实施例的所述的效率控制方法，其中采用线性增加的方法来改变采样点的大小。

与现有技术相比，本发明所提供的针对群体绘制的效率控制机制采用自反馈状态机来动态地监控群体绘制系统当前的绘制速度，并接收用户对系统绘制的期待速度，根据两者的大小关系来自动调整状态机的状态(每一个状态代表一类相应的绘制精度)。当用户视点和视角变化，绘制任务量变化时，通过自动切换状态(即绘制精度)将单帧绘制速度稳定在用户期待的速度范围内，满足用户对绘制效率的需求。从而在用户视点和视角发生变化、单帧绘制任务量变化的情况下，仍能将绘制速度恒定在一定范围内，为用户的在线漫游提供流畅的视觉体验，保证了用户在线漫游地流畅性。

附图说明

以下参照附图对本发明实施例作进一步说明，其中：

图1为根据本发明一个实施例的系统绘制群体流程的示意图；

图2为根据本发明一个实施例的自反馈状态机的状态转换过程示意图；

图3为变精度点采样绘制方法的效果示意图；

图4为根据本发明一个实施例的绘制系统处于不同状态的示意图；

图5为采用和未采用本发明实施例的效率控制机制的每帧绘制时间的对比示意图；

图6为根据本发明一个实施例的绘制系统在不同视角下场景示意图；

图7为采用和未采用本发明实施例的效率控制机制的每帧绘制时间的对比示意图。

具体实施方式

为了使本发明的目的，技术方案及优点更加清楚明白，以下结合附图通过具体实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

群体绘制的主要流程包括群体中所有个体的运动更新(即每帧位置、朝向的改变)以及模型的绘制(即复杂模型在计算机显示设备中渲染)。模型绘制方面，在早期，往往采用将美工人员制作出的原始模型的所有图元都提交给图形处理器绘制，后来，随着图形学的发展，研究人员尝试过很多方法以减少这一部分的时间开销，这些方法的主要思路都在于简化原始的纯多边形面片组成的复杂模型，这些方法包括基于层次细节的模型简化技术、基于点图元的模型绘制技术等。下文中所提到的“原始模型”指美工人员制作的没有经过任何技术加工的模型，其被直接提交给图形处理器。

在本发明的实施例中针对大规模运动群体的绘制提出一种效率控制方法，利用自反馈状态机来动态调整群体绘制系统的绘制精度，当绘制任务总量较多、用户对绘制帧率提出较高要求的时候，用粗精度模型来代替细精度模型进行绘制，以提高绘制速度；在帧率足够高的情况下，则用较高精度的模型来绘制。

图1所示的是系统绘制群体的流程的示意图，包括仲裁、渲染、反馈三个步骤，在每帧渲染之前，都要做一个仲裁处理来决定当前这一帧的状态；当渲染后，即对帧的绘制结束后，再将本帧的绘制时间反馈回来，用来作为仲裁下一帧渲染的参数。由于绘制任务的变化具有一定连续性，所以可以用本帧绘制的时间开销预测下一帧绘制可能的时间开销。

在本发明一个实施例中所采用的自反馈状态机的主要工作就在于仲裁，其采用三个绘制状态来描述三类不同的群体绘制精度，并根据系统帧率与用户期待帧率的大小关系，来动态仲裁系统的理想绘制状态。其中，系统帧率也可以称为系统的绘制速度或绘制帧率，指单位时间可以绘制的帧数。在一个实施例中，可以通过绘制节点反馈的单帧绘制时间来计算系统帧率。在又一个实施例中系统帧率是根据当前的单帧绘制时间计算得到的。在又一个实施例中，系统帧率可以根据前若干帧的平均绘制时间计算得到的。在其他实施例中，也可以采用本领域普通技术人员所熟知的各种方法来计算系统帧率。用户期待帧率也可以称为用户期待的绘制速度，或简称为期待帧率或“期待速度”，其值是由用户设置或输入的，反映用户的当前需求。

由于大规模运动群体绘制的时间开销大部分集中在每帧群体运动数据(位置，朝向，动作等)的更新和模型的渲染，所以在状态机的三个状态中分别采用不同的绘制策略。当群体绘制速度没法满足用户要求时，采用精度相对较粗的绘制状态来绘制运动群体以此来提高效率，反之，采用精度相对精细的绘制状态。其中，第一状态是精细绘制状态，即屏幕里所有的运动个体每帧都需要更新自己的位置，朝向等信息，而且对于模型的绘制也采用原始模型(一般为三角面片或多边形面片)绘制；而在第二状态和第三状态，分别提出了变频率运动更新技术和变精度点采样技术，对群体绘制进行简化。

现参考图2来说明本发明实施例中的自反馈状态机的状态转换过程。其中，自反馈状态机设定有3个状态：0状态、1状态和2状态，每个状态代表着一类绘制精度。

处于0状态时，每帧渲染的精度最高，屏幕里所有的运动个体都需要更新自己的位置，朝向等信息，而且对于这些模型的绘制也采用原始模型。一般情况下，原始模型是由大量三角面片或多边形面片表示的，在不考虑效率的情况下，用原始模型绘制的三维效果最精细。系统的初始状态一般处于0状态，即系统初始处于一个精度较高的绘制状态。

处于1状态时，采用原始模型进行绘制，但部分个体做变频率运动更新处理。这是由于在每个绘制节点中，更新本地所有个体的位置，朝向，动作等运动状态占用了大量的时间开销，因此调整运动更新频率是效率控制的一个着眼点。在现实生活中，距离视点较远的物体的运动在肉眼看来并不明显。在本发明的实施例中降低了一部分距离视点比较远的个体运动更新的频率。更新频率H是不小于1的整数，即每H帧绘制做一次运动更新。在一个实施例中，可以通过下面给出的公式计算出更新频率的具体数值H，该H值是根据个体位置与视点的距离计算得到，距离视点越远，该个体的H值越大。

其中，distance是当前个体距离视点的距离，其取值在0和L之间，L表示视锥体(肉眼可见的空间)所能看到的最远距离，一般由用户指定L的值，默认值为1000米左右。由个体与视点坐标位置可以计算出distance。B可以称为“基准距离”，是一个常量参数，其由自反馈状态机设定，代表用户视觉效果能够接受的一个范围。B的取值范围在2/3L和L之间。只有当某个个体距离视点的距离(即distance)大于基准距离B时，该个体才降低运动更新频率；θ是一个常量因子，根据经验取值0.05到0.10之间。

在一个实施例中，B的值可以采用自学习的方法得到，假设第i帧绘制的时间开销是T_i，对应的B的值是B_i，，设(B_i-B_i-1)为ΔB_i，用户期望时间开销是t，当前视域可见最远的距离为L。当系统当前绘制帧率没有达到用户期待帧率(即T_i＞t)时：

$B_i=\left\{\begin{array}{c}\\ \begin{array}{cc}L& i=0\end{array}\\ \begin{array}{cc}\frac{5}{6}L& i=1\end{array}\\ \begin{array}{cc}\frac{t-T_{i-2}}{T_{i-1}-T_{i-2}}\×B_{i-1}-\frac{t-T_{i-1}}{T_{i-1}-T_{i-2}}\×B_{i-2}& i>1\end{array}\end{array}\right.---\left(2\right)$

其中，T₁，T₂分别是前二帧绘制的时间开销。初始状态下，B₁大小为L；若T_i＞t，则将第二帧权值B₂大小设为5/6L。第三帧及以后的权值由公式(2)计算得到。实际上B的求解过程是一个不断自学习自动收敛的过程。从上述公式可以看出：

$\mathrm{\Δ}{B}_{i+1}=\mathrm{\Δ}{B}_i\×\frac{t-T_i}{T_i-T_{i-1}},(i>2)$

那么， $B_i-B_{i-1}=(B_{i-1}-B_{i-2})\×\frac{t-T_{i-1}}{T_{i-1}-T_{i-2}}$ 即 $B_i=\frac{t-T_{i-2}}{T_{i-1}-T_{i-2}}\×B_{i-1}-\frac{t-T_{i-1}}{T_{i-1}-T_{i-2}}\×B_{i-2}$ 在自学习过程中，ΔB_i逐渐收敛，当小于某一特定权值h时(h大小一般设定在10到20米之间)，将ΔB_i设为常量，大小为h。当B_i＜2/3L时，系统从“状态1”向“状态2”转换

当学习过程中，如果有T_i＜t，则说明出现“过学习”情况，则：

ΔB_i＝-1/2ΔB_i-1

转换得：

B_i＝1/2B_i-1+1/2B_i-2                    (3)

其中，当i＝2时，B_i设定为常数11/12L。

当处于2状态时，在变频率运动更新的基础上，结合变精度点采样技术。原始的点采样绘制的原理就是采用对屏幕投影面积足够大的点图元代替三角(或多边形)面片图元进行绘模型制。由于点图元更加简单，所以可以节约绘制时间开销。当点图元大小增大时，其投影也相应增大，那么对于同一个模型来说，它所包含的点图元增多，三角面片图元减少，其绘制速度提高；反之，三角面片图元增多，得到更加精细的模型，其绘制速度则降低。(点采样绘制的详细原理参见参考文献1、2)。变精度点采样绘制技术的原理，就是根据绘制速度的需要，动态调整采样点的大小，增加(或减小)采样点屏幕投影面积，从而通过控制模型绘制时点图元的数量来调整模型绘制精度。如图3所示，图3(左)是用较高精度绘制的群体效果(采样点大小值约为1/5个屏幕像素)，绘制的帧率为21.277fps，图3(右)是低精度绘制效果(采样点大小值约为1个屏幕像素)，绘制帧率是65.500fps。(fps是单位时间可以绘制的帧数，描述绘制速度的量)。

可见，本发明实施例中的自反馈状态机设定的三个绘制状态分别控制三种模型精度，状态0时，模型采用原始模型绘制，这是最精细的绘制，时间开销也相对较大；状态1时，部分运动个体做变频率运动更新，模型采用原始模型；状态2时，群体模型做变频率运动更新，每个个体采用变精度点绘制，此时绘制速度最快。其中，“群体模型”就是泛指大规模运动群体(如人群，鸟群)的模型，“群体模型”由大量“个体模型”(一个人的模型，一只鸟的模型)组成，这些个体模型一般是“可运动”的。状态机将动态地监听当前系统的绘制帧率和用户输入的期待帧率，其中，帧率是指单位时间可绘制的帧数，描述绘制速度的单位。如果系统绘制速度无法满足用户需求时，状态机将做出从低状态向高状态的转换以提高绘制速度，反之，从高状态向低状态转换，以提高群体模型的绘制精度。

初始状态可以设定成此处所述的任何状态，但是一般还是假定系统速度可以达到用户需求，用精度最高的0状态来向用户展示。系统初始一般设定为0状态，反馈每帧绘制时间的同时监听用户的交互信息(即用户期待的帧率，下简称“期待帧率”)，“期待帧率”是用户根据自己的需求任意选择的，默认状态下，该期待帧率的值设为100ms(即10fps)。当绘制的帧率没有达到用户需求的时候，系统将具有0状态向1状态或者1状态向2状态转换的趋势，当达到相应的临界值的时候，状态正式转换。

如图2(a)所示，系统初始状态为0状态，当系统帧率小于“期待速度”时，从0状态转换到1状态。如图2(b)所示，当系统处于1状态时，模型采用原始模型绘制，而对部分个体做变频率运动更新处理，如前文所述，这部分个体的参量H将大于1。在1状态下，当“期待速度”大于当前帧率时，则减小“基准距离”的值，进而可以增大更新频率H的值。当系统帧率小于用户期待帧率，并且“基准距离”减小到下限时(如前文所述基准距离的下限为2/3L)，从1状态转换到2状态，如图2(c)所示。图2(d)表示系统处于2状态时，在变频率运动更新的基础上，进一步结合了变精度采样技术，当系统帧率小于“期待速度”时，不断增大模型采样点大小，采样点大小的初始值为0。在一个实施例中，当系统处于“状态2”时，采用线性增加的方法来增大采样点大小，设置线性系数为1，当用户期待帧率大于系统帧率时，采样点大小每次增加1，前文有说明采样点值的最大值上限建议保持在10以下，大小相当于1个屏幕像素，从而，使模型的精度下降，提高绘制速度。以上状态转换过程都是可逆的，当系统的绘制速度在一定程度上大于“期待速度”，系统将具有2状态到1状态或1状态到0状态的变化趋势，如图2(e)，以此来保证场景绘制的视觉效果的最小损失。在其他实施例中，也可以采用本领域普通技术人员所熟知的其他方法来增加采样点的大小。

为了更好地说明本发明实施例中所提供的针对群体绘制的效率控制机制的效果，发明人进行了下面的两项实验，以下实验均在普通pc机上完成。本实验所用的PC机主要硬件配置如下：显卡：NVIDIA GeForce 8800GTS；CPU：Intel(R)Core(TM)2Duo CPU。

实验一，绘制一个20,000人的紧急疏散场景，在30帧之前，用户的期待速度是1000ms/frame(即1fps)，绘制系统处于状态0(如图4(a)，左侧是远景图，右侧是局部放大效果，下同)，系统采用高精度模型绘制；在30帧和第110帧之间，用户的期待速度是300ms/frame(3.3fps)，绘制系统处于状态1(如图4(b))，这时模型的绘制速度加快，绘制帧率提高，帧率保持在3.3fps左右，模型精度仍然较高(图4(b)右)；110帧之后，用户的期待速度是95ms/frame(10.5fps)，绘制系统处于状态2(如图4(c)左)，模型的绘制速度进一步增加，模型精度略有降低(图4(c)右)，然而，对于较远的视点来说，精度降低带来的视觉效果偏差较小。

整个实验过程的数据分析如图5所示，用两条曲线来分别表示本发明实施例所提供的效率控制方法加入前后的每帧绘制时间，可以看到，在第30帧和第110帧，随着用户期待的改变，系统快速做出响应，每帧绘制时间减少，并稳定在用户输入值上下10毫秒的范围之内。实验一说明，在本发明实施例中所提供的针对群体绘制的效率控制机制，可以快速地响应变化的速度需求，把大规模群体场景的绘制控制在用户期待的范围之内。

实验二的实验条件是动态视角下单机绘制20000运动个体，在初始状态下，用户期待的绘制速度是95ms/frame，系统处于“状态1”(图6(a))，以后每隔一段时间视角做一次变化(图6(b)，图6(c))，系统在效率控制机制的影响下通过绘制精度调整将绘制速度稳定在一定范围之内，以保证画面的流畅性。对比发现，不同视角下，系统的绘制速度保持在一个较稳定的范围之内(如图7所示)。

从实验二的结果可以看出，根据本发明实施例的针对群体绘制的效率控制方法对于用户动态变化的视角可以快速响应，并将绘制速度控制在一个期望的范围。

实验证明，在本发明实施例中所提供的针对群体绘制的效率控制机制可以有效地控制群体绘制的效率，为用户提供一个较流畅的视觉体验。其达标率较高(即绘制帧率达到用户期望的速度的概率)，误差小于10ms，而且当用户期待帧率动态改变时响应时间较小。

综上所述，在本发明实施例中所提供的针对群体绘制的效率控制机制采用自反馈状态机来动态地监控群体绘制系统当前的绘制速度，并接收用户对系统绘制的期待速度，根据两者的大小关系来自动调整状态机的状态(每一个状态代表一个相应的绘制精度)。当用户视点和视角变化，绘制任务量变化时，通过自动切换状态(即绘制精度)将单帧绘制速度稳定在用户期待的速度范围内，满足用户对绘制效率的需求。从而在用户视点和视角发生变化、单帧绘制任务量变化的情况下，仍能将绘制速度恒定在一定范围内，为用户的在线漫游提供流畅的视觉体验，保证了用户在线漫游地流畅性。针对群体绘制研究有效的效率控制方法，实现大规模运动群体流畅的绘制，不仅有重大的理论意义，也具有广泛的应用前景和一定的实用价值。

虽然本发明已经通过优选实施例进行了描述，然而本发明并非局限于这里所描述的实施例，在不脱离本发明范围的情况下还包括所做出的各种改变以及变化。

Claims (6)

1.一种针对群体绘制的效率控制方法，所述方法包括：

步骤1)，动态监听系统当前的绘制帧率；

步骤2），比较当前系统绘制帧率和用户期待帧率；

步骤3），响应于所述比较的结果来动态调整对群体的绘制速度；

其中，动态调整对群体的绘制速度是通过动态调整对群体的绘制精度来完成的，所述绘制精度包括三种绘制状态：

第一状态对模型采用原始模型绘制，每帧对所有运动的个体进行更新；

第二状态对模型采用原始模型绘制，降低对部分运动个体的更新频率；

第三状态在降低对部分运动个体的更新频率的同时对所有个体的模型采用变精度点采样绘制；

其中所述第二状态中降低对部分运动个体的更新频率包括以下步骤：

计算个体位置与视点的距离distance；

以根据如下公式计算的频率H来更新运动的个体：

其中，0<distance<L，2/3L<B<L，0.05<θ<0.10，L表示视锥体所能看到的最远距离；

如果当前系统绘制帧率仍小于用户期待的帧率，不断减小B来调整更新频率；

如果B小于2/3L，系统从第二状态转换到第三状态。

2.根据权利要求1所述的效率控制方法，所述动态调整对群体的绘制精度包括：

动态监听当前的系统绘制帧率和用户期待帧率；

如果系统绘制帧率小于用户期待帧率时，系统从第一状态向第二状态或者从第二状态向第三状态转换；

如果系统绘制帧率大于用户期待帧率时，系统从第三状态向第二状态或者从第二状态向第一状态转换。

3.根据权利要求1所述的效率控制方法，其中第i帧对应的B值是根据如下公式计算的：

当前系统绘制帧率小于用户期待帧率时：

$B_i=\begin{array}{}\left\{\begin{array}{c}L,i=0\\ \frac{5}{6}L,i=1\\ \frac{t-T_{i-2}}{T_{i-1}-T_{i-2}}\&times;B_{i-1}\frac{t-T_{i-1}}{T_{i-1}-T_{i-2}}\&times;B_{i-2},i>1\end{array}\right.\end{array}$

其中，T_i-1为第i-1帧绘制的时间开销，t是用户期望时间开销；B_i-1为第i-1帧对应的B值，Bi-2第i-2帧对应的B值。

4.根据权利要求1所述的效率控制方法，其中L的缺省值为1000米。

5.根据权利要求1所述的效率控制方法，其中所述第三状态采用变精度点采样绘制包括以下步骤：

如果当前系统绘制帧率小于用户期待帧率，不断增大采样点的大小；

根据上述步骤所确定的采样点大小来对所有个体的模型进行点采样绘制。

6.根据权利要求5所述的效率控制方法，其中采用线性增加的方法来改变采样点的大小。

Images