CN103035025A - 基于brdf实测数据的材质高真实感渲染算法 - Google Patents

Abstract

本发明公开了一种基于BRDF实测数据的材质高真实感渲染算法，包括以下步骤：(1)采集材质光线的实测数据，依据该实测数据拟合材质的渲染模型；(2)对渲染模型施加高动态环境光；(3)在渲染过程中，通过随机的离散化方向采集环境光，利用步骤(1)中所述的渲染模型，进行材质的渲染。本发明基于BRDF实测数据的材质渲染算法，利用真实汽车的材质的采样数据，拟合出材质的渲染模型，使用高动态的环境光照亮渲染模型，得到真实感极佳的材质渲染结果。

Description

基于BRDF实测数据的材质高真实感渲染算法

技术领域

本发明涉及计算机图形渲染技术领域，具体涉及一种基于BRDF实测数据的材质高真实感渲染算法。

背景技术

计算机图形在工业中的一个重要的应用是“虚拟原型”，即工业产品(如：汽车)的设计过程完全数字化，设计的决策主要是基于计算机生成的“虚拟原型”，显然，只有渲染图像和真实的工业产品足够接近才能满足设计决策的需要。

授权公告号为CN101610423B的中国发明公开了一种渲染图像的方法和装置，所述方法包括：在待处理图像的左视图和右视图中任选一个作为第一视图，另一个作为第二视图，对第一视图进行求深度图计算，得到与第一视图相对应的深度图；根据第一视图和深度图进行渲染，得到中间视图；根据预设阀值，填补中间视图中面积小于阀值的空洞；根据中间视图和第二视图，从第二视图中寻找与中间视图中面积大于阀值的空洞相似度最高的像素块；将像素块复制并填补到空洞中。

对于汽车工业来说，需要模拟玻璃和汽车烤漆这两种材料材质的高真实感效果，其中，玻璃的模拟对于汽车的挡风玻璃的选择，以及车内光线的强弱分布非常重要，玻璃的模拟采用熟知的光的反射和折射定律即可进行，但是金属感的汽车烤漆的模拟是具有挑战性的，因为汽车烤漆的光线组成中包括很多组成部分，例如光的散射，光泽度，近乎完美的镜面反射，强光效果，闪光效果等。

在交互式应用中，汽车烤漆通常用简单的反射模型来表示，例如用Phong模型，用户通过细调汽车烤漆模型的参数来达到较好的视觉效果。但是，这个设定过程相当费力且没有普适性，而且模拟出的真实感差，渲染出的汽车通常像是用塑料做成的一样。

发明内容

本发明提供了一种基于BRDF实测数据的材质渲染算法，利用真实材质的采样数据，拟合出材质的渲染模型，使用高动态的环境光照亮渲染模型，得到真实感极佳的材质渲染结果。

一种基于BRDF实测数据的材质渲染算法，包括以下步骤：

（1）采集材质光线的实测数据，依据该实测数据拟合材质的渲染模型；

（2）对渲染模型施加高动态的环境光；

（3）在渲染过程中，通过随机的离散化方向采集环境光，利用步骤（1）中所述的渲染模型，进行材质的渲染。

通过对材质光线的实测数据进行拟合，得到材质的高级的反射模型，并利用该模型设定真实材质的参数。

对材质进行建模时，不易通过人工对参数进行调节，而且调节结果也会有人工的痕迹。基于BRDF模型和材质的实际测量数据，可以拟合得到真实感极强的材质渲染结果，也即得到令人信服的虚拟车的图像。

采用捕捉的高动态光照渲染（HDR）环境光来照亮渲染模型（虚拟汽车），使渲染效果逼近真实光照下的效果。

采用离散化方向环境光的采样策略，可以大大减少渲染时，光源的数量，使渲染速度提高几个数量级。

作为优选，还包括步骤（4），调整离散化方向的数目调整材质渲染的速度和效果。

材质渲染的速度和效果取决于采集环境光时的离散化方向的数目，镜面光采样的数量以及为了改善渲染效果采集的反走样的像素的个数，通过调整这些参数，可以改善材质渲染的速度和效果。

作为优选，将步骤（1）中采集的实测数据转化为基于半程向量的参数化表示，并在基于半程向量的参数化坐标系中拟合材质的渲染模型。

对于高镜面反射的材质，用传统的坐标系很难表示，因此，将实测数据用基于半程向量的参数化表示。

作为优选，将步骤（1）中的材质的实测数据划分为散射部分，光泽部分和镜面部分，这三个部分采用不同的采集方法。

将步骤（1）中的材质的实测数据划分为散射部分，光泽部分和镜面部分时，可以通过Cook-Torrance BRDF进行。

作为优选，步骤（1）中采集材质光线的实测数据时采用非线性采样机制。

非线性采样机制在采集材质光线的实测数据时表现最好，尤其是对高强度的镜面反射光。

为了使渲染效果更好，减少渲染结果的噪音，优选地，步骤（3）中随机的离散化方向满足概率分布函数。

本发明通过特别设计的集成到光线跟踪的材质着色器来渲染汽车模型，着色器除了可以模拟光泽度和镜面反射之外，也通过材质中的小薄片产生闪光效果，利用本发明提供的方法可以创建高质量的离线渲染结果，在几分钟内即可得到较高分辨率的图像。

附图说明

图1为正常的BRDF函数中的坐标表示；

图2为基于半程向量的参数化表示。

具体实施方式

本实施方式通过对汽车烤漆的渲染来详细说明本发明的方法。

一种基于BRDF实测数据的材质高真实感渲染算法，包括以下步骤：

（1）BRDF数据采集和建模

对高镜面反射的汽车烤漆，用传统的坐标系很难表示，因此，使用一个基于半程向量的参数化表示，该表示可以非常紧凑的表示强光采样的BRDF的值。

如图1所示，图1为正常的BRDF函数中的坐标表示，其中，ω₀表示出射光的方向，ω_i表示入射光的方向，图2中为基于半程向量的参数化表示，把θ_h和θ_d分别离散化成90bins，把Ф_d离散化成180bin，实际采集数据过程中，并非所有位置的bin均采集，如果bin所在位置没有采集数据，则采用与其相邻位置的bin的数据的加权和表示。没有压缩的BRDF表的大小大约为180M。

基于半程向量的参数化非线性采样机制表现的最好，尤其是对高强度的镜面反射光来说。按实际推导的Cook-Torrance模型表现出很好的性能，在大多数模型中，Cook-torrance模型可以表达成：

$f_r(x,{\mathrm{\ω}}_i,{\mathrm{\ω}}_0)=\frac{k_d}{\mathrm{\π}}+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left(\frac{{\mathrm{ks}}_i{D}_{\mathrm{mi}}{F}_{\mathrm{ri}}G}{\mathrm{\π}(n\·{\mathrm{\ω}}_i)(n\·{\mathrm{\ω}}_0)}\right)$

其中：

x为汽车模型的几何点；

n为x点的法向量；

ω_i为入射光的方向；

ω_o为出射光的方向；

N为镜面反光面片的数目；

k_d为散射光系数；

k_s为镜面光系数；

m为分布参数；

r为菲涅尔项的参数；

D为物体的微表面中面向视点方向的表面数；

F为菲涅耳反射系数（反应一个光滑的微表面如何反射光）；

G为几何衰减系数。

把k_d和k_s作为颜色通道独立的RGB浮点数，m和r是尺度，使用约束的Levenberg-Marquardt方法计算，优化期间的能量方程为

$E\left(X\right)={E=\mathrm{\Σ}}_{\mathrm{\θ}}\left|\log \left(\frac{c(X,\mathrm{\θ})}{D\left(\mathrm{\θ}\right)}\right)\right|+\mathrm{\ψ}\left(X\right)$

其中，C为调整的BRDF值；

D为测量的BRDF值；

θ表示角度参数；

$X=\{k_d,k_{s_1},m_1,r_1,.....,k_{s_N},m_N,r_N\}$ 表示要调整的参数；

ψ(X)是惩罚项，

这里可能性是指Cook-Torrance参数的实景可能性，常量k的值在0～1之间，根据需要可以调整。

另一个稳定性调整的问题是镜面峰值的高效评估，镜面强光对数值和测量误差非常敏感，这样窄的函数特性很难去估算。McCool et al（M.D.McCool,J.Ang,and A.Ahmad.Homomorphic Factorization of BRDFs forHigh-performance Rendering.In SIGGRAPH'0l,pages171.178,2001）在估算外使用了一个特殊的纹理来改变外观，本发明中使用第三面片来对镜面峰值进行建模。

为了高效调整Fresnel参数，对半程向量和表面法相量的相对角度进行BRDF采样。

（2）施加复杂环境光

为了得到汽车模型的真实感的环境，本发明中使用捕捉的环境图，按照debevec et al（P.E.Debevec.Rendering Synthetic Objects Into Real Scenes:Bridging Traditional and Image-Based Graphics With Global Illumination andHigh Dynamic Range Photography.In SIGGRAPH'98,pages189.198,1998.）的方法得到环境光，使用高动态环境图点亮场景，为了处理渲染图像的高动态范围，使用可以在低动态范围上表现高动态范围的Tonemapping方式。

（3）基于离散化方向的环境光采样

实际的汽车烤漆渲染过程中，通过计算下面的积分对一个汽车表面的点x，表面法向量n进行着色。

其中，x为汽车模型上的几何点；

n为x点的法向量；

ω_i为入射光的方向；

ω_o为出射光的方向；

L_o(x，ω_o)是x点的最终亮度；

L_e（x，ω_o)是x点的自发光亮度；

L_i(x，-ω_i)(n，ω_i)是x点的入射光亮度；

f_r是BRDF函数。

在计算机图形学中已经推出很多的方法来计算积分，一个直接的方法是在路径跟踪中使用Monte-Carlo积分，但是，如果只有关于BRDF的很少的信息，只能对重要的cosine项的采样，渲染结果的图像噪音会很大，代价太大，需要很多的时间。

因此采用环境图点亮环境光后，忽略间接散射光得到一个重要的入射光采样L_i(x，-ω_i)，将环境图离散化成L个方向的光，

其中，ω_d为离散化的方向，I_d为ω_d方向的光的强度。

汽车模型上的点x的着色大约为：

$L_o(x,{\mathrm{\ω}}_o)\≅\underset{d=1}{\overset{L}{\mathrm{\Σ}}}{f}_r(x,{\mathrm{\ω}}_d,{\mathrm{\ω}}_o)I_d(n\·{\mathrm{\ω}}_d)$

其中x是汽车模型上的几何点；

n为x点的法向量；

L为离散化的方向的个数；

ω_d为离散化的方向；

ω_o为出射光的方向；

L_o(x，ω_o)为x点的最终亮度；

I_d为x点在离散方向d的入射光亮度；

f_r为BRDF函数。

采用上式计算时只需要很少的环境光采样，可以大大降低计算量。离散化的方向光的采样用来对汽车模型上的每个点着色，Monte-Carlo的项的估计也会减少。

但是，利用该方法计算时，如果BRDF数据存在高度离散化的镜面光，会产生明显的人工痕迹，因为一个平滑的亮光会被分解成很多对应每一个方向光的小的方向光，因此对BRDF采样比对环境光的采样更重要。

为了获得好的采样结果，s个采样随机方向(即随机的L方向)

满足概率分布函数，理想情况下是概率分布函数与BRDF函数f_r成比例，用光线跟踪s个随机采样方向的光的亮度，得到：

$L_o(x,{\mathrm{\ω}}_o)\≅{\mathrm{\Σ}}_{j=1}^s\frac{f_r(x,{\mathrm{\ω}}_j,{\mathrm{\ω}}_o)}{\mathrm{pdf}\left({\mathrm{\ω}}_j\right)}L(\mathrm{rt}(x\·{\mathrm{\ω}}_j),-{\mathrm{\ω}}_j)$

其中，s为随机采样方向的个数；

x是汽车模型上的几何点；

ω_o为出射光的方向；

ω_j为随机采样方向；

rt(x·ω_j)为光线跟踪方程（求取最靠近ωj方向的几何点x）；

f_r是BRDF函数；

pdf为概率分布函数，理想状态下和BRDF函数f_r成正比。

这个采样策略仅用于高镜面光BRDF，仅需很少的采样，汽车渲染图像没有太多的噪音。

（4）对汽车模型进行汽车烤漆渲染

汽车烤漆的BRDF数据可以划分为散射部分，光泽部分以及镜面光部分，对每个部分用不同的采样策略。

将汽车烤漆的BRDF数据划分为三部分可以通过Cook-TorranceBRDF做到。

为了寻找一个合适的采样概率分布函数pdf，估算了Cook-Torrentce的分布项，得到：

$D\left(\mathrm{\θ}\right)=\frac{1}{{4\cos }^4\mathrm{\θ}\·m^2}{e}^{-\frac{{\tan }^2\mathrm{\θ}}{m^2}}\≅\frac{n+1}{2\mathrm{\π}}{\cos }^n\mathrm{\θ}$

其中，m是分布参数；

n为 $\frac{2\mathrm{\π}}{{4m}^2}-1;$

θ是方向角；

给定一组统一分布的随机数r₁,r₂，得到一个分布为D（h·n）的随机半程向量

$\mathrm{\θ}={{\arccos r}_1}^{\frac{1}{n+1}},$

其中，n为 $\frac{2\mathrm{\π}}{{4m}^2}-1;$

θ为方向角；

为方位角。

得到分布D(h·n)后，进行镜像，向外的方向ω_o加上

得到输入的BRDF采样方向ω_j，概率分布函数pdf的转换需要除以4(H·ω₀)。

将表格化的BRDF，划分分成合适的光泽度和高镜面光的部分不能直接进行，为了计量镜面光一个反射光线，可以通过朝着镜面光方向发射来收集这个反射光线。另外，可以从BRDF数据中抽取合适的BRDF的光泽度部分，镜面光的峰值可以由前面的方式进行采样。

闪光效应是金属汽车烤漆的一个有趣特性，也是金属汽车烤漆流行的原因，从近处看金属汽车烤漆表现为亮点，特别是在阳光下，这是由嵌在烤漆层内的小薄片引起的，小薄片像镜片一样将光反射到观察者，从远处看闪光是不可见的，被包含在采集的BRDF数据中，因此，可以用普通的BRDF计算远处的光线。

在近处，需要模拟闪光效应，为了模拟闪光效应，ershov et al（S.V.Ershov,A.B.Khodulev,and K.V.Kolchin.Simulation of Sparkles inMetallic Paints.In Proc.Graphicon,pages121.128,1999.）提出了一个基于实际的面片的模型，实际的渲染依据统计的特性；Durinkovic et al（R.D_urikovic_and W.L.Martens.Simulation of Sparkling and Depth Effect inPaints.In Proc.SCCG,pages207.213,2003.）提出一个不同的方法，考率到面片的统计特性密度和分布，显式的对面片进行基于几何的建模。

本发明中综合使用这两种方法，为了保持闪光空间和时间的一致性，不能采用纯统计的方法，面片需要一些显式的建模，同时由于空间的计算花费，不可能为一个几何体创建百万个面片，因此，用纹理图保存面片的法向量，将着色点(u，v)（u,v分别为横坐标和纵坐标）的纹理坐标初始化得到伪随机生成数。从调整的BRDF到基于维面（micro-facet）的Cook-Torrance BRDF模型，得到面片的分布模型。

为了得到BRDF采样机制，估算Cook-Torrance的Beckmann分布：

$D\left(\mathrm{\θ}\right)=\frac{1}{{\cos }^4\mathrm{\θ}\·m^2}{e}^{-\frac{{\tan }^2\mathrm{\θ}}{m^2}}\≅\frac{1}{{\mathrm{\π}\cos }^3\mathrm{\θ}\·m^2}{e}^{-\frac{{\tan }^2\mathrm{\θ}}{m^2}}$

其中，m是分布参数；

n为 $\frac{2\mathrm{\π}}{{4m}^2}-1;$

θ是方向角。

用两个伪随机数r₁,r₂,可以计算得到面片的法向量

计算时方向角得到面片的法向量

可以直接点亮高光泽的面片。

因为面片有有限的大小，人工痕迹可能会产生，可以通过采样或基于距离的渲染方程消除。

（5）优化汽车烤漆渲染质量和速度

除了渲染出真实感强的汽车烤漆，通过改变额定参数可以改进渲染的时间和质量，将汽车烤漆模型进行交换式应用。

整个汽车烤漆的渲染时间不是由BRDF模型决定，而是由表示离散化的方向光的数量L，镜面光采样方向的数量s，反走样采样的像素的个数p来决定，改变这些参数可以控制汽车烤漆渲染的速度和效果。如果s=1,总能得到好的镜面采样的方向，从而避免估计不真实的闪光采样中的高度变化。

此外，采用高效的插值采样技术来减小阴影射线的数目到l/p,反射线的数目到s/p，即只要一个方向光的子集和每个像素初级光线的反射线，因为采样模型在子像素层，不需要过滤像素空间。

Claims (6)

1.一种基于BRDF实测数据的材质高真实感渲染算法，其特征在于，包括以下步骤：

(1)采集材质光线的实测数据，依据该实测数据拟合材质的渲染模型；

(2)对渲染模型施加高动态环境光；

(3)在渲染过程中，通过随机的离散化方向采集环境光，利用步骤(1)中所述的渲染模型，进行材质的渲染。

2.如权利要求1所述的基于BRDF实测数据的材质高真实感渲染算法，其特征在于，还包括步骤(4)，调整离散化方向的数目调整材质渲染的速度和效果。

3.如权利要求2所述的基于BRDF实测数据的材质高真实感渲染算法，其特征在于，将步骤(1)中采集的实测数据转化为基于半程向量的参数化表示，并在基于半程向量的参数化坐标系中拟合材质的渲染模型。

4.如权利要求3所述的基于BRDF实测数据的材质高真实感渲染算法，其特征在于，将步骤(1)中的材质的实测数据划分为散射部分，光泽部分和镜面部分，这三个部分采用不同的采集方法。

5.如权利要求4所述的基于BRDF实测数据的材质高真实感渲染算法，其特征在于，步骤(1)中采集材质光线的实测数据时采用非线性采样机制。

6.如权利要求5所述的基于BRDF实测数据的材质高真实感渲染算法，其特征在于，步骤(3)中随机的离散化方向满足概率分布函数。

Images