CN106960464A - 动态三维场景虚拟地形可视性快速判别方法 - Google Patents

Abstract

本发明涉及一种动态三维场景虚拟地形可视性快速判别方法，其特征在于：由三部分构成，第一部分针对初始虚拟地形构造代理包围盒，设计一个可见性函数，随机抽取几何图元的基本点的局部最大和最小值，通过可见性函数与用于近似检测测试线与虚拟地形的相交。该方法通过设计一个虚拟地形的代理包围盒，快速检测测试线与场景的交点；通过设计阶段式并行高度场扫描算法，预计算场景中任一点的最大视界角，有效的降低了传统扫描方法的复杂性，提高了对三维虚拟场景中虚拟地形的点对点的可视性判别效率。

Description

动态三维场景虚拟地形可视性快速判别方法

技术领域

本发明涉及一种动态三维场景虚拟地形可视性快速判别方法，是一种通过正向阶段式并行扫描实现动态三维场景虚拟地形中点对点的可视性快速判别方法，属于三维图形绘制技术领域。

背景技术

地形是自然场景最重要的组成部分之一，地形渲染是真实感绘制的主要研究内容。数字高程模型（Digital Elevation Model，DEM）是一种离散数字地貌模型, 基于DEM的地形交互式可视化是科学可视化、飞行模拟、虚拟现实、交互式3D游戏的重要研究内容。在理论上，地形可视性判别需计算来自各个方向上顶点的遮挡关系。对于一个尺寸为n×n的高度场虚拟地形，如果一个方位角方向的所有高度场点都被认为是接收点，计算的时间复杂度将达到O（n ³）。传统方法采用主要的思想是生成一条连接两个检测点的线段，也称作“视线”（Line of Sight，LOS），判断该线段与地形多边形是否相交。对于一个包含N个实体的环境，需要在每帧做O（n ²）数量级的检查计算，在三维动态场景中，无法实时的检测点的可视域。如果在并行扫描的基础上，有效减少求交测试次数，则能提高可视域的判断速度，进而改进绘制速度。

在实际动态三维场景中，随着视点的变化，视点的可视域是随时发生变化的，但虚拟地形高程点之间的相对位置关系是不会发生变化的。因此，可以将高程点之间的相对位置关系通过扫描和预计算的方式存储，以减少动态场景的计算量。

发明内容

本发明的目的在于提供一种动态三维场景虚拟地形可视性快速判别方法，该方法通过设计一个虚拟地形的代理包围盒，快速检测测试线与场景的交点；通过设计阶段式并行高度场扫描算法，预计算场景中任一点的最大视界角，有效的降低了传统扫描方法的复杂性，提高了对三维虚拟场景中虚拟地形的点对点的可视性判别效率。

本发明的技术解决方案是这样实现的：一种动态三维场景虚拟地形可视性快速判别方法，其特征在于：方法由三部分构成，第一部分针对初始虚拟地形构造代理包围盒；设计一个可见性函数，随机抽取几何图元的基本点的局部最大和最小值，通过可见性函数与用于近似检测测试线与虚拟地形的相交。

第二部分针对虚拟地形生成K条并行扫描线，计算最大视界角；将N×N的高度场剖面分成若干片段，每个片段具有一个高程值，扫描从片段初始点起，建立2N-1条线程，每条线程并行计算扫描点或高程点在当前扫描方向上的视界角；高度场设点p ₀ 为初始扫描点，第一步扫描高程点p ₁ ，建立p ₀ 到高程点p ₁ 的测试线A001，计算初始扫描点p ₀ 的视界角B001并存储；第二步扫描高程点p ₂ ，建立初始扫描点p ₀ 到p ₂ A002，计算视界角，并比较和的大小，如果，则更新初始扫描点p ₀ 的视界角为 B001；依次类推，每加入一个新的扫描点，检查并更新前述各个扫描点的视界角B001。

第三部分针对最大视界角的存储与搜索，构造可视域；缓存中存储线程上每个点在该方向的最大视界角B001；为近似估算任意扫描点的视域范围，K向扫描算法分别沿K个方向并行扫描高度场，当 K=3时的8个扫描方向；最后，通过任一点的K个方向视界角B001，估计该点的可视范围信息。

所述的第一部分针对初始虚拟地形构造代理包围盒，具体步骤如下：

设场景中任意两点x和y的可见性函数为V(x,y)，点x和y之间存在的几何图元集为，对单一图元可见性函数表示为:

（1）

对于 n个几何图元集的可见性函数可表示为多个可见性函数的点乘, 即

（2）

因此，建立代理包围盒将利用近似几何图元集代替P，则近似可见性表示为公式（5.31）。

（3）

为减少P’代替P造成的判断错误, 建立以下判断及纠错措施：类型1： 且时，；类型2： 且时，；类型3： 且时，；类型4： 且时，；

所述的第二部分针对虚拟地形生成K条并行扫描线，计算最大视界角，具体步骤如下：

Step201：设置扫描方向数K和K个方向上的扫描线数目K*SN（SN=2N-1）；

Step202：在计算机系统的内存中，创建一个包含2N-1个HELL类型的变量的数组PAR；

Step203：利用正向阶段式扫描方法C001，从初始视点P ₁ 出发，依次连接视点和该方向上的所有格网点，计算初始视点与其它各个高程点的视界角 B001，存储最大视界角，并将最大视界角对应的顶点记为活高程点P _k 。计算方法为公式（4）。

（4）

Step204：比较新的视界角与已有的最大视界角的大小，更新p ₀ 的视界角为最大值，存储为 B001。

Step205：扫描第二个测试点P ₂ ，仅测试该点与活高程点P _k 之间的各点，即Step104中下一个高程点的视界角扫描范围限定在前一个高程点的最大视界角所在点之内。存储P ₂ 的最大视界角点为第二个高程点P _m ，以此类推，下一个测试点的计算范围限定在该点与活高程点P _m 之间。

在高程模型中设两个相邻视点P ₁ 和P ₂ ，其中P ₁ 的活高程点为M ₁ , M ₂ 是与M ₁ 相邻的下一个目标点，和分别为P ₁ 与M ₁ ，M ₂ 的夹角，和分别为P ₂ 与M ₁ ，M ₂ 的夹角，当时两个相邻视点P ₁ 、P ₂ 和两个相邻目标点的全部位置及角度的9种关系如图6所示。如果P ₂ 为P ₁ 的下一个扫描点，则一定存在且的关系，因此阶段式扫描方式正确。

所述的第三部分针对最大视界角的存储与搜索，构造可视域是利用树型数据结构HELL构造可视性搜索树，该结构的每个结点P包含数据域Data和指针域P _i ，其中数据域Data存储扫描点位置坐标，指针域P _i （i=1..N）分为指向其双亲结点的指针和指向其孩子结点的指针，双亲节点存储P的最大视界角所在点，其孩子节点存储以为最大视界角的高程点。HELL结构的根结点为该扫描线上的初始扫描点。因此，HELL树型结构表示了全部高程点之间的可视性关系。具体步骤如下：

Step301：从初始扫描点P开始，存储其最大视界角所在点R为其HELL类型双亲结点，设置双亲R的第一个孩子指针指向P。

Step302：沿着一个扫描线方向寻找下一个扫描点Q，存储其最大视界角所在点R为其HELL型双亲结点，设置双亲R的第二个孩子指针指向Q，依此类推。

Step303：沿着K个方向分别扫描，建立K个树型结构HELL，存储每个扫描点的最大视界角点B001。

Step304：选择场景中任意一点P，搜索K个树型存储结构HELL;

Step305：搜索HELL结构中P点的K个最大视界角所在点及值；

Step306：以观测点P为初始平面所在点，连接K各最大视界角所在点，作为P的视域范围。

本发明的积极效果是分布式虚拟地形近似可视域的计算方法，该方法设计了一个虚拟地形的代理包围盒，并改进了已有的并行高度场扫描算法，使得并行扫描算法的扫描复杂性从O（n ²）降为O（nlogn），实现了虚拟地形的点间可见性和可视域近似计算，提高了虚拟地形的动态更新效率。

附图说明

图1为代理包围盒视线类型。

图2为高度场剖面示意图。

图3为视界角计算示意图。

图4为K=4时的8个扫描方向示意图。

图5为阶段式扫描示意图。

图6为枚举相邻视点P1，P2间的9种视界角关系。

图7 HELL树的创建过程示意图。

图8为HELL树结构示意图。

图9近似视域构成示意图。

具体实施方式

为了使本方法的特征和优点更加清楚明白，下面结合具体实施例对本方法作进一步的描述。在本实施例中，考虑了两种地形数据：1）DEM真实数据，2）基于Perlin噪声生成的虚拟地形数据。计算机系统的CPU 选择Intel（R）Xeon(R) CPU E5620@ 双核 2.40GHz，内存选择金士顿 8GB DDR3 1333，硬盘选择Buffalo HD-CE 1.5 TU2；显卡选择NVIDIA Quadrok5000，计算机操作系统选用Windows 7，软件编程工具选用VC++ 2010。

一种动态三维场景虚拟地形可视性快速判别方法，其特征在于：方法由三部分构成，第一部分，针对初始虚拟地形构造代理包围盒。设计一个可见性函数，随机抽取几何图元的基本点的局部最大和最小值，通过可见性函数与用于近似检测测试线与虚拟地形的相交（图1）。

第二部分针对虚拟地形生成K条并行扫描线，计算最大视界角。将N×N的高度场剖面分成若干片段，每个片段具有一个高程值，扫描从片段初始点起，建立2N-1条线程，每条线程并行计算扫描点或高程点在当前扫描方向上的视界角；高度场设点p ₀ 为初始扫描点，第一步扫描高程点p ₁ ，建立p ₀ 到高程点p ₁ 的测试线A001，计算初始扫描点p ₀ 的视界角 B001并存储；第二步扫描高程点p ₂ ，建立初始扫描点p ₀ 到p ₂ A002，计算视界角，并比较和的大小，如果，则更新初始扫描点p ₀ 的视界角为 B001；依次类推，每加入一个新的扫描点，检查并更新前述各个扫描点的视界角B001（图2）。

第三部分针对最大视界角的存储与搜索，构造可视域。缓存中存储线程上每个点在该方向的最大视界角B001（图3）；为近似估算任意扫描点的视域范围，K向扫描算法分别沿K个方向并行扫描高度场，当 K=3时的8个扫描方向（图4）；最后，通过任一点的K个方向视界角B001，估计该点的可视范围信息。

所述的第一部分针对初始虚拟地形构造代理包围盒，具体步骤如下：

设场景中任意两点x和y的可见性函数为V(x,y)，点x和y之间存在的几何图元集为，对单一图元可见性函数表示为:

（1）

对于 n个几何图元集的可见性函数可表示为多个可见性函数的点乘, 即

（2）

因此，建立代理包围盒将利用近似几何图元集代替P，则近似可见性表示为公式（5.31）。

（3）

为减少P’代替P造成的判断错误, 建立以下判断及纠错措施：类型1： 且时，；类型2： 且时，；类型3：且时，；类型4： 且时，（图1）。

所述的第二部分针对虚拟地形生成K条并行扫描线，计算最大视界角，具体步骤如下：

Step201：设置扫描方向数K和K个方向上的扫描线数目K*SN（SN=2N-1）；

Step202：在计算机系统的内存中，创建一个包含2N-1个HELL类型的变量的数组PAR；

Step203：利用正向阶段式扫描方法C001，从初始视点P ₁ 出发，依次连接视点和该方向上的所有格网点，计算初始视点与其它各个高程点的视界角 B001，存储最大视界角，并将最大视界角对应的顶点记为活高程点P _k 。计算方法为公式（4）。

（4）

Step204：比较新的视界角与已有的最大视界角的大小，更新p ₀ 的视界角为最大值，存储为 B001。

Step205：扫描第二个测试点P ₂ ，仅测试该点与活高程点P _k 之间的各点，即Step104中下一个高程点的视界角扫描范围限定在前一个高程点的最大视界角所在点之内。存储P ₂ 的最大视界角点为第二个高程点P _m ，以此类推，下一个测试点的计算范围限定在该点与活高程点P _m 之间，见图5。

在高程模型中设两个相邻视点P ₁ 和P ₂ ，其中P ₁ 的活高程点为M ₁ , M ₂ 是与M ₁ 相邻的下一个目标点，和分别为P ₁ 与M ₁ ，M ₂ 的夹角，和分别为P ₂ 与M ₁ ，M ₂ 的夹角，当时两个相邻视点P ₁ 、P ₂ 和两个相邻目标点的全部位置及角度的9种关系如图6所示。如果P ₂ 为P ₁ 的下一个扫描点，则一定存在且的关系，因此阶段式扫描方式正确。

所述的第三部分针对最大视界角的存储与搜索，构造可视域。本方法利用树型数据结构HELL构造可视性搜索树，该结构的每个结点P包含数据域Data和指针域P _i ，其中数据域Data存储扫描点位置坐标，指针域P _i （i=1..N）分为指向其双亲结点的指针和指向其孩子结点的指针，双亲节点存储P的最大视界角所在点，其孩子节点存储以为最大视界角的高程点（图6，图7）。HELL结构的根结点为该扫描线上的初始扫描点。因此，HELL树型结构表示了全部高程点之间的可视性关系。具体步骤如下：

Step301：从初始扫描点P开始，存储其最大视界角所在点R为其HELL类型双亲结点，设置双亲R的第一个孩子指针指向P。

Step302：沿着一个扫描线方向寻找下一个扫描点Q，存储其最大视界角所在点R为其HELL型双亲结点，设置双亲R的第二个孩子指针指向Q。依此类推（见图7与图8）。

Step303：沿着K个方向分别扫描，建立K个树型结构HELL，存储每个扫描点的最大视界角点B001。

Step304：选择场景中任意一点P，搜索K个树型存储结构HELL;

Step305：搜索HELL结构中P点的K个最大视界角所在点及值；

Step306：以观测点P为初始平面所在点，连接K各最大视界角所在点，作为P的视域范围（图9）。

在本实施例中，代理包围盒利用简单的几个图元代表复杂的几何形状，来控制求交计算次数。

当值为0时，才生成扫描测试线。当问题的规模为N时，已有扫描方法的时间复杂性表示为O（n ²），而改进的扫描算法在平均情况下，将比较次数分成了n段logn次比较。因此，将扫描数量级从O(n ² )降为O(nlogn)。

Claims (4)

1.一种动态三维场景虚拟地形可视性快速判别方法，其特征在于：由三部分构成，第一部分针对初始虚拟地形构造代理包围盒;设计一个可见性函数，随机抽取几何图元的基本点的局部最大和最小值，通过可见性函数与用于近似检测测试线与虚拟地形的相交；

第二部分针对虚拟地形生成K条并行扫描线，计算最大视界角；将N×N的高度场剖面分成若干片段，每个片段具有一个高程值，扫描从片段初始点起，建立2N-1条线程，每条线程并行计算扫描点或高程点在当前扫描方向上的视界角；高度场设点p ₀ 为初始扫描点，第一步扫描高程点p ₁ ，建立p ₀ 到高程点p ₁ 的测试线A001，计算初始扫描点p ₀ 的视界角B001并存储；第二步扫描高程点p ₂ ，建立初始扫描点p ₀ 到p ₂ A002，计算视界角，并比较和的大小，如果，则更新初始扫描点p ₀ 的视界角为 B001；依次类推，每加入一个新的扫描点，检查并更新前述各个扫描点的视界角B001；

第三部分针对最大视界角的存储与搜索，构造可视域；缓存中存储线程上每个点在该方向的最大视界角B001；为近似估算任意扫描点的视域范围，K向扫描算法分别沿K个方向并行扫描高度场，当 K=3时的8个扫描方向；最后，通过任一点的K个方向视界角B001，估计该点的可视范围信息。

2.根据权利要求1所述的一种动态三维场景虚拟地形可视性快速判别方法，其特征在于所述的第一部分针对初始虚拟地形构造代理包围盒，具体步骤如下：

设场景中任意两点x和y的可见性函数为V(x,y)，点x和y之间存在的几何图元集为，对单一图元可见性函数表示为:

（1）

对于 n个几何图元集的可见性函数可表示为多个可见性函数的点乘, 即

（2）

因此，建立代理包围盒将利用近似几何图元集代替P，则近似可见性表示为公式（5.31）;

（3）

为减少P’代替P造成的判断错误, 建立以下判断及纠错措施：类型1：且时，；类型2：且时，；类型3：且时，；类型4：且时，。

3.根据权利要求1所述的一种动态三维场景虚拟地形可视性快速判别方法，其特征在于所述的第二部分针对虚拟地形生成K条并行扫描线，计算最大视界角，具体步骤如下：

Step201：设置扫描方向数K和K个方向上的扫描线数目K*SN（SN=2N-1）；

Step202：在计算机系统的内存中，创建一个包含2N-1个HELL类型的变量的数组PAR；

Step203：利用正向阶段式扫描方法C001，从初始视点P ₁ 出发，依次连接视点和该方向上的所有格网点，计算初始视点与其它各个高程点的视界角B001，存储最大视界角，并将最大视界角对应的顶点记为活高程点P _k ,计算方法为公式（4）:

（4）

Step204：比较新的视界角与已有的最大视界角的大小，更新p ₀ 的视界角为最大值，存储为 B001;

Step205：扫描第二个测试点P ₂ ，仅测试该点与活高程点P _k 之间的各点，即Step104中下一个高程点的视界角扫描范围限定在前一个高程点的最大视界角所在点之内；

存储P ₂ 的最大视界角点为第二个高程点P _m ，以此类推，下一个测试点的计算范围限定在该点与活高程点P _m 之间;

在高程模型中设两个相邻视点P ₁ 和P ₂ ，其中P ₁ 的活高程点为M ₁ , M ₂ 是与M ₁ 相邻的下一个目标点，和分别为P ₁ 与M ₁ ，M ₂ 的夹角，和分别为P ₂ 与M ₁ ，M ₂ 的夹角，当时两个相邻视点P ₁ 、P ₂ 和两个相邻目标点的全部位置及角度的9种关系,如果P ₂ 为P ₁ 的下一个扫描点，则一定存在且的关系，因此阶段式扫描方式正确。

4.根据权利要求1所述的一种动态三维场景虚拟地形可视性快速判别方法，其特征在于所述的第三部分针对最大视界角的存储与搜索，构造可视域，是利用树型数据结构HELL构造可视性搜索树，该结构的每个结点P包含数据域Data和指针域P _i ，其中数据域Data存储扫描点位置坐标，指针域P _i （i=1..N）分为指向其双亲结点的指针和指向其孩子结点的指针，双亲节点存储P的最大视界角所在点，其孩子节点存储以为最大视界角的高程点；HELL结构的根结点为该扫描线上的初始扫描点；因此，HELL树型结构表示了全部高程点之间的可视性关系，具体步骤如下：

Step301：从初始扫描点P开始，存储其最大视界角所在点R为其HELL类型双亲结点，设置双亲R的第一个孩子指针指向P；

Step302：沿着一个扫描线方向寻找下一个扫描点Q，存储其最大视界角所在点R为其HELL型双亲结点，设置双亲R的第二个孩子指针指向Q，依此类推；

Step303：沿着K个方向分别扫描，建立K个树型结构HELL，存储每个扫描点的最大视界角点B001；

Step304：选择场景中任意一点P，搜索K个树型存储结构HELL;

Step305：搜索HELL结构中P点的K个最大视界角所在点及值；

Step306：以观测点P为初始平面所在点，连接K各最大视界角所在点，作为P的视域范围。