CN109741432A - 一种渲染预估用时计算方法、电子设备及存储介质 - Google Patents
一种渲染预估用时计算方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109741432A CN109741432A CN201811467382.3A CN201811467382A CN109741432A CN 109741432 A CN109741432 A CN 109741432A CN 201811467382 A CN201811467382 A CN 201811467382A CN 109741432 A CN109741432 A CN 109741432A
- Authority
- CN
- China
- Prior art keywords
- rendering
- used time
- estimated
- calculation method
- formula
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明公开了一种渲染预估用时计算方法,包括以下步骤:参数获取步骤:获取用户端发送的渲染参数,所述渲染参数包括渲染分辨率和渲染模型个数;计算步骤:根据渲染参数和渲染用时公式计算得到渲染预估用时;反馈步骤:将渲染预估用时反馈至用户端。本发明还提供了一种电子设备和计算机可读存储介质。本发明的渲染预估用时计算方法根据服务器数量以及渲染分辨率、内容复杂度来提供一个预估渲染时间,以提供更友好的渲染体验;使得用户能够明确知晓等待时间。
Description
技术领域
本发明涉及一种室内设计渲染效果图的领域,尤其涉及一种渲染预估用时计算方法、电子设备及存储介质。
背景技术
目前,如今云渲染呈现出百花齐放、百家争鸣的发展态势。云渲染迎合了巨大市场需求,由多台服务器共同渲染同一个任务,即解放了渲染对客户端本机的消耗,同时大大加快了渲染速度。且VRay渲染软件是当今世界渲染器三大主流之一,因其有表现逼真、兼容性强、应用自由等特点而深受设计师的喜爱,成为业界最受欢迎的渲染引擎。结合这两项技术,渲染简单一般的效果图几十秒即可出图。当然,复杂的效果图也存在几分钟、几小时才能出图的情况,这由服务器数量以及渲染分辨率、渲染内容复杂度等因素影响。由于时间不确定,从而使得用户在使用的过程中,需要一直等待从而会浪费用户的时间。
如申请号为CN201310720041.3的发明授权专利,其公开了一种基于并行绘制技术的三维图形渲染方法,包括:构建并行绘制渲染系统工作环境,用户服务节点执行负载平衡计算,根据负载平衡结果,渲染节点确定图元归属,渲染节点执行渲染任务,提取像素数据并发送到图像服务节点,图像服务节点接收像素数据,执行图像拼合,输出到投影设备并显示。本发明优秀的资源调度策略和作业调度策略,能最大限度地提高资源利用率,节省渲染时间;丰富的开发工具和接口,便于高级用户进行有针对的开发;优秀的资源管理功能,能实施有效地管理,安全性、稳定性、可靠性较好。在该授权发明专利中,其时间计算主要是记录渲染节点自身渲染时间以及总渲染时间。
发明内容
为了克服现有技术的不足,本发明的目的之一在于提供一种渲染预估用时计算方法,其能解决渲染用时获取的技术问题。
本发明的目的之二在于提供一种电子设备,其能解决渲染用时公式的技术问题。
本发明的目的之三在于提供一种计算机可读存储介质,其能解决渲染用时公式的技术问题。
本发明的目的之一采用如下技术方案实现:
一种渲染预估用时计算方法,包括以下步骤:
参数获取步骤:获取用户端发送的渲染任务,所述渲染任务包括渲染参数;
计算步骤:根据渲染参数和渲染用时公式计算得到渲染预估用时;
反馈步骤:将渲染预估用时反馈至用户端。
进一步地,在所述参数获取步骤中,所述渲染参数包括渲染分辨率和渲染模型个数。
进一步地,在参数获取步骤之后计算步骤之前还包括节点获取步骤:获取云服务器处的渲染节点个数;
所述计算步骤:根据渲染参数、渲染节点个数和渲染用时公式计算得到渲染预估用时。
进一步地,所述计算步骤中的渲染用时公式通过以下步骤计算得到:
第一获取步骤:获取渲染用时与像素点个数的关系函数;
第二获取步骤:获取至少两个分辨率下,渲染用时和模型个数的关系函数;
拟合步骤:根据渲染用时与像素点个数的关系函数以及渲染用时和模型个数的关系函数以得到渲染用时公式。
进一步地,所述第二获取步骤具体为:当渲染节点个数为9时,分别获取处于第一分辨率、第二分辨率、第三分辨率和第四分辨率下,渲染用时和模型个数的关系函数。
进一步地,在所述第一获取步骤中,渲染用时与像素点个数的关系函数为:Z=(4E-06)X+8.723。
进一步地,在第二获取步骤中,所述第一分辨率为500*280,渲染用时和模型个数的关系函数为:Z=1.5472Y+8.35555;所述第二分辨率为1080*600,Z=1.7354Y+14.252;所述第三分辨率为1920*1080,Z=2.9856Y+25.139;所述第四分辨率为4000*2250,Z=10.126Y+64.94;
则所述计算步骤中,所述渲染用时公式具体为:
Z={(4E-06)X+8.723+[(1E+06)X+1.1327]Y+(2E-06)X+2.6828}*N/9,其中,E表示自然常数,X表示像素点个数,Y表示模型个数,N表示渲染节点个数,Z表示渲染用时。
进一步地,在计算步骤之后还包括比对步骤:将渲染用时与通过渲染用时公式计算得到的预估用时进行比对,以得到补差函数:Z=0.00001X,根据所述补差函数以更新渲染用时公式,更新后的渲染用时公式为:Z={(4E-06)X+8.723+[(1E+06)X+1.1327]Y+(2E-06)X+2.6828+0.00001X}*N/9。
本发明目的之二采用如下技术方案实现:
一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如本发明目的之一中任意一项所述的一种渲染预估用时计算方法。
本发明目的之三采用如下技术方案实现:
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如本发明目的之一中任意一项所述的一种渲染预估用时计算方法。
相比现有技术,本发明的有益效果在于:
本发明的渲染预估用时计算方法根据服务器数量以及渲染分辨率、内容复杂度来提供一个预估渲染时间,以提供更友好的渲染体验;使得用户能够明确知晓等待时间。
附图说明
图1为实施例一的渲染预估用时计算方法的流程图;
图2为实施例一的像素点数与渲染用时的关系函数图;
图3为实施例一中各分辨率下,模型个数与渲染用时的关系函数图;
图4为实施例一中渲染实际用时与预估用时对比图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
实施例一
如图1所示,本实施例提供了一种渲染预估用时计算方法,包括以下步骤:
S1:获取用户端发送的渲染任务,所述渲染任务包括渲染参数;所述渲染参数包括渲染分辨率和渲染模型个数;现在进行渲染的时候,大多采用的是云渲染的方式,云渲染是通过多台服务器共同完成一个渲染任务,解放了客户端本机的消耗,并且加快了渲染速度。在进行渲染的时候,需要发送对应的渲染参数以及目标。渲染参数可以有以下两种参数:渲染分辨率和渲染模型个数,渲染分辨率主要是为了计算得到渲染的像素点个数,像素点数量越多,渲染速度相对也越慢,像素点数量越少,则渲染速度相对也越快;同样的渲染,模型的个数越多,速度也是相对越慢的。
S11:获取云服务器处的渲染节点个数;由于处理速度不单单与渲染任务相关联,其与渲染节点的个数也相关联,当渲染节点,也即是共享服务器越多的时候,处理渲染任务的速度也就越快。在本实施例中采用9台四核共享型服务器来进行数据处理。
S2:根据渲染参数、渲染节点个数和渲染用时公式计算得到渲染预估用时;所述计算步骤中的渲染用时公式通过以下步骤计算得到:
第一获取步骤:获取渲染用时与像素点个数的关系函数;渲染用时与像素点个数的关系函数为:Z=(4E-06)X+8.723。在此,当场景只有墙体数据,没有家居模型数据的时候,渲染用时随着像素点的增加而加长,其接近于一条Z=(4E-06)X+8.723的线性函数,如图2所示,其中横坐标表示像素点,单位为个,纵坐标表示渲染用时,单位为秒;从而可以看出比较明显的是呈一个一次函数图像。
第二获取步骤:获取至少两个分辨率下,渲染用时和模型个数的关系函数;这里进行数据获取的时候,只要获取到两个分辨率就可以了;但是为了进行更为准确的预测,在本实施例中采用了四个不同的分辨率来进行操作,在实际操作的过程中,用户可以根据具体的情况,来选择两个或者三个不同的分辨率,甚至于是五个六个等等。获取不同分辨率情况下的渲染用时和模型个数的关系函数。
具体的,当渲染节点个数为9时,分别获取处于第一分辨率、第二分辨率、第三分辨率和第四分辨率下,渲染用时和模型个数的关系函数。所述第一分辨率为500*280,渲染用时和模型个数的关系函数为:Z=1.5472Y+8.35555;所述第二分辨率为1080*600,Z=1.7354Y+14.252;所述第三分辨率为1920*1080,Z=2.9856Y+25.139;所述第四分辨率为4000*2250,Z=10.126Y+64.94;同一分辨率下,模型个数的增多也加长了渲染用时,我们选取了500*280、1080*600、1920*1080、4000*2250四个分辨率分别作了实验,分别得到了四个结果,如图3所示,其中横坐标表示模型个数,单位为个;纵坐标表示渲染用时,单位为秒。当分辨率为500*280时,模型个数与渲染用时接近一条的线性函数;当分辨率为1080*600时,模型个数与渲染用时接近一条Z=1.7354X+14.252的线性函数;当分辨率为1920*1080时,模型个数与渲染用时接近一条Z=2.9856X+25.139的线性函数;当分辨率为4000*2250时,模型个数与渲染用时接近一条Z=10.126X+64.94的线性函数。综合这四个函数,我们推出一个二元一次的函数:
Z=((1E+06)X+1.1327)Y+(2E-06)X+2.6828,
其中X表示像素点个数,Y表示模型个数,Z表示渲染用时。这个函数是在没有考虑像素点个数的情况下得到的,故而在实际过程中,其还不能够被视为独立的计算公式来进行计算,或者是该公式可以运用于独立的不需要考虑像素点个数的渲染用时的计算中。
拟合步骤:根据渲染用时与像素点个数的关系函数以及渲染用时和模型个数的关系函数以得到渲染用时公式。
Z={(4E-06)X+8.723+[(1E+06)X+1.1327]Y+(2E-06)X+2.6828}*N/9,其中,E表示自然常数,X表示像素点个数,Y表示模型个数,N表示渲染节点个数,Z表示渲染用时。该渲染用时公式可以用于对预估时间进行计算。这个公式是比较综合的公式,其考虑了多种因素对于渲染用时的影响,通过该公式能够比较准确的获取到的对应的预估时间。
但是由于该公式是通过计算拟合得到的公式,故而在还需要通过再验证来对其进一步完善。在该公式获取完成之后还可以将渲染用时与通过渲染用时公式计算得到的预估用时进行比对,以得到补差函数:Z=0.00001X,因为通过比对发现有些点是在线性函数直线的上方,为了解决这个预估时间比实际用时慢的问题,我们加上一个补差函数,设置补差函数的目的是为了使得预估时间不会比实际时间快,因为如果当预估时间过快的时候,这时候调高了用户的心里预期,当用户返回来的时候看见还在进行渲染,则降低了用户体验,而如果是预估时间相对较快的时候,这个快也是在合理范围内,这个时候就会使得用户体验大大提升。
根据所述补差函数以更新渲染用时公式,更新后的渲染用时公式为:
Z={(4E-06)X+8.723+[(1E+06)X+1.1327]Y+(2E-06)X+2.6828+0.00001X}*N/9。
S3:将渲染预估用时反馈至用户端。将计算得到的结果反馈给用户进行观看,这个反馈信息可以是一个数字倒计时,也可以是一种进度条显示,只要提能够起到提醒用户,以及给用户一定的心里预估时间即可。
云渲染服务器根据渲染节点个数及用户提交的渲染任务中读取分辨率大小和模型个数,将值带入上述公式:
Z={(4E-06)X+8.723+[(1E+06)X+1.1327]Y+(2E-06)X+2.6828+0.00001X}*N/9
进行运算,其中X表示像素点个数,其值等于分辨率长乘以宽;Y表示模型个数。将计算出来的结果返回给客户端进行显示即可。
本次实验是以9台四核共享型服务器做为渲染节点,当节点个数改变时,也会影响渲染用时,且节点个数与渲染用时接近正比关系,故
Z={(4E-06)X+8.723+[(1E+06)X+1.1327]Y+(2E-06)X+2.6828+0.00001X}*N/9,其中N表示节点个数。当改变渲染节点的数量的时候,对渲染生成的速度也会有比较大的影响。
最后通过采集65组的渲染数据来验证预估时间的准确性,如图4所示。虽然有些地方误差值比较大,但大部分预估时间比较接近实际渲染用时,或者预估时间高出实际用时,满足了客户对预估渲染用时的需求。
本发明的渲染预估用时计算方法根据服务器数量以及渲染分辨率、内容复杂度来提供一个预估渲染时间,以提供更友好的渲染体验;使得用户能够明确知晓等待时间。
实施例二
实施例二公开了一种电子设备,该电子设备包括处理器、存储器以及程序,其中处理器和存储器均可采用一个或多个,程序被存储在存储器中,并且被配置成由处理器执行,处理器执行该程序时,实现实施例一的一种渲染预估用时计算方法。该电子设备可以是手机、电脑、平板电脑等等一系列的电子设备。
实施例三
实施例三公开了一种计算机可读存储介质,该存储介质用于存储程序,并且该程序被处理器执行时,实现实施例一的一种渲染预估用时计算方法。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台电子设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述基于内容更新通知装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
上述实施方式仅为本发明的优选实施方式,不能以此来限定本发明保护的范围,本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。
Claims (10)
1.一种渲染预估用时计算方法,其特征在于,包括以下步骤:
参数获取步骤:获取用户端发送的渲染任务,所述渲染任务包括渲染参数;
计算步骤:根据渲染参数和渲染用时公式计算得到渲染预估用时;
反馈步骤:将渲染预估用时反馈至用户端。
2.如权利要求1所述的一种渲染预估用时计算方法,其特征在于,在所述参数获取步骤中,所述渲染参数包括渲染分辨率和渲染模型个数。
3.如权利要求2所述的一种渲染预估用时计算方法,其特征在于,在参数获取步骤之后计算步骤之前还包括节点获取步骤:获取云服务器处的渲染节点个数;
所述计算步骤:根据渲染参数、渲染节点个数和渲染用时公式计算得到渲染预估用时。
4.如权利要求3所述的一种渲染预估用时计算方法,其特征在于,所述计算步骤中的渲染用时公式通过以下步骤计算得到:
第一获取步骤:获取渲染用时与像素点个数的关系函数;
第二获取步骤:获取至少两个分辨率下,渲染用时和模型个数的关系函数;
拟合步骤:根据渲染用时与像素点个数的关系函数以及渲染用时和模型个数的关系函数以得到渲染用时公式。
5.如权利要求4所述的一种渲染预估用时计算方法,其特征在于,所述第二获取步骤具体为:当渲染节点个数为9时,分别获取处于第一分辨率、第二分辨率、第三分辨率和第四分辨率下,渲染用时和模型个数的关系函数。
6.如权利要求5所述的一种渲染预估用时计算方法,其特征在于,在所述第一获取步骤中,渲染用时与像素点个数的关系函数为:Z=(4E-06)X+8.723。
7.如权利要求6所述的一种渲染预估用时计算方法,其特征在于,在第二获取步骤中,所述第一分辨率为500*280,渲染用时和模型个数的关系函数为:Z=1.5472Y+8.35555;所述第二分辨率为1080*600,Z=1.7354Y+14.252;所述第三分辨率为1920*1080,Z=2.9856Y+25.139;所述第四分辨率为4000*2250,Z=10.126Y+64.94;
则所述计算步骤中,所述渲染用时公式具体为:
Z={(4E-06)X+8.723+[(1E+06)X+1.1327]Y+(2E-06)X+2.6828}*N/9,其中,E表示自然常数,X表示像素点个数,Y表示模型个数,N表示渲染节点个数,Z表示渲染用时。
8.如权利要求7所述的一种渲染预估用时计算方法,其特征在于,在拟合步骤之后还包括比对步骤:将渲染用时与通过渲染用时公式计算得到的预估用时进行比对,以得到补差函数:Z=0.00001X,根据所述补差函数以更新渲染用时公式,更新后的渲染用时公式为:Z={(4E-06)X+8.723+[(1E+06)X+1.1327]Y+(2E-06)X+2.6828+0.00001X}*N/9。
9.一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-8中任意一项所述的一种渲染预估用时计算方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1-8中任意一项所述的一种渲染预估用时计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811467382.3A CN109741432B (zh) | 2018-12-03 | 2018-12-03 | 一种渲染预估用时计算方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811467382.3A CN109741432B (zh) | 2018-12-03 | 2018-12-03 | 一种渲染预估用时计算方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109741432A true CN109741432A (zh) | 2019-05-10 |
CN109741432B CN109741432B (zh) | 2022-11-01 |
Family
ID=66358445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811467382.3A Active CN109741432B (zh) | 2018-12-03 | 2018-12-03 | 一种渲染预估用时计算方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109741432B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669404A (zh) * | 2020-12-28 | 2021-04-16 | 北京达佳互联信息技术有限公司 | 一种图像处理方法、装置、电子设备和存储介质 |
CN114663556A (zh) * | 2022-03-29 | 2022-06-24 | 北京百度网讯科技有限公司 | 数据交互方法、装置、设备、存储介质以及程序产品 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495718A (zh) * | 2011-12-29 | 2012-06-13 | 阳赛 | 一种用于图像渲染的拟随机数生成方法 |
US20160127715A1 (en) * | 2014-10-30 | 2016-05-05 | Microsoft Technology Licensing, Llc | Model fitting from raw time-of-flight images |
-
2018
- 2018-12-03 CN CN201811467382.3A patent/CN109741432B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495718A (zh) * | 2011-12-29 | 2012-06-13 | 阳赛 | 一种用于图像渲染的拟随机数生成方法 |
US20160127715A1 (en) * | 2014-10-30 | 2016-05-05 | Microsoft Technology Licensing, Llc | Model fitting from raw time-of-flight images |
Non-Patent Citations (1)
Title |
---|
孟庆利等: "基于AdaBoost.MH的Reyes渲染架构时间预估算法", 《计算机科学》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669404A (zh) * | 2020-12-28 | 2021-04-16 | 北京达佳互联信息技术有限公司 | 一种图像处理方法、装置、电子设备和存储介质 |
CN112669404B (zh) * | 2020-12-28 | 2023-11-14 | 北京达佳互联信息技术有限公司 | 一种图像处理方法、装置、电子设备和存储介质 |
CN114663556A (zh) * | 2022-03-29 | 2022-06-24 | 北京百度网讯科技有限公司 | 数据交互方法、装置、设备、存储介质以及程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN109741432B (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW201108152A (en) | Displaying a visual representation of performance metrics for rendered graphics elements | |
CN111179150B (zh) | 一种基于绘制指令流的着色器自动简化方法和系统 | |
CN108235116A (zh) | 特征传播方法和装置、电子设备、程序和介质 | |
CN108057249A (zh) | 一种业务数据处理方法和装置 | |
CN109741432A (zh) | 一种渲染预估用时计算方法、电子设备及存储介质 | |
CN109300151A (zh) | 图像处理方法和装置、电子设备 | |
CN108229363A (zh) | 关键帧调度方法和装置、电子设备、程序和介质 | |
CN109816792A (zh) | 一种三维场景中的定位方法及装置 | |
CN111583378B (zh) | 一种虚拟资产处理的方法及装置、电子设备、存储介质 | |
CN106204418B (zh) | 一种虚拟现实移动端中基于矩阵逆运算的图像扭曲方法 | |
CN109683858A (zh) | 数据处理方法及装置 | |
CN104376056B (zh) | 一种数据处理的方法和装置 | |
CN104135535B (zh) | 一种面向云计算的租户调整方法及系统 | |
CN103309676B (zh) | 用于海洋数值模拟ROMS的Web服务封装方法以及系统 | |
US9135749B2 (en) | Method and apparatus for processing three-dimensional model data | |
CN105511890B (zh) | 一种图形界面更新方法和装置 | |
CN113610989A (zh) | 风格迁移模型训练方法和装置、风格迁移方法和装置 | |
CN115996173B (zh) | 面向分布式深度学习算子并行训练的通信优化方法与系统 | |
Schmitz et al. | Efficient and quality contouring algorithms on the GPU | |
CN109522234A (zh) | 显示测试用例执行进度的方法、系统及自动化测试方法 | |
CN115170390A (zh) | 一种文件风格化方法、装置、设备及存储介质 | |
CN105224325B (zh) | 渲染方法和装置 | |
CN106803231A (zh) | 一种基于sort‑first负载平衡的图形并行绘制方法 | |
Cui | Dynamic migration algorithm of marine big data in cloud computing environment | |
CN108073502B (zh) | 一种测试方法及其系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |