| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究内容及难点 | 第12-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第二章 光线跟踪算法概述 | 第15-34页 |
| 2.1 标准光线跟踪算法的基本原理 | 第15-18页 |
| 2.2 标准光线跟踪算法的扩展算法 | 第18-20页 |
| 2.3 光照明模型 | 第20-31页 |
| 2.3.1 局部光照明模型 | 第21-29页 |
| 2.3.2 整体光照明模型 | 第29-31页 |
| 2.4 纹理映射 | 第31-34页 |
| 第三章 光线跟踪的加速策略 | 第34-47页 |
| 3.1 加速结构 | 第34-41页 |
| 3.1.1 层次包围盒 | 第34-35页 |
| 3.1.2 均匀网格 | 第35-36页 |
| 3.1.3 八叉树 | 第36-37页 |
| 3.1.4 二叉树 | 第37-38页 |
| 3.1.5 KD-tree | 第38-41页 |
| 3.2 采样策略 | 第41-43页 |
| 3.3 GPU 加速 | 第43-47页 |
| 3.3.1 GPU 整体架构 | 第43-44页 |
| 3.3.2 CUDA 编程 | 第44-45页 |
| 3.3.3 GPU 处理的优点 | 第45-47页 |
| 第四章 一种基于 GPU 的光线跟踪算法实现 | 第47-69页 |
| 4.1 算法的流程图 | 第47-50页 |
| 4.2 数据结构 | 第50-54页 |
| 4.3 采样策略 | 第54页 |
| 4.4 基于 GPU 的 KD-tree 遍历算法 | 第54-61页 |
| 4.4.1 传统的 KD-tree 遍历算法 | 第54-57页 |
| 4.4.2 KD-restart 遍历算法 | 第57-59页 |
| 4.4.3 KD-backtrack 遍历算法 | 第59-61页 |
| 4.5 实验结果分析 | 第61-69页 |
| 第五章 总结及展望 | 第69-70页 |
| 5.1 总结 | 第69页 |
| 5.2 对未来工作的展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 作者攻读学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74页 |