| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 第2章 研究基础 | 第17-30页 |
| 2.1 光线跟踪算法 | 第17-22页 |
| 2.1.1 基本光线跟踪 | 第17-20页 |
| 2.1.2 MonteCarlo光线跟踪 | 第20-22页 |
| 2.2 大规模场景渲染的并行化方法 | 第22-25页 |
| 2.2.1 像素或跟踪线并行 | 第23-24页 |
| 2.2.2 场景数据并行 | 第24-25页 |
| 2.3 渲染平台与接口 | 第25-29页 |
| 2.3.1 Hadoop数据处理框架与接口 | 第26-28页 |
| 2.3.2 CUDA编程框架 | 第28-29页 |
| 2.4 小结 | 第29-30页 |
| 第3章 场景数据并行下的光线跟踪预处理 | 第30-42页 |
| 3.1 数据驱动的光线跟踪并行化 | 第30-33页 |
| 3.1.1 场景数据的存储结构 | 第30-32页 |
| 3.1.2 光线跟踪任务划分 | 第32-33页 |
| 3.2 一种用于选择跟踪线的调度网格结构 | 第33-37页 |
| 3.2.1 场景空间区域界定 | 第33-35页 |
| 3.2.2 启发式网格划分法 | 第35-36页 |
| 3.2.3 重叠网格整理 | 第36-37页 |
| 3.3 基于Hadoop的预处理算法设计 | 第37-41页 |
| 3.4 小结 | 第41-42页 |
| 第4章 场景数据并行下的光线跟踪任务设计 | 第42-54页 |
| 4.1 光线跟踪任务的求交优化 | 第42-48页 |
| 4.1.1 调度网格中跟踪线的步进算法 | 第42-45页 |
| 4.1.2 跟踪路径的拆分与重排 | 第45-48页 |
| 4.2 基于Hadoop与CUDA的光线跟踪任务设计 | 第48-53页 |
| 4.2.1 任务的多重输入准备 | 第48-50页 |
| 4.2.2 图像贡献的计算与合成 | 第50-51页 |
| 4.2.3 任务内求交的并行化加速 | 第51-53页 |
| 4.3 小结 | 第53-54页 |
| 第5章 实验结果与分析 | 第54-64页 |
| 5.1 实验环境与方法 | 第54-57页 |
| 5.2 渲染时间比较 | 第57-58页 |
| 5.3 可伸缩性分析 | 第58-60页 |
| 5.4 负载对比与分析 | 第60-62页 |
| 5.5 任务失败的容错性 | 第62-63页 |
| 5.6 小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 附录A 攻读硕士学位期间所发表的学术论文及参与的科研项目 | 第71页 |