| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·光线跟踪的研究现状 | 第8-11页 |
| ·CPU 光线跟踪器 | 第8-9页 |
| ·GPU 光线跟踪器 | 第9-10页 |
| ·专用硬件上的光线跟踪器 | 第10页 |
| ·静态和动态光线跟踪算法 | 第10-11页 |
| ·光线跟踪算法目前存在的问题 | 第11页 |
| ·本文的研究内容 | 第11-13页 |
| ·本文的研究工作 | 第11-12页 |
| ·章节安排 | 第12-13页 |
| 第二章 基于GPU 的光线跟踪模型系统 | 第13-25页 |
| ·基于GPU 的CUDA 架构介绍 | 第13-14页 |
| ·光线跟踪原理 | 第14-15页 |
| ·光线跟踪模型系统框架设计 | 第15-17页 |
| ·模型系统 | 第15-16页 |
| ·模型系统的数据流 | 第16-17页 |
| ·基于GPU 的光线跟踪算法流程 | 第17-25页 |
| ·测试场景数据的准备 | 第17页 |
| ·初始光线的生成 | 第17-19页 |
| ·光线跟踪中的加速结构KD-tree | 第19页 |
| ·光线在KD-tree 中的遍历与求交 | 第19-21页 |
| ·阴影探测 | 第21-22页 |
| ·像素颜色贡献值的计算 | 第22-25页 |
| 第三章 在异构多核平台下构建KD-tree 加速结构 | 第25-46页 |
| ·KD-tree 的介绍 | 第25-27页 |
| ·KD-tree | 第25-26页 |
| ·传统KD-tree 的创建 | 第26-27页 |
| ·基于GPU 构建KD-tree | 第27-38页 |
| ·基于SIMD 的前缀和（All prefix sum）算法 | 第27-29页 |
| ·基于SIMD 的紧凑（compact）算法 | 第29-30页 |
| ·基于SIMD 的归约简（reduction）算法 | 第30-32页 |
| ·KD-tree 的创建 | 第32-38页 |
| ·在异构多核平台下构建KD-tree | 第38-41页 |
| ·在CPU 上创建KD-tree 上层部分 | 第38-40页 |
| ·在GPU 上创建KD-tree 下层部分 | 第40-41页 |
| ·实验环境与结果分析 | 第41-46页 |
| ·实验环境 | 第41-42页 |
| ·实验结果分析 | 第42-46页 |
| 第四章 在异构多核平台下动态光线跟踪算法实现 | 第46-64页 |
| ·完全重建动态光线跟踪 | 第46-50页 |
| ·算法流程 | 第47-49页 |
| ·目前存在的问题 | 第49-50页 |
| ·部分重建动态光线跟踪 | 第50-53页 |
| ·算法流程 | 第50-53页 |
| ·目前存在的问题 | 第53页 |
| ·光线坐标变换动态光线跟踪 | 第53-59页 |
| ·三维空间的坐标变换 | 第54-56页 |
| ·算法流程 | 第56-59页 |
| ·目前存在的问题 | 第59页 |
| ·三种动态光线跟踪算法实验结果分析以及效果图 | 第59-64页 |
| 第五章 总结与展望 | 第64-65页 |
| ·研究工作总结 | 第64页 |
| ·下一步研究计划 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-68页 |
