автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.11, диссертация на тему:Программные технологии автоматизации построения реалистичных изображений

На правах рукописи

Волобой Алексей Геннадьевич

Программные технологии автоматизации построения реалистичных изображений

Специальность 05.13.11 - математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей.

Автореферат диссертации на соискание ученой степени доктора физико-математических наук

- /> ИЮЛ 2012

Москва - 2012

005046261

005046261

Работа выполнена в Институте прикладной математики им. М.В. Келдыша РАН (г. Москва)

Научный консультант: доктор физико-математических наук, профессор Галактионов Владимир Александрович

Официальные оппоненты: Якобовский Михаил Владимирович доктор физико-математических наук, профессор, ИПМ им. М.В. Келдыша РАН, зав. сектором

Михайлюк Михаил Васильевич

доктор физико-математических наук, профессор

НИИСИ РАН, зав. отделом

Палташев Тимур Турсунович доктор технических наук, профессор НИУ ИТМО, зав. кафедрой

Ведущая организация: Нижегородский государственный университет им. Н.И. Лобачевского

Защита состоится 09 октября 2012 г. в 11:00 час. на заседании диссертационного совета Д 002.024.01 на базе Института прикладной математики им. М.В. Келдыша РАН по адресу: 125047, Москва, Миусская пл., 4.

С диссертацией можно ознакомиться в библиотеке Института прикладной математики им. М.В.Келдыша РАН.

Автореферат разослан "21" июня 2012 г.

Ученый секретарь диссертационного совета, доктор физико-математических наук

Т.А. Полилова

Общая характеристика работы

Компьютерная (машинная) графика изначально зародилась как эффективное и мощное средство связи между человеком и вычислительной машиной. Использование графической формы представления информации, организация диалога между человеком и компьютером с использованием визуальных образов позволили существенно увеличить скорость обработки информации человеком, что привело к повышению эффективности исследований и разработок в самых различных областях науки и техники.

С появлением методов синтеза реалистичных изображений, основанных на физически корректном моделировании распространения света, область применения компьютерной графики существенно расширилась. Созданные алгоритмы и программные средства стали представлять интерес для использования в архитектуре, градостроительстве, проектировании систем освещения, в автомобильной и авиационной промышленности и других областях.

Предварительные расчеты освещения и построение реалистичного изображения виртуальной модели существенно повышают эффективность проектирования зданий, разработки автомобилей, самолетов. С их помощью можно заранее определить и добиться наилучшего воплощения целого ряда факторов, таких как, например, оценка эстетичности разрабатываемых архитектором интерьеров помещений и внешнего вида, насколько проектируемое сооружение «вписывается» в существующий ландшафт. В последние годы важным аспектом строительства любого здания является экономичность (энергосбережение) его системы освещения. Основываясь на точных расчетах освещения помещений дневным светом, архитектор достигает максимального его использования, варьируя положение и ориентацию здания относительно сторон горизонта и окружающих строений, расположение и размеры оконных проемов. При проектировании офисных помещений освещенности рабочих мест должны соответствовать стандартам, в которых указаны не только минимально допустимые величины освещенности, но и такие параметры, как доля прямого света от источника в поле видимости человека («комфортность» освещения).

В автомобильной промышленности задача расчета освещения салона автомобиля является схожей с задачей расчета освещения интерьеров помещений. Дополнительно важным аспектом безопасности является отсутствие бликов и отражений салона в стеклах проектируемого автомобиля. Эта проблема легко решается в процессе проектирования с помощью алгоритмов компьютерной графики. Новым развивающимся направлением стало моделирование и визуализация оптически сложных материалов, таких как многослойные автомобильные краски со сложной микроструктурой (типа перламутровых и «металлик»), ткани (обивка сидений) и др.

Основной особенностью моделирования освещения салона самолета является практически полное отсутствие прямого света. Правильно рассчитать освещение здесь возможно только с использованием алгоритмов глобального освещения. При проектировании кабины пилотов важным критерием является хорошая читаемость приборов и устройств управления при различном освещении.

Следует подчеркнуть, что все вышеперечисленные задачи можно решать, только если моделирование основано на физических законах распространения света и позволяет достичь приемлемой точности. Или, другими словами, если реалистичное изображение, сгенерированное компьютером по виртуальному описанию, будет соответствовать восприятию реальности человеком. На современном этапе, когда разработанные алгоритмы моделирования распространения света являются достаточно устоявшимися и многократно проверенными на их физическую корректность, можно сформулировать следующие основные проблемы построения реалистичных изображений:

1) Задание правильных исходных данных. Результат моделирования существенно и непосредственно зависит от корректности задания исходных данных (спецификации виртуальной сцены). В большинстве случаев процесс описания сцены весьма трудоемок, данные получить сложно, а порой и технически невозможно.

2) Скорость генерации изображения. Необходимой составляющей повышения производительности труда пользователей является минимизация времени визуализации без существенной потери качества изображения. В идеале изображения должны генерироваться в режиме реального времени.

Цель работы заключается в создании комплекса программных технологий и методов, позволяющих:

а) автоматизировать процесс задания виртуальной сцены и исходных данных для физически корректного моделирования распространения света и построения реалистичных изображений;

б) генерировать физически корректные реалистичные изображения в режиме интерактивной навигации.

Их реализация существенно снижает трудоемкость визуализации сложных моделей и проектов и тем самым повышает производительность труда инженеров, проектировщиков, дизайнеров и конструкторов.

Научная новизна работы заключается в следующем.

Разработан эффективный комплексный подход к автоматизации задания виртуальной сцены для генерации реалистичных изображений. Разработаны и реализованы технологии интеграции программного комплекса построения реалистичных изображений с системами автоматизации проектирования.

Предложена концепция определения оптических характеристик материала посредством моделирования распространения света внутри него,

включая моделирование пространственного рассеяния света, моделирование распространения света в волновом приближении для высоких концентраций частиц. Показано, что именно двунаправленная функция отражения света в общем, табличном, представлении является наиболее приемлемой формой для использования результатов моделирования при построении реалистичного изображения. Концепция успешно апробирована на таких материалах, как ткани, многослойные краски, принтерные чернила.

Разработан уникальный программно-аппаратный комплекс, позволяющий непосредственно измерять оптические свойства образцов материалов с высокой точностью для их дальнейшего использования при моделировании освещенности и синтезе реалистичных изображений.

Предложена классификация средств визуализации в зависимости от скорости генерации реалистичных изображений с точки зрения человеко-машинного интерфейса. Представлены решения, позволяющие достичь интерактивной скорости визуализации, а также решения, позволяющие повысить производительность труда проектировщиков в случае длительных вычислений.

Реализованы технологии, позволяющие использовать фотоснимки реального ландшафта в качестве исходных данных для реалистичной визуализации. Фотоснимки в виде карт освещения с большим динамическим диапазоном яркостей используются для комплексного задания как источников света, так и фона, что позволяет автоматически встраивать в изображение ландшафта виртуальные объекты. Разработаны новые алгоритмы модификации карт освещения, компенсирующие некорректное представление солнца.

Практическая значимость работы. На основе концепций, методов и алгоритмов, предложенных в диссертационной работе, был реализован ряд программных продуктов, которые широко используются в нашей стране и за рубежом. Среди них:

- программный комплекс для физически корректного расчета освещенности и построения фотореалистичных изображений сцен, содержащих оптически сложные материалы, при различных условиях искусственного и естественного освещения, а также при освещении, задаваемом изображением с большим диапазоном яркости;

- программно-аппаратный комплекс измерения оптических свойств плоских образцов материалов;

- программные комплексы и системы моделирования оптических свойств сложных автомобильных красок, красящих покрытий с высокой концентрацией пигмента, тканей;

- программный комплекс физически корректной интерактивной визуализации в режиме навигации сцен, содержащих оптически сложные материалы, с учетом предварительно рассчитанных эффектов вторичного освещения; интерактивная визуализация имеет два режима: аппаратный с

использования библиотеки OpenGL и программный с когерентной трассировкой лучей, реализованной с помощью SSE команд;

- эффективное вычислительное ядро для Интернет-сервиса физически корректного моделирования освещенности и построения реалистичных изображений.

Каждый из созданных программных комплексов находится на уровне или превосходит по ряду ключевых показателей имеющиеся в мире аналоги. Благодаря разработанному в диссертации комплексному подходу к автоматизации создания реалистичных изображений процесс задания входных данных существенно упрощается, и программными продуктами могут быть пользоваться не только высококвалифицированные инженеры и дизайнеры, но также студенты и аспиранты технических ВУЗов.

Проведенные экспериментальные сравнения результатов физически корректных расчетов оптических характеристик, полученных путем моделирования материалов, с результатами измерений аналогичных характеристик на реальных объектах продемонстрировали высокую точность моделирования.

Апробация работы. Основные результаты диссертации были представлены на ряде профильных международных научных конференций [5, 6, 8, 10-13, 20-24, 29-33], а также в рамках Всероссийской научной школы для молодежи «Компьютерное зрение, 3D моделирование и компьютерная графика» (часть ФЦП «Научные и научно-педагогические кадры инновационной России»), Результаты диссертации также докладывались на научно-практическом семинаре «Новые информационные технологии в автоматизированных системах» [19], на объединенном научном семинаре направления «Программирование» им. М.Р. Шура-Бура ИПМ им. М.В.Келдыша РАН и семинаре по робототехническим системам ИПМ им. М.В. Келдыша РАН, МГУ им. М.В. Ломоносова, МГТУ им. Н.Э. Баумана и ИНОТиИ РГГУ.

Публикации. По результатам работы имеется 35 публикаций, включая 17 статей в рецензируемых научных журналах из списка ВАК [1-4, 7, 9, 14-18, 25-28, 34, 35], 18 статей в сборниках докладов на международных научных конференциях и семинарах [5, 6, 8, 10-13, 19-24, 29-33].

Личный вклад. Все основные результаты, изложенные в диссертации, включая постановки задач и их алгоритмические решения, получены автором лично или выполнены под его научным руководством и при непосредственном участии.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы и списка используемых аббревиатур. Содержание работы изложено на 248 страницах. Список

литературы включает 177 наименований. В работе содержится 101 рисунок и 7 таблиц.

Содержание работы

Во введении обосновывается актуальность и практическая значимость темы диссертации. Коротко излагаются основы синтеза реалистичных изображений и моделирования освещенности. Показано, что существующие алгоритмы моделирования освещенности и генерации реалистичных изображений являются на сегодняшний день достаточно устоявшимися и проверенными на их физическую корректность. Формулируются основные проблемы построения реалистичных изображений.

В первой главе рассмотрены методы автоматизации задания объектов сцены. Под объектами сцены понимаются геометрические объекты, источники освещения, фоновое изображение.

Важным аспектом реалистичности является задание детальной цифровой модели изображаемых объектов. Задание такой модели, состоящей иногда из нескольких миллионов объектов, требует использования современных программ автоматизированного проектирования. Такие системы моделирования, как Autodesk 3DS Max, CATIA и др., позволяют создать «с нуля» сложные цифровые модели, полностью описывающие, например, здание со всеми помещениями и интерьерами или автомобиль в мельчайших деталях.

Импорт и конвертация геометрии виртуальной сцены из наиболее популярных форматов были поддержаны и в созданном программном комплексе. Был разработан набор конвертеров из форматов DXF, IGES, VRML, STEP и др. Форматы IGES или STEP могут содержать части геометрии в виде сплайнов, что требует применения алгоритмов триангуляции в процессе конвертирования. От качества триангуляции существенно зависит результат моделирования. Наличие в результирующей геометрии Т-вершин, длинных узких треугольников, совпадающих треугольников (наложенных один на другой в одной плоскости) приводит к плохому результату моделирования освещенности. Конкретные реализации форматов представления данных постоянно модифицируются. Вследствие этого необходимо постоянно адаптировать конвертеры к «современным условиям». Такой подход представляется довольно затратный, кроме того невозможно решить проблему «до конца»: новые модификации формата потребуют новых усилий по их поддержке.

Был выбран путь полной интеграции модулей расчета освещенности в САПР системы. В этом случае обе проблемы (триангуляция и поддержка модификаций форматов) решаются за счет средств базовой САПР системы. Однако интегрирование систем физически корректного моделирования распространения света, используемых для построения реалистичных изображений, с современными САПР является трудной задачей.

Основной проблемой, с которой сталкиваются разработчики программ физически корректного моделирования распространения света при интегрировании своих модулей с САПР, является отсутствие в этих системах физически корректных моделей, описывающих взаимодействие света со средой распространения и поверхностью объектов. Также модели источников света в таких системах, как правило, не могут быть непосредственно использованы в системах моделирования распространения света, поскольку не содержат необходимых физических характеристик.

В работе рассматриваются примеры такой интеграции с системами Autodesk 3DS Мах и CATIA (Dassault Systems). Интеграция с 3DS Мах рассчитана, в основном, на получение изображений фотореалистичного качества. Интеграция с CATIA предполагает получение точных результатов моделирования освещенности.

Источниками света являются объекты сцены, излучающие световую энергию. Параметры светимости и интенсивности источников света задаются в фотометрических единицах. С точки зрения задания исходных данных существенным является разделение источников света на естественные (к ним относятся небесное и солнечное освещение) и искусственные, созданные человеком.

Существуют три основных способа задания естественного освещения. При первом способе задаются географические координаты расположения виртуальной сцены, ее ориентация и время (месяц, число, часы и минуты). Географическое положение многих городов может быть сохранено в библиотеку, что существенно упрощает процесс спецификации. Положение солнца, его яркость, цвет солнца и неба определяются согласно существующим моделям неба, разработанным Международной комиссией по освещению (МКО). Второй способ задания неба требует непосредственного указания направления на солнце, его яркости и цвета, а также ориентации виртуальной сцены. Третий способ задает небесное освещение при помощи гониометрической диаграммы, которая определяет распределение освещенности, поступающей от небесной полусферы по различным направлениям. Она может быть получена в результате измерений.

Для задания искусственных источников света необходимо определить их геометрическое местоположение, яркость или силу света (если источник -точечный), угловое распределение световой энергии. Угловое распределение световой энергии называется гониометрической диаграммой или гониогралшой. В оптике оно также имеет название индикатриса рассеяния. Наиболее общим является задание гониограммы в табличном виде, когда специфицируются пространственные направления и для них указывается сила света в данном направлении.

Непосредственный подход к спецификации искусственного источника света - спектрофотометрические измерения реальной лампы и построение ее модели в сцене. В работе приведены примеры моделей, построенных на реальных измерениях. Построенные модели ламп организуются в библиотеки готовых источников света. Библиотеки являются расширяемыми.

Существенным шагом к автоматизации задания источников света является импорт существующих распространенных форматов, описывающих гониограммы или даже полностью весь источник. Практически все производители ламп и светодиодов предоставляют гониограммы своей продукции в Интернете. В работе описан импорт из двух форматов, реализованный в системе реалистичной визуализации. Первый формат IES LM-63-1986 (LM-63-1995) содержит гониограммы источника света. Он введен международной организацией IES. Импортированные гониограммы могут быть сохранены в библиотеке.

Другим все более популярным форматом источников освещения становится RaySet. Формат RaySet содержит описание источника света в виде набора лучей, им генерируемых. При достаточно большом количестве лучей такое представление включает всю информацию о геометрической форме, силе света и гониограмме источника, т.е. является универсальным. Дополнительное преимущество состоит в том, что большинство систем оптического моделирования основывается на алгоритме трассировки лучей, т.е. они получают входные данные в готовом виде. Эти два фактора и обусловили большую популярность данного формата.

Однако для технологии Монте-Карло трассировки лучей, используемой в нашей системе оптического моделирования и реалистичной визуализации, этот подход имеет существенный недостаток. Для получения качественного результата нам необходимо большое число лучей в RaySet спецификации. Поскольку Монте-Карло трассировка может продолжаться бесконечно, то мы никогда не можем сказать заранее, какого количества лучей будет достаточно. В то же время представление источника света в формате RaySet требует большого объема памяти. Поэтому был разработан и реализован алгоритм генерации лучей на базе набора из RaySet файла. Каждый луч из RaySet представления преобразовался в пучок неограниченного числа лучей. Луч из набора RaySet выбирается случайным образом, потом стохастически строится его «флуктуация», которая используется в процессе моделирования распространения света в виртуальной сцене. В итоге получается источник света, полностью соответствующий набору RaySet, но неограниченный по числу генерируемых лучей. Количество необходимых лучей в наборе RaySet существенно сокращается, и становится возможным получить качественные изображения, имея десятки и даже единицы тысяч RaySet лучей.

Наиболее перспективной с точки зрения автоматизации спецификации освещения является на данный момент технология задания освещения через изображение, заранее вычисленное или сфотографированное. Обычное изображение с динамическим диапазоном в несколько сотен здесь не может быть применено. Современные исследования и разработки в области компьютерной графики все чаще обращаются к изображению с большим диапазоном яркости (HDRI - High Dynamic Range Image). Это изображение содержит для каждого пиксела реальное физическое значение яркости в формате числа с плавающей точкой, которое позволяет записывать реальные значения яркости света, пришедшего с этого направления в объектив камеры.

В наше время HDRI изображения могут быть получены путем обработки набора фотографий реального мира, сделанных с различными выдержками, или как результат панорамного сканирования окружающей реальной сцены. Возможность запечатлеть реальный мир с помощью панорамных карт окружения, содержащих реальные физические величины яркостей, дала толчок бурному развитию этого направления компьютерной графики. Она позволяет существенно упростить процесс задания окружающей среды и фона для генерации реалистичных изображений. С ее помощью моделируемый объект может быть легко помещен в существующую реальную сцену, запечатленную сканирующим устройством. Такая карта окружения передает реальные значения яркостей источников света, существующих в сцене. Это привело к развитию технологии компьютерной графики, называемой «освещение, задаваемое изображением» (IBL - Image Based Lighting). Панорамные карты окружения, содержащие реальный большой диапазон яркостей, можно назвать картами освещения. При использовании IBL технологии источником света является само изображение с большим динамическим диапазоном. Становится возможным назначать в качестве источников света фотографии неба или выставочного зала и моделировать освещение объекта в этих условиях.

Для того чтобы IBL технологию можно было автоматически использовать в наших программных комплексах, пришлось разработать ряд алгоритмов. В частности, возможность автоматически использовать карты освещения предоставляют алгоритм распознавания и выделения ярких источников света, а также последующая корректировка результата в соответствии со стандартными моделями неба МКО.

Для вычисления освещенности от изображения с большим диапазоном яркости используется метод Монте-Карло обратной трассировки лучей. Однако он эффективно применим, если это изображение задает достаточно равномерное освещение сцены, например, для освещения от облачного неба. В случае же если карта освещения содержит яркий источник света (например, прямо видимое солнце), то вычислительные затраты будут значительными. Эта проблема может быть решена, если выделить яркие источники света из карты освещения. Так как карта освещения задает источник света, расположенный на бесконечно удаленной сфере, то и выделенные яркие источники разумно заменить общепринятыми параллельными источниками света.

Для выделения источников света были введены три коэффициента, регулирующие процесс распознавания областей с большой яркостью и расчета мощности источника. Первый коэффициент используется для определения направления на источник света и задает порог яркости точки карты освещения, определяющий, является ли она источником света. Второй и третий коэффициенты используются для определения всей области с большой яркостью и в конечном итоге для вычисления яркости источника света. Второй коэффициент задает максимальный радиус яркой области. Точки, яркость которых превышают заданный порог, но найденные за

пределами этого радиуса, будут рассматриваться как другие источники света. Третий коэффициент задает минимальную яркость точки, которая будет рассматриваться как составляющая источника света. Таким образом, при выделении источника света используются все точки, лежащие не далее, чем на расстоянии указанного радиуса от наиболее яркой точки, с яркостью выше минимальной яркости. Значения яркостей всех точек карты освещения, использованных при выделении источника света и задании его мощности, обрезаются. В результате для дальнейших расчетов освещенности мы имеем достаточно гладкую функцию освещения, задаваемую обрезанной картой освещения, и набор ярких параллельных источников света. Значения всех трех коэффициентов рассчитываются по эмпирической формуле и зависят от средней яркости сегмента изображения.

Применение алгоритмов расчета освещенности от карт освещения не всегда гарантирует получение реалистичных изображений фотографического качества. Оказалось, что входные данные, т.е. сами карты освещения, не всегда являются физически корректными. Поэтому были проанализированы используемые карты освещения. Наиболее важными характеристиками являются динамический диапазон и правильность представления солнца. Для анализа карт освещения за основу были взяты стандартные модели неба Международной комиссии по освещению. Анализ показал, что наиболее существенным недостатком карт освещения является недооценка яркости солнца. Стало понятно, что на этапе ввода исходных данных в виде карт освещения они должны быть модифицированы таким образом, чтобы скомпенсировать эти недостатки.

Для компенсации недооценки солнца был разработан алгоритм, позволяющий рассчитать яркость параллельного источника, представляющего солнце, исходя из стандартной модели неба МКО. При задании параметров стандартной модели неба пользователь должен задать географическое местоположение, где была снята карта освещения, и дату, когда это было сделано. Время съемки и азимутальное направление вычисляется автоматически. Значения яркости солнца корректируются в соответствии со стандартной моделью неба МКО.

Рис. 1 - Изображение, полученное с применением реконструкции солнца (справа) и без него (слева)

На рис. 1 представлен результат работы алгоритма реконструкции яркости солнца (левое изображение - до реконструкции, правое - после). На

и

изображении с применением реконструкции солнца освещение автомобиля и тени выглядят правдоподобно.

Фоновое изображение является важным элементом для получения ощущения реалистичности изображения. Задать все окружение вокруг моделируемой сцены со всеми необходимыми деталями в виде объектов сцены практически невозможно. Однако именно детальное, правдоподобное окружение в большинстве случаев создает ощущение реальности. Кроме того, использование в качестве фонового изображения фотографий реального мира позволяет нам говорить о «дополненной» или «расширенной» реальности (augmented reality), когда в изображение реального мира добавляются синтезированные объекты (рис. 2). Это направление компьютерной графики является сейчас популярным.

Рис. 2 - Расширенная реальность: добавлена виртуальная модель автомобиля

Для получения реалистичного изображения недостаточно просто «поставить» фоновое изображение позади сцены. Фон должен отражаться в зеркальных поверхностях, согласовываться с основанием, на котором стоят объекты сцены, и на которое они отбрасывают тень, он должен правильно (с учетом преломления света) быть виден в прозрачных объектах сцены. Поэтому были разработаны как технологии, обеспечивающие простоту задания фона во всех направлениях, так и алгоритмы предварительной обработки фотографий, создающие впечатление «погружения» виртуальной сцены в окружение, запечатленное на ней.

Технология фотомонтажа характеризуется тем, что мы имеем в качестве входных данных одну обыкновенную фотографию. Базируясь на этой информации, мы хотим построить реалистичное изображение нашей сцены, погруженной в сфотографированную реальность (так был создан рис. 2). Полностью автоматически сделать это оказалось невозможно. Однако процесс задания таких сцен был существенно автоматизирован и упрощен. Вычисление положения и ориентации камеры, задание дополнительной плоскости, на которой будут расположены объекты сцены, делается в автоматическом режиме. Для получения теней от объектов сцены была предоставлена возможность оператору указать направление освещения по

теням на фотографии. Только направление на солнце, как наиболее мощный источник света, дающий резкие тени, можно было восстановить таким образом. Даже этот простой механизм позволил генерировать вполне правдоподобные изображения. Время работы оператора при подготовке сцены сводилось к минимуму и занимало несколько минут.

Использование карт освещения в качестве фонового изображения является автоматизированным методом создания расширенной реальности. Для него был разработан алгоритм частичной коррекции отражений, который позволяет получить приближенные отражения близких объектов панорамы в объектах сцены. Для построения теней от объектов сцены, помещенных в окружение, задаваемое картой освещения, используется воображаемая плоскость. Тени от объектов сцены на воображаемой плоскости вычисляются с помощью метода Монте-Карло обратной трассировки лучей. Важным фактором реалистичности сгенерированного изображения является согласованность изображений фона, полученного в результате фотографирования, и смоделированных объектов сцены. Это требует высокого разрешения фонового изображения. Проблема разрешения изображения с большим динамическим диапазоном, недостаточного для качественного фона, может быть решена с помощью использования дополнительного изображения. Эта технология требует простого пользовательского интерфейса для совмещения изображений карты освещения и фотографии. Вместе с автоматизацией задания освещения сцены, описанной ранее, этот метод значительно упрощает создание изображений расширенной реальности. Фактически пользователь указывает, в какую карту освещения надо поместить виртуальную сцену, и после вычислений получает итоговое изображение.

Вторая глава посвящена проблеме задания оптических свойств объектов и материалов сцены. Оптические свойства геометрии сцены необходимы для расчета взаимодействия света с объектами при моделировании освещенности. Особенностью этого класса входных данных являются высокие требования к точности задаваемых значений. Поскольку при моделировании реальных сцен часто происходит многократное отражение света, то даже небольшая ошибка в задании оптических свойств материалов может привести к существенной ошибке результата, так как ошибка накапливается.

Наиболее общий способ описания отражающих (светорассеивающих) свойств поверхности - задание двунаправленных функций отражения/пропускания (ДФО/ДФП). ДФО - это функция, представляющая собой отношение яркости описываемого объекта в заданном направлении наблюдения \\>ои1 к его освещенности с направления По определению ДФО есть функция четырех переменных: двух координат, определяющих направление падения света (0т, (р1П), и двух координат, определяющих направление рассеяния света (вои„ (рои). В нашем программном комплексе используются ДФО, основанные на физических данных. Они могут быть измерены или смоделированы. Поэтому используется табличное

представление ДФО. Сетка входных и выходных направлений ДФО может иметь различную размерность в зависимости от требований к быстродействию и точности представления.

Получить корректную двунаправленную функцию отражения и пропускания поверхности можно непосредственным измерением образца материала. В самом общем виде схема измерений проста: на образец поверхности под разными углами направляют луч света и проводят измерение отраженного света для различных углов наблюдения. Этот процесс повторяют для разных длин волн. Проблема здесь заключается в том, что в силу многомерного характера ДФО количество измерений, которые необходимо провести, измеряется десятками и сотнями тысяч. Поэтому при разработке реальных измерительных установок стремятся тем или иным образом оптимизировать этот процесс, в частности, распараллелить его, чтобы получать за одно измерение значения ДФО одновременно для некоторого множества значений входных параметров.

При разработке измерительного комплекса важно было учесть специфику ДФО/ДФП, используемых в компьютерной графике. Часто для поверхностей характерны высокий градиент функции в направлении зеркального отражения (для ДФО) и пропускания (для ДФП). Поэтому конструкция прибора и методика измерений должны обеспечивать высокое угловое разрешение координатной сетки в указанных областях. Сокращение времени измерений было достигнуто с помощью формирования одного изображения, содержащего все отраженные направления, и его последующей цифровой обработки. Изображения фиксируются с помощью цифровой фотокамеры. Таким образом, предлагаемое решение находится на стыке трех научных направлений - оптических измерений, компьютерной графики и обработки изображений.

ДФО определяется как отношение энергии света, отраженного в некотором направлении, к энергии падающего света, поэтому необходимо измерять обе эти величины. Для измерения энергии падающего света некоторая фиксированная ее часть (около 8%) ответвляется при помощи стеклянной пластины в опорный канал и измеряется каждый раз напрямую. Свет от лампы, пройдя через монохроматор, отражается от одного из зеркал и падает на образец через входное отверстие, расположенное на «экваторе» полусферы. В центре полусферы помещается образец. Входные концы световодов вмонтированы в отверстия, высверленные в полусфере (рис. 3). Линза собирает свет, рассеиваемый образцом в направлении зеркального отражения, и фокусирует его на круглой пластине из матированного стекла, которая находится в центре прямоугольного экрана. На том же экране смонтированы выходные торцы световодов, идущих от полусферы, а также выходной торец световода опорного канала. ПЗС камера формирует изображение этого экрана.

Рис. 3 - Экран с выходами световодов и диффузной пластиной

Комплекс регистрирует одновременно все предусмотренные конструкцией компоненты ДФО или ДФП для заданной длины волны и при установленном значении угла падения света. Для фиксированного угла падения производится сканирование всей спектральной области измерений при помощи управляемого компьютером монохроматора. Указанные действия составляют основу измерительного цикла для заданного угла падения и проводятся автоматически. Действия, обеспечивающие изменение угла падения (изменение положений зеркал, поворот образца), производятся вручную. При измерении ДФО для типичного образца с автомобильной краской время, затрачиваемое на ручные действия, составляет примерно 70 минут. В то же время измерение данных только для одного угла падения (а всего их 5) для всех длин волн с подбором выдержки может занимать больше часа. И эта часть измерений делается в автоматическом режиме.

Рис. 4 - Схема программной части измерительного комплекса

15

Три блока измерительного комплекса являются программно управляемыми: монохроматор, ПЗС камера и фильтры опорного канала. На рис. 4 приведена схема программной части измерительного комплекса, также показаны программно управляемые блоки и передаваемые им данные. Сформированное при помощи ПЗС камеры изображение поступает в управляющий компьютер, который после первичного анализа принимает решение либо принять изображение для обработки, либо повторить его съемку с измененной выдержкой. Для того чтобы на изображении с новой выдержкой опорный канал не выглядел засвеченным или слишком темным, устанавливается фильтр опорного канала, соответствующий новой выдержке. В результате обработки всех изображений для разных длин волн получается ДФО (или ДФП) в спектральном представлении.

Разработанный измерительный комплекс сравнивался с существующими измерительными приборами как академическими, так и коммерческими. Сравнения проводились для результатов измерений одного и того же набора образцов. Были сделаны сравнения с установками Краковского тех. университета, Murakami GCMS-4 и установками компаний X-Rite и Radiant Imaging. В результате сравнений можно сказать, что разработанный комплекс является практически уникальным. По точности результатов измерения ДФО его можно сравнить только с установкой Murakami. Остальные измерительные комплексы либо проигрывают существенно в точности, либо не измеряют ДФО целиком.

Одним из примеров практического использования, подтверждающего высокую точность проводимых измерений, может служить проект концерна Airbus по моделированию салона самолета А320. В построенном реальном макете были замерены физические значения освещенности и сделаны фотографии. Образцы всех используемых материалов были измерены на описанном измерительном комплексе. Визуальное сравнение фотографии реального макета и реалистичного изображения, сгенерированного с помощью нашей системы, представлено на рис. 5. Несмотря на некоторое расхождение, в целом картина распределения освещенности была рассчитана верно, в большинстве измеренных точек значения практически совпали.

Рис. 5 - Визуальное сравнение реального макета (слева) и сгенерированного реалистичного изображения (справа)

В программном комплексе реалистичной визуализации 1пБр1гег2 измеренные данные организуются в библиотеку оптических свойств поверхностей. Создана большая и по-своему уникальная библиотека измеренных данных.

Однако не всегда возможно измерить образцы материалов. В одних случаях образцы недоступны, в других же необходимые материалы находятся в процессе разработки, т.е. просто еще не существуют. По этой причине были разработаны алгоритмы для моделирования оптических свойств материалов, в частности, моделирование оптических свойств ткани. Ткани и другие текстильные материалы широко используются в повседневной жизни и, соответственно, в программных приложениях компьютерной графики часто бывает необходимо задавать их оптические свойства. Одним из ярких примеров может служить расчет освещения салона самолета: в салоне тканевыми материалами покрыто большое количество поверхностей, и без данных об их отражающих свойствах точный расчет освещенности практически невозможен. Для использования смоделированных сложных оптических свойств ткани в программах реалистичной визуализации будем использовать их задание в виде двунаправленной функции отражения (ДФО).

Из литературы по текстильному материаловедению известно, что поверхность натуральных и синтетических нитей шероховатая. Для многих текстильных волокон производились измерения и известны их усредненные показатели преломления (в среднем - 1.5). Известно, что среда текстильных волокон является оптически неоднородной. Например, хлопковые волокна, состоящие из целлюлозы, содержат в себе до 12% воска и минеральных образований. Также в волокнах и нитях могут присутствовать воздушные включения, частички пыли и загрязнения разного рода. Наличие оптических неоднородностей в среде нитей приводит к рассеянию в ней света.

В соответствии с уравнениями Френеля до 95% света (в случае нормального падения на поверхность) пройдет внутрь объекта. Часть преломленного света в результате множественного рассеяния на оптических неоднородностях выйдет обратно на его поверхность. Поэтому была разработана модель взаимодействия ткани со светом, учитывающая рассеяние света внутри нитей. Поведение света внутри объема нити моделировалось с помощью метода Монте-Карло трассировки лучей. Сначала рассчитывалась ДФО нитей, а потом на их основе ДФО ткани.

Вклад в оптические свойства ткани дает отражение света от поверхностей нитей и рассеяние света их объемом. Поэтому предлагается разделить ДФО нити на две компоненты - поверхностную и объемную:

ДФО(у^т, \Voui) = ДФОпов(\уы, ууои1) + ДФОо6(\Чш, ™0и1

Поверхностную компоненту ДФО нити предлагается вычислять в соответствии с классическим методом расчета поверхностных оптических свойств объектов, предложенным Куком и Торрансом. Данный подход был выбран потому, что (1) реализует физически корректную модель

взаимодействия света и шероховатой поверхности; (2) учитывает показатель преломления объекта; (3) обладает небольшой вычислительной сложностью.

Для определения объемной компоненты ДФО предлагается собственный метод. Будем считать, что объем нити заполнен основной средой с показателем преломления равным усредненному показателю преломления хлопковых волокон (я = 1.557) и в ней распределены сферические рассеивающие частицы, обладающие показателем преломления, отличным от основного. С помощью теории Ми можно рассчитать параметры, определяющие рассеяние света в оптически неоднородной среде, а именно фазовую функцию рассеивающих частиц, их сечения рассеяния, поглощения и экстинкции. Эти значения далее можно использовать при Монте-Карло трассировке лучей в среде объема нити. Геометрически нить в работе представлялась в виде цилиндра.

Для расчета объемной компоненты ДФО предлагается рассчитать функцию объемного рассеяния (ФОР), потом вычислить объемную компоненту ДФО путем интегрирования ФОР по поверхности нити, представленной цилиндром. Пусть на поверхность dA падает свет с направления dwin. Тогда ФОР определена как:

0OP(dwin, dA, dwoul, dB) = dL0M (dw¡„, dA, dwout, dB) / dFin (dwin, dA),

ФОР показывает отношение яркости света dL0Ut, рассеянного поверхностью dB в телесный угол dwoul, к потоку dF¡„, приходящему на поверхность dA из dw¡„. Подразумевается, что яркость поверхности dB создана только потоком dFi„ за счет объемного рассеяния света в нити. Для расчета ФОР предлагается проводить Монте-Карло трассировку лучей в объеме нити следующим образом. Для небольшого участка поверхности нити в направлении объема нити с полусферы входных направлений падения света испускается множество фотонов. В соответствии с параметрами рассеивающей среды, представляющей объем нити, каждый из фотонов либо поглощается, либо выходит на поверхность нити в результате множественного рассеяния. Для каждого из вышедших фотонов точка и направления его выхода регистрируются. По окончании моделирования распространения света в объеме нити ФОР нити вычисляется следующим образом:

0OP(dwin, dA, dwoul, dB) = - F°a

^•с/Я-соз^,)-^

где Рои, есть сумма энергий всех лучей, вышедших в направлении ¿\\\<ш из элемента й?б, Г,„ - сумма всех энергий лучей, приходящих на dA с направления dwin, вош - направление выхода лучей, определяемое dwoul.

Вычисленная ФОР нити является свойством нити. Необходимо отметить ее важное свойство, которое позволяет рассчитать ДФО предложенным в работе способом. Поскольку нить является круговым цилиндром, то если освещаемый элемент сетки на поверхности нити «сдвигается» вдоль нити и/или «поворачивается» вокруг ее центра, то вся ФОР также «сдвигается» и/или «поворачивается».

Если для некоторой окрестности элемента поверхности с1В задана ФОР, то тогда для <3В можно вычислить ДФО путем интегрирования ФОР:

ДФОм(сЬ'т, с!ыои1) = \ФОР(с1№т, с1А, <Ь»оиЬ с1В)с1А.

После получения ДФО нити ДФО ткани в целом можно рассчитать двумя способами. Первый - ДФО ткани представляет собой усредненное значение ДФО образующих ее нитей, второй - расчет ДФО ткани методом Монте-Карло трассировки лучей.

Для целей проверки корректности разработанного подхода были произведены измерения ДФО реального образца ткани из красного хлопка на установке, описанной выше. Далее необходимо было получить на основе рассчитанных данных параметры, аналогичные измеренному коэффициенту яркости реальной ткани. Для этого производились следующие вычисления:

1) В сцене с моделью ткани устанавливался источник параллельного белого света с выбранным направлением освещения.

2) Для каждого из выбранных направлений наблюдений устанавливалась камера и производилась визуализация ткани.

3) Значения пикселей, принадлежащих ткани, суммировались.

4) Каждая величина К, в, В нормировалась следующим образом. Ее значение для модели ткани при нормальном падении и отражении света приравнивалось к соответствующему измеренному значению коэффициента яркости. Рассчитывался коэффициент соответствия, на который были умножены все остальные значения Я, в, В.

В итоге стало возможным провести сравнение рассчитанных и измеренных данных. На рис. 6 приведены графики рассеяния света моделью ткани (красная сплошная кривая) и реальным образцом (синяя пунктирная кривая) в плоскости падения света. На всех графиках по оси абсцисс отложены направления отражения света в пределах от -60 до 70 градусов.

-60 43 20 о — — Рс*»««* •>*

•60 -40 -20 0

— — Рслпьчлчим*

-.....Модул»

.....Лаыбсщ. Куи-Тосвх

•20 0 20 40 «0

-------Л ¿«лЬ-рт. Куп-Тоииие

0° с нормалью 30° с нормалью 45° с нормалью 60° с нормалью Рис. 6 - Рассеяние света классической моделью, разработанной моделью и реальной тканью при различных направлениях падения света

Из графиков видно, что рассеяние света моделью и реальной тканью имеет качественное соответствие, а также что реализованный подход улучшает соответствие картин рассеяния света моделью и реальной тканью по сравнению с классическим подходом (зеленая кривая из точек).

Кроме качественного совпадения графиков рассеяния света удалось добиться определенного соответствия в части моделирования цвета ткани при

разных условиях освещения. Было проведено сравнение компонент цвета в системе HSV для рассчитанных и измеренных данных (таблица 1).

Таблица 1. Компоненты цвета в системе HSV для измеренных и рассчитанных данных

I мчсйтаиэ? ЩВШШШ^ чиспш^з-

[__чтлгиг^о_¿iüMi_¿¿¿¡¿¡¿¿и-

Реальная ткань 0.98 0.99 0.8

Рассчитанные данные 0.97-0.99 0.99 0.8

Разработанное решение дает приемлемые результаты при визуализации цвета ткани при различных условиях освещения.

В третьей главе рассматриваются методы получения оптических характеристик поверхностей, покрытых многослойными автомобильными красками или принтерными чернилами. В случае когда присутствует покрытие материала краской или слоем лака с взвешенными частицами, необходимо моделировать взаимодействие света с покрывающим слоем.

Достаточно распространенными покрытиями являются современные краски с металлическими и перламутровыми эффектами, чей внешний вид изменяется в зависимости от условий освещения и наблюдения. Они применяются, в частности, для окраски автомобилей. Именно внешний вид изделия часто определяет его коммерческий успех. Используя средства компьютерной графики, можно понять, как будет выглядеть изделие уже на начальных стадиях создания его модели. Чтобы разработка таких красок была эффективной, моделирование внешнего вида должно выполняться с интерактивной скоростью.

Для моделирования цвета требуется вычислить распределение отраженного света (ДФО), аккуратно учитывающее многократное рассеяние света в объеме краски. В предлагаемом методе модель краски состоит из плоскопараллельных однородных слоев, каждый из которых составлен из прозрачного лака и взвешенных в нем пигментных красящих частиц и интерференционных чешуек. Каждый слой краски расщепляется на множество тонких субслоев таким образом, чтобы внутри каждого субслоя можно было бы пренебречь многократным рассеянием. Это позволяет описывать рассеяние в тонких субслоях в аналитическом виде. Рассеяние света каждым слоем краски вычисляется с помощью распределения рассеяния тонкими субслоями методом удвоения.

Для расчета светоотражающей характеристики краски необходимо промоделировать движение света сквозь заданные слои ее структуры до отражения от подложки и обратно. Рассеяние света всей краской вычисляется с помощью рассеяния на каждом слое методом сложения. Такой подход делает возможным аккуратный учет многократного рассеяния в сложных средах. Он позволяет сформулировать в аналитическом виде весьма точное приближение для ДФО красок с перламутровым эффектом. Методы сложения и удвоения применяются к уравнению переноса излучения, преобразованного к форме, удобной для таких задач. В предложенном же подходе для решения интегрального уравнения переноса применяется прямой сеточный метод.

Данная аналитическая модель была специально разработана для описания рассеяния света на ансамблях гладких металлических или перламутровых пластинок. Она весьма точна, когда пластинки расположены внутри почти прозрачного вещества с низкой концентрацией пигментов. Последнее условие выполняется в случае реальных красок.

Была реализована также «полная» модель вычисления ДФО. Она основана на Монте-Карло трассировке лучей в прозрачной среде лака. При пересечении луча с пигментом или с чешуйкой дальнейшее направление выбирается в соответствии с фазовой функцией данной частицы. Это дает возможность рассчитать ДФО краски более точным методом.

Модель краски является важной составляющей разработанного интерактивного программного комплекса моделирования внешнего вида красок, исходя из их состава. Структура комплекса представлена на рис. 7.

Интерфейс пользователя

Расчет ДФО

Быстрая генерация реалистичногс изображения

Рис. 7 - Схема программного комплекса интерактивного моделирования многослойной краски

Предварительные расчеты сцены

Трассировка лучей

Ввод и расчет красящего слоя

Визуализация

Параметры структуры красящего слоя

Для каждого пиксела-пути лумей. параметры пересекаемых

Интерфейсная часть программного комплекса позволяет полностью задать структуру моделируемой краски. Параметры могут быть изменены в интерактивном режиме в технологически допустимых пределах. Используя эти параметры и структуру краски, вычисляется ДФО для описанной многослойной модели. Полученная ДФО поступает в модуль быстрой визуализации виртуальных сцен, содержащих объекты, окрашенные разрабатываемой краской. Так как трассировка лучей требует значительного времени, то основная идея интерактивной визуализации состоит в использовании заранее протрассированных лучей вместе с необходимыми вспомогательными данными. Количество трассируемых лучей в рассматриваемых задачах может достигать миллионов или даже миллиардов в зависимости от сложности сцены, размерности изображения. Поэтому карты трассируемых лучей сохраняются на диске в процессе предварительного расчета. На этапе интерактивной визуализации карты

трассируемых лучей загружаются по мере необходимости, оптические свойства поверхностей, окрашенных краской, заменяются на рассчитанную ДФО, и формируется итоговое реалистичное изображение. Время визуализации не зависит от сложности геометрии сцены. Например, время, необходимое для вычисления ДФО двухслойной краски с перламутровым эффектом и визуализации изображения с разрешением 640 х 480 пикселей, -всего около 0.14 секунды. В итоге предлагаемый программный комплекс также является пригодным для интерактивной разработки новых красок.

Задача автоматического подбора состава краски по внешнему виду существующей краски является одной из востребованных в автомобильной промышленности. Современные краски имеют достаточно сложный внутренний состав; ингредиенты краски, процесс ее создания часто являются закрытой информацией. Для проверки возможностей программного комплекса моделирования красок решать задачу подбора компанией Merck были предоставлены 4 образца реальных красок. ДФО этих образцов были измерены на измерительном комплексе, описанном выше. После этого была предпринята попытка воссоздать состав этих красок в предположении, что реальная краска состоит из одного слоя. Удалось получить достаточно близкий цвет восстановленной краски (рис. 8), однако во всех случаях полное совпадение достигнуто не было. Данный эксперимент можно рассматривать как первый шаг к решению задачи автоматического подбора состава краски. На рисунке 8 левая сторона каждой сферы окрашена измеренной ДФО реального образца, а правая сторона - ДФО, рассчитанной с помощью программного комплекса моделирования краски.

Рис. 8 - Визуализация измеренной (левая половина сферы) и рассчитанной (правая половина) ДФО перламутровых красок

Полученные в результате моделирования ДФО красок могут быть использованы для физически корректных расчетов освещенности в трехмерных сценах, содержащих окрашенные объекты.

Результаты моделирования красок оказались весьма успешными и позволили перейти к более сложной задаче моделирования и визуализации покрытий с высокой концентрацией пигментных частиц, например, при разработке новейших типов принтерных чернил для фирмы Seiko Epson. С точки зрения компьютерной графики задача визуализации принтерных чернил выглядит похожей на предыдущую. Нам нужно также сформировать двунаправленную функцию отражения (ДФО) поверхности для окрашенного слоя, состоящего из прозрачной среды (лака) и красящих пигментных частиц.

Но малые размеры частиц и их высокая концентрация полностью меняют вычислительные методы, применимые для данного случая. Вычислительная сложность связана не только с необходимостью использовать методы решения волновых уравнений для моделирования всего слоя, но и с последующим формированием ДФО (функции, определенной для «дальних» расстояний) из полученного волнового решения. В литературе по компьютерной графике работ, посвященных моделированию покрытий с высокой концентрацией частиц, найти не удалось. Задача требует больших вычислительных ресурсов, и интерактивная скорость пока невозможна.

В задаче надо визуализировать слой принтерных чернил, используемых при печати фотографий, нанесенный на бумагу. Красящий слой состоит из малых частиц пигмента с размерами ~ 100+500 нанометров при объемной концентрации пигмента, доходящей до 50%. Малые размеры частиц, высокая концентрация и малая толщина слоя 1 микрона) не позволяют применять уравнение переноса излучения, как в случае с многослойными красками. Поэтому был разработан программный комплекс, в котором непосредственно решаются волновые уравнения, естественно, при некоторых ограничениях и упрощениях.

Основное упрощение касается самого использованного волнового уравнения, в качестве которого было выбрано так называемое скалярное приближение, уравнение Гельмгольца, так как оно требует значительно меньше компьютерных ресурсов. Скалярное приближение широко применяется в оптике при расчетах распространения неполяризованного излучения. В случае стохастических сред сильное и в значительной степени изотропное рассеяние приводит к деполяризации излучения. В этом случае применение скалярного приближения вполне оправдано.

Также для начальных расчетов использовалась упрощенная модель, в которой слой чернил располагается над бумагой и не имеет с ней оптического контакта (рис. 9). Это означает, что модель пренебрегает процессом диффузии чернил внутрь бумаги.

Рис. 9 - Красящий слой (синий), расположенный на бумаге, и переотражения света между слоем и подложкой. Для наглядности расстояние между слоем и подложкой преувеличено. Первичное освещение показано жирной стрелкой.

Рассеяние вычислялось для бесконечного плоского красящего слоя, составленного из одного элементарного фрагмента размерами ~ 10 х 10 микрон, а затем периодически повторенного в двух измерениях.

Использование периодических структур - это прием, достаточно часто применяемый в оптических расчетах. В таком случае угловые распределения рассеянного света в дальней зоне содержат конечное дискретное число направлений. Чтобы получить гладкие угловые распределения, т.е. ДФО, необходимо произвести расчеты для различных (случайных, но подчиняющихся одной и той же статистике) реализаций элементарного фрагмента, а затем усреднить результаты по ансамблю таких реализаций. В данном случае расчеты проводятся для монохроматического освещения. Поскольку излучение с разными длинами волн взаимно некогерентно, то построение спектральных ДФО никаких трудностей не вызывает.

Экспериментальное измерение реальной геометрии слоя практически невыполнимо. Поэтому возникает необходимость генерации такой геометрии с помощью численной процедуры. Были проанализированы многочисленные изображения слоя с различных микроскопов. На базе этого анализа была создана модель структуры реальных красящих слоев, состоящих из прозрачного связующего вещества, наполненного зернами пигмента различной формы. Предложенный алгоритм генерации геометрии можно описать следующим образом. Сначала в расчетной области случайно разбрасывается необходимое число частиц, которые могут пересекаться между собой. Затем между частицами вводится упругое взаимодействие, которое приводит к возникновению сил между пересекающимися частицами или при пересечении частицей границы области. Под действием сил частицы могут перемещаться (и вращаться), и таким образом пересечения между ними и с границами устраняются. После того как геометрия красящего слоя получена, вычисление распределения коэффициента преломления на пространственной сетке (исходные данные для задачи дифракции) не вызывает никаких затруднений.

Для решения задачи дифракции необходимо проинтегрировать уравнение Гельмгольца во всей области, включая красящий слой и воздух по обе стороны от него. Пространство разделяется на три части: воздух выше красящего слоя, сам слой и воздух ниже слоя. В полупространствах, заполненных воздухом, показатель преломления постоянен, а уравнение имеет хорошо известные аналитические решения. Для поля внутри красящего слоя аналитическое решение не существует, поэтому решение находится с помощью численной процедуры.

Для получения итогового ДФО бумаги с нанесенными чернилами необходимо протрассировать сцену, показанную на рис. 9, и проанализировать отраженный свет на бесконечном удалении. При рассеянии луча на красящем слое используется результат решения дифракционной задачи. С достаточной точностью бумагу можно моделировать как плоскую поверхность, обладающую Ламбертовским отражением с интегральным коэффициентом отражения, близким к 1. Для расчета сцены используется Монте-Карло трассировка лучей. В итоге нам не нужна гладкая функция рассеяния красящего слоя, а достаточно использовать волновое решение в

полученном виде, т.е. набор рассеянных волн - направлений рассеянной энергии.

В разработанный программный комплекс входит интерфейсная программа, посредством которой пользователь может задать параметры красящего слоя, вычислительные параметры, характеристики подложки, условия освещения и визуализировать структуру красящего слоя в увеличенном масштабе для проверки его задания. Интерфейсная программа сделана на базе браузера трехмерных сцен 1шр1гег2, поэтому можно также перемещаться по структуре красящего слоя. Интерфейсная программа вместе с генератором геометрии составляют блок ввода данных и параметров вычисления. Отдельными блоками являются также модуль волновых вычислений и модуль вычисления ДФО красящего слоя на подложке. Так как объем данных, передаваемых между блоками, является большим, они передаются через промежуточные файлы. Структура программного комплекса представлена на рис. 10.

Ввод и визуализация структуры красящего слоя

Волновые вычисления

Расчет ДФО чернил на бумаге

Рис. 10 - Структура программного комплекса моделирования чернил

Разработанная структура программного комплекса является достаточно гибкой. Она позволила выделить наиболее сложную часть комплекса - расчет волнового решения в слое - в отдельную программу, независимую ни от спецификации входных данных, ни от их дальнейшей обработки. В результате разработанный комплекс легко может быть применим для других задач расчета оптических характеристик поверхностей. Для примера рассмотрим вычисление свойств поверхности с микрорельефом, размерности (высоты) которого имеют значения порядка микрона. Такие поверхности встречаются в светопроводящих системах, используемых в панели приборов автомобилей и самолетов. Для этой задачи необходимо изменить генератор геометрии, который достаточно прост: узлы ниже микрорельефа содержат показатель преломления материала пластины, а выше - показатель

преломления воздуха. Также изменяется сцена, которую нужно протрассировать для получения распределения рассеянного пучка. Самый сложный модуль волновых вычислений используется без изменения.

Четвертая глава посвящена еще одному аспекту автоматизации построения реалистичных изображений - скорости генерации изображения.

Методы моделирования распространения света в виртуальной сцене ресурсозатратны. В то же время пользователи предъявляют все более высокие требования к скорости выполнения расчетов без существенной потери качества реалистичного изображения, что является необходимой составляющей повышения производительности их труда.

Программный комплекс реалистичной визуализации Inspirer2 используется во многих научных и промышленных организациях по всему миру для расчета распределения освещенности и предсказания внешнего вида продукции. В этом классе приложений применение суперкомпьютеров и даже кластеров компьютеров не является приемлемым для пользователя. С точки зрения пользователей «идеальной» компьютерной платформой является ноутбук или многоядерный персональный компьютер. При этом они хотели бы получать высокореалистичные изображения в реальном времени или режиме, близком к нему.

Исходя из этой предпосылки и ресурсоемкости моделирования распространения света, выделим четыре основных класса скорости визуализации:

1) Реальное время. Реальное время характеризуется генерацией изображений со скоростью более 25-30 кадров в секунду. Реакция на действия пользователя происходит быстро и «гладко», т.е. он практически не видит задержки отклика на свое действие.

2) Интерактивный режим. Интерактивный режим характеризуется скоростью генерации изображения от 10-15 до 0.5-1 кадров в секунду (т.е. до 1-2 секунды на кадр). Реакция на действия пользователя происходит за «разумное» время, но явно видна задержка визуализации. Однако в данном временном промежутке пользователь все еще интуитивно считает реакцию программного комплекса достаточной для проведения каких-либо интерактивных операций, например, движения камеры.

3) Приемлемое время отклика. Приемлемое время отклика характеризуется временем генерации изображений от нескольких секунд до 1-2 минут. При этом времени уже нельзя говорить об интерактивной реакции, однако, в терминологии Интернета, у пользователя еще остается ощущение присутствия «on-line», т.е. того, что программный комплекс непосредственно выполняет его команду.

4) Фоновый режим. Этот режим характеризуется временем генерации изображения от нескольких минут. Такие долгие вычисления уже неприемлемы при работе в интерактивном режиме программного

комплекса и должны переноситься в фоновый режим, давая возможность пользователю заниматься другими задачами.

На данном этапе получение скорости визуализации в реальном времени для производственных сцен возможно только с помощью графических ускорителей. Для визуализации в реальном времени использовалась платформа OpenGL. При разработке OpenGL визуализации ставилась задача максимально приблизить получаемое изображение к изображению, полученному трассировкой лучей. Для следующих важных элементов восприятия реалистичности изображения были реализованы соответствующие алгоритмы: (1) наличие теней от источников света; (2) дневное освещение для сцен вне помещений; (3) зеркальные отражения для зеркал, стекол, глянцевых покрытий; (4) эффекты вторичной освещенности; (5) поддержка визуализации ДФО поверхности. Практическое использование этого режима визуализации показало, что программный комплекс способен строить вполне реалистичные изображения с естественным освещением, визуализацией ДФО, вторичной освещенностью в реальном времени на сценах, состоящих из сотен тысяч треугольников.

Расчет корректной глобальной освещенности обычно занимает значительное время. В то же время полученные результаты моделирования освещения хотелось бы визуализировать в режиме реального времени, предоставить возможность пользователю виртуально передвигаться по модели. Использование формата представления трехмерных сцен VRML расширяет возможности визуализации, т.к. освещенность может быть рассчитана на мощном компьютере, а их визуализация и просмотр - на популярных сейчас планшетах. Учитывая, что в рассчитанных сценах широко применяются текстуры, наиболее практическим подходом является представление освещенности с помощью текстур для всех поверхностей.

Основной проблемой использования текстур для представления освещенности в VRML формате является проблема их большой размерности. Графические ускорители, используемые браузерами VRML файлов, имеют ограничения по объему используемых текстур. При превышении этого объема либо часть текстур перестает воспроизводиться, либо скорость воспроизведения существенно падает. Поэтому задача экспорта результатов моделирования освещенности в VRML формат состоит в обеспечении максимально возможного качества экспортируемых карт освещенности при заданных ограничениях - количестве и разрешении текстур. Разумным решением является упаковка некоторого множества таких текстур в одну — так называемый «атлас» (посредством DirectX SDK). Количество атласов, их разрешение выбирается пользователем в зависимости от возможностей оборудования и требуемого качества изображения.

Оптимизация качества текстур освещенности происходит следующим образом. Сначала вся геометрия сцены разбивается на компоненты так, чтобы для каждой из них можно было определить отображение поверхности на плоскость текстуры. Для каждой такой группы строится текстура освещенности с достаточно высоким разрешением для получения высокого

качества изображения. Потом происходит простое сжатие построенных текстур до минимального значения (объединяются пикселы с разницей освещенности меньше заданного порога). После этого построенные текстуры упаковываются в атласы. Для этого все текстуры разбиваются на группы, каждая из которых будет упакована в отдельный атлас. Для больших сцен суммарный объем текстур существенно превосходит суммарное разрешение максимально допустимого количества атласов. Был разработан алгоритм, позволяющий уменьшить разрешение всех текстур примерно одинаково, чтобы их качество было бы равномерно по всей сцене.

На рис. 11 показана изначально рассчитанная освещенность и визуализация полученного в результате экспорта VRML файла (справа). Видно, что качество представления освещенности практически не ухудшилось. При этом генерация изображения методом трассировки лучей требует -47 минут (Intel Core2 Duo 1.2GHz). А полученный VRML файл может быть визуализирован практически в режиме реального времени.

Рис. 11 - Изначальная рассчитанная освещенность салона самолета (слева) и

освещенность в VRML формате с упакованными текстурами (справа)

Ослабляя требование визуализации в реальном времени и переходя к классу интерактивной визуализации, мы уже можем говорить о построении изображения с помощью физически корректного метода трассировки лучей. С ростом вычислительной мощности современных микропроцессоров трассировка лучей «в реальном времени» становится все более популярной в компьютерной графике. Существует два основных подхода к ее реализации: трассировка лучей на графических процессорах и применение SIMD (SSE) инструкций для когерентной трассировки.

Алгоритмы трассировки лучей на графических процессорах (GPU Ray Tracing) развиваются сейчас бурными темпами. Однако недостаточная гибкость подсистемы памяти, отсутствие возможности выделять память динамически, отсутствие 64-битной адресации порождает много трудностей при реализации алгоритмов со сложными структурами данных, которые требуются для физически корректного моделирования распространения света. Поэтому они пока все еще не применимы для создания универсального программного комплекса реалистичной визуализации.

Использование SSE инструкций для когерентной трассировки лучей существенно ускоряет процесс генерации изображений и приводит для некоторых сцен к интерактивной визуализации. SSE операции выполняются

над четырьмя 32-битными числами одновременно. Таким образом, SSE трассировка лучей позволяет трассировать четыре луча параллельно. Относительно однолучевой трассировки алгоритм принципиально не изменяется. Для ускорения трассировки использовался метод представления пространства в виде бинарного (BSP) дерева. Четыре луча, трассируемые одновременно благодаря SSE, могут попасть в различные ветви дерева. По существу, это означает, что необходима временная блокировка нескольких лучей из четверки. Для этого используется маска активных лучей. Маска блокирует лучи, которые не проходят через текущую ветвь BSP дерева, и те, для которых первое пересечение уже найдено. Маскирование - это широко используемый прием в SSE программировании, который уменьшает ветвление и позволяет сделать алгоритм более потоковым.

Поскольку когерентная трассировка лучей дает ускорение в 2-3 раза в сравнении с обычной трассировкой, другие части алгоритма физически корректной визуализации становятся узким местом производительности.

Была реализована когерентная обработка материалов, текстур и ДФО. Для наиболее сложного случая обработки ДФО было достигнуто ускорение около 3.2 раза в среднем, что меньше 4, поскольку вычисление ДФО содержит множество ветвлений, снижающих эффективность использования SSE. Одновременно обрабатывается только один материал. Если четверка лучей попадает в разные материалы, то они обрабатываются по очереди. При этом ненужные в данный момент лучи маскируются.

Для источников света была сделана когерентная реализация. Алгоритм работает одновременно только с одним источником света. Для большинства типов источников света выполняются те же вычисления, только сразу для четверки лучей. Ситуация усложняется для точечных источников света с гониограммами, т.к. они представлены двумерной нерегулярной таблицей. Для большинства источников света ускорение превысило 4. Дополнительное ускорение достигнуто за счет модификации алгоритмов.

В итоге алгоритмы физически корректной когерентной визуализации ускоряют генерацию изображения более чем в 2.5-3 раза. В таблице 2 приведены результаты сравнения скорости визуализации с включенным и выключенным SSE режимом для трех сцен для компьютера Intel Core2 Quad 2.5 GHz. Изображения строились в разрешении 1024 х 768 пикселей.

Таблица 2. Сравнение скорости визуализации.__

Сцена Cockpit Lexus VWPolo

Количество 291 К 725 К 198 К

треугольников

Количество источников 4 4 2

Ускорение (раз) 2.3 3.1 2.6

Время без SSE (сек.) 4.7 4.9 1.5

Время с SSE (сек.) 2.0 1.6 0.6

Достигнутая скорость визуализации меньше 2 секунд на кадр для производственных сцен является для многих приложений уже вполне

приемлемой, позволяющей пользователю работать с системой в интерактивном режиме.

Любое время генерации изображения, превышающее несколько секунд, уже может быть названо достаточно длительным в зависимости от ожиданий пользователя. Здесь выделяются два класса скорости визуализации: приемлемое время отклика и построение изображения в фоновом режиме. Отличительной чертой этих классов можно считать то, что ресурсозатратный расчет глобальной освещенности производится не заранее, как это было для реального времени и интерактивной визуализации, а в процессе построения изображения. Это дает возможность от изображения к изображению менять условия освещения сцены.

Термин «приемлемое время отклика» был введен в проекте разработки сервиса построения реалистичного изображения через Интернет, время было ограничено 1-2 минутами. Термин означал, что данное время пользователь сервиса еще готов ждать реакции системы на свою команду.

Для создания Интернет-сервиса построения реалистичных изображений был реализован программный комплекс ЬкегпеЬ Приложения на основе этого программного комплекса позволяют создавать активные Интернет презентации, где посетитель сайта сам может выбирать всевозможные опции визуализации, моделировать сцену, при этом соответствующие изображения синтезируются в процессе сеанса работы в Интернете. Ключевым требованием было то, что генерируемые изображения должны быть получены в результате физически корректного моделирования распространения света, включая расчет глобальной освещенности. В то же время, в условиях доступа к приложениям через Интернет критически важным является обеспечение разумного времени отклика. Достижение этих двух противоречащих друг другу целей потребовало значительных усилий по разработке соответствующих архитектурных, алгоритмических решений.

Для ускорения расчета глобальной освещенности использование псевдослучайной числовой последовательности было заменено на использование квазислучайных выборок. Преимущество квази- Монте-Карло метода заключается в значительно меньшем стохастическом шуме, а также, при определенных условиях, более высокой скорости сходимости. Кроме алгоритмических методов для максимального ускорения синтеза изображений и расчета глобальной освещенности были также реализованы параллельные вычисления. Общая эффективность ускорения является результатом компромисса при использовании алгоритмических (квази-Монте-Карло, исключение первичных лучей) и аппаратных методов. Таким образом, разработанные методы ускорения вычислений позволили довести время расчета освещенности для достаточно сложных фиксированных сцен до десятков секунд, а в отдельных случаях - даже до нескольких секунд. Такие времена можно считать приемлемыми для Интернет-приложений, синтезирующих реалистичные изображения на основе физически корректного моделирования освещенности.

К сожалению, не всегда мы можем получить изображения высокого качества за приемлемое время отклика. Сцены могут быть настолько сложными, что расчет глобальной освещенности потребует десятков часов. В этом случае расчет должен проводиться в фоновом режиме. Для таких долгих вычислений важным становится прогнозирование времени окончания расчета. Зная, когда закончатся вычисления, пользователь может более эффективно планировать свое время.

В нашем программном комплексе базовым методом расчета глобальной освещенности является прямая Монте-Карло трассировка лучей. Для пользователя актуальна оценка точности моделирования. И от оценки точности мы можем перейти к прогнозированию времени, необходимого для достижения желаемой точности. Для прогнозирования используется хорошо известная теоретическая зависимость:

'""Тг

(<т„,— относительная ошибка вычислений, I - время).

Для метода Монте-Карло ошибка может быть определена как дистанция между идеально правильной картой освещенности и вычисленной картой. Принимая во внимание, что размеры и форма треугольников, на которых запоминаются карты освещенности, меняются по сцене, необходимо выполнить усреднение вычисленной дистанции по суммарной площади всех треугольников сцены. В итоге мы получаем среднеквадратическое отклонение рассчитанного распределения глобальной освещенности от идеальной карты освещенности. Основным недостатком такого определения является невозможность применения его на практике, т.к. идеальная карта освещенности нам неизвестна. Поэтому в условиях реального моделирования в качестве оценки идеальной карты используется карта, вычисленная при других начальных значениях датчиков случайных чисел. Было принято решение использовать в качестве двух независимых карт освещенности «четную» и «нечетную» карты. При этом выражение для оценки погрешности вычисления глобальной освещенности примет вид:

1

5

где: Енечет - карта освещенности, вычисленная для нечетных лучей, Ечет - карта освещенности, вычисленная для четных лучей, 5 - суммарная площадь поверхности всех треугольников, на которых была рассчитана карта освещенности.

Таким образом мы можем оценить прогнозируемое время, необходимое для достижения заданной точности. Очевидно, что высокая степень точности прогноза времени моделирования возможна при значительном количестве протрассированных лучей (Л) лучей. Алгоритмы оценки точности и прогнозирования времени моделирования не являются трудоемкими с точки зрения вычислительных ресурсов, поэтому оценка точности и прогноз могут вычисляться без видимой задержки времени моделирования.

В заключении сформулированы основные результаты работы.

Основные результаты работы заключаются в следующем:

1. Разработан комплекс программных технологий и методов, позволяющих автоматизировать процесс спецификации виртуальной сцены и исходных данных для моделирования распространения света в различных оптических средах и синтеза реалистичных изображений. Созданные технологии и алгоритмы позволяют существенно снизить трудоемкость процесса описания сцены. В результате появляется возможность эффективно задавать физически корректные оптические характеристики поверхностей и материалов, источников освещения, окружающей обстановки для их использования в приложениях компьютерной графики и визуализации.

2. Разработаны теоретические основы повышения производительности реалистичной визуализации. Предложены эффективные подходы, методы и алгоритмы, значительно ускоряющие процесс генерации реалистичных изображений. Они, в частности, позволяют визуализировать сложные производственные виртуальные модели и сцены в интерактивном режиме с использованием обычных бытовых компьютерных платформ.

3. На основе созданных технологий и алгоритмических решений реализованы и внедрены в научную и промышленную практику программные комплексы моделирования освещенности и синтеза реалистичных изображений. Разработан и построен высокоточный программно-аппаратный комплекс для измерения оптических характеристик материалов. Использование этих комплексов приводит к существенному повышению производительности труда проектировщиков оптических систем, дизайнеров, конструкторов.

Публикации по теме диссертации

[1] А.Г. Волобой. Метод компактного хранения октарного дерева в задаче трассировки лучей // «Программирование», № 1, 1992, с. 21-27.

[2] А.Г. Волобой, В.А. Галактионов, К.А. Дмитриев, Э.А. Копылов. Двунаправленная трассировка лучей для интегрирования освещенности методом квази- Монте Карло // «Программирование», № 5, 2004, с. 25-34.

[3] Б.Х. Барладян, А.Г. Волобой, В.А. Галактионов, Э.А. Копылов. Эффективный оператор сжатия динамического диапазона яркостей // «Программирование», № 5, 2004, с. 35-42.

[4] В.Р. Васильев, А.Г. Волобой, Н.И. Вьюкова, В.А. Галактионов. Контекстная визуализация пространственных данных // «Информационные технологии и вычислительные системы», № 4, 2004, с. 25-34.

[5] A. Ignatenko, В. Barladian, К. Dmitriev, S. Ershov, V. Galaktionov, I. Valiev, A. Voloboy. A Real-Time 3D Rendering System with

BRDF Materials and Natural Lighting // The 14-th International Conference on Computer Graphics and Vision GraphiCon-2004, Moscow, 2004, pp. 159-162.

[6] Б.Х. Барладян, А.Г. Волобой, Н.И. Вьюкова, В.А. Галактионов, Н.Б. Дерябин. Интернет сервис для моделирования освещенности и синтеза фотореалистичных изображений // 15-ая Международная конференция по компьютерной графике и машинному зрению - Графикон-2005, Новосибирск,

2005, с. 332-338.

[7] Б.Х. Барладян, А.Г. Волобой, Н.И. Вьюкова, В.А. Галактионов, Н.Б. Дерябин. Моделирование освещенности и синтез фотореалистичных изображений с использованием Интернет технологий // «Программирование», № 5, 2005, с. 66-80.

[8] А.Г. Волобой, В.А. Галактионов. Методы машинной графики в автоматизированном проектировании // Труды 5-й международной конференции "Системы проектирования, технологической подготовки производства и управления этапами жизненного цикла промышленного продукта (CAD/CAM/PDM-2005)". Москва, ИПУ РАН, 2005.

[9] А.Г. Волобой, В.А. Галактионов. Машинная графика в задачах автоматизированного проектирования // «Информационные технологии в проектировании и производстве», № 1, 2006, с. 64-73.

[10] A. Adinetz, В. Barladian, V. Galaktionov, L. Shapiro, A. Voloboy. Physically Accurate Rendering with Coherent Ray Tracing // Proceedings of GraphiCon'2006 - The 16-th International conference of Computer Graphics and Applications, Novosibirsk, 2006, pp. 8-15.

[11] Б.Х. Барладян, А.Г. Волобой, JI.3. Шапиро. Интеграция моделирования освещенности методом трассировки лучей в системы автоматизированного проектирования // 16-ая Международная конференция по компьютерной графике и ее приложениям - Графикон-2006, Новосибирск,

2006, с. 275-278.

[12] А.Г. Волобой, В.А. Галактионов, Э.А. Копылов, JI.3. Шапиро. Расчет солнечного освещения, заданного изображением с большим динамическим диапазоном // 16-ая Международная конференция по компьютерной графике и ее приложениям — Графикон-2006, Новосибирск, 2006, с. 467-472.

[13] Б.Х. Барладян, А.Г. Волобой, В.А. Галактионов, Л.З. Шапиро. Интеграция программных комплексов моделирования освещенности в системы автоматизированного проектирования и производства // Труды 6-й международной конференции "Системы проектирования, технологической подготовки производства и управления этапами жизненного цикла промышленного продукта (CAD/CAM/PDM-2006)". Москва, 2006, с. 16-20.

[14] А.Г. Волобой, В.А. Галактионов, Э.А. Копылов, Л.З. Шапиро. Моделирование естественного дневного освещения, задаваемого изображением с большим динамическим диапазоном // «Программирование», № 5, 2006, с. 62-80.

[15] А.Г. Волобой, В.А. Галактионов, C.B. Ершов, A.A. Летунов, И.С. Потемин. Аппаратно-программный комплекс для измерения

светорассеивающих свойств поверхностей // «Информационные технологии и вычислительные системы», № 4, 2006, с. 24-39.

[16] А.Г. Волобой, В.А. Галактионов, H.A. Гнездилова, К.А. Дмитриев, C.B. Ершов. Об одном подходе к визуализации тканей // «Информационные технологии и вычислительные системы», № 3, 2007, с. 71-78.

[17] Б.Х. Барладян, А.Г. Волобой, К.А. Востряков, В.А. Галактионов, J1.3. Шапиро. Применение когерентной трассировки лучей в задачах физически аккуратной визуализации // «Программирование», № 5, 2008, с. 6780.

[18] Б.Х. Барладян, А.Г. Волобой, В.А. Галактионов, JI.3. Шапиро. Двухуровневая трассировка лучей и ее применение для интерактивной визуализации и оптического моделирования // «Информационные технологии в проектировании и производстве», № 4, 2008, с. 81-88.

[19] А.Г. Волобой, H.A. Лобалзо. Метод сравнения результатов оптического моделирования ткани с физически измеренными данными // Материалы 11-ого научно-практического семинара «Новые информационные технологии в автоматизированных системах», Москва, 2008, с. 3-9.

[20] I. Valiev, A. Voloboy, V. Galaktionov. Improved model of IBL sunlight simulation // 24-th international Spring Conference on Computer Graphics -SCCG'2008, Budmerice castle, Slovakia, 2008, Proceedings, pp.37-42.

[21] N. Lobalzo, A. Voloboy. Physically Based Lighting Model for Cloth and its Validation // Proceeding of GraphiCon'2008 - The 18-th International conference of Computer Graphics and Vision, Moscow, 2008, pp. 61-68.

[22] А.Г. Волобой. Физически корректное моделирование освещенности в задачах компьютерной графики // Сборник докладов Международной научной конференции, посвященной 80-летию со дня рождения академика В. А. Мельникова, Москва, 2009, с. 72-75.

[23] Б.Х. Барладян, А.Г. Волобой, JI.3. Шапиро. Оптимизация представления карт освещенности и яркости для их интерактивной визуализации // 19-ая Международная конференция по компьютерной графике и зрению - Графикон-2009, Москва, 2009, с. 267-270.

[24] А.Г. Волобой, C.B. Ершов, Д. Д. Жданов, И.С. Потемин, JI.3. Шапиро. Анализ точности моделирования глобального освещения // 19-ая Международная конференция по компьютерной графике и зрению -Графикон-2009, Москва, 2009, с. 317-318.

[25] И.В. Валиев, А.Г. Волобой, В.А. Галактионов. Физически корректная модель солнечного освещения, задаваемая изображением с большим динамическим диапазоном // «Вестник компьютерных и информационных технологий», № 9, 2009, с. 10-17.

[26] А.Г. Волобой, В.А. Галактионов, H.A. Лобалзо. Физически обоснованная модель распространения света в ткани // «Программные продукты и системы», № 3(87), 2009, с. 71-75.

[27] А.Г. Волобой, В.А. Галактионов, C.B. Ершов, Д.Д. Жданов, И.С. Потемин, Л.З. Шапиро. Анализ точности компьютерного моделирования

сложных сцен // «Информационные технологии в проектировании и производстве», № 2, 2010, с. 83-94.

[28] А.Г. Волобой, В.А. Галактионов, Н.А. Лобалзо. Алгоритмы моделирования и визуализации оптически сложных материалов на примере ткани // «Программирование», № 4, 2010, с. 68-80.

[29] А.Г. Волобой, С.В. Ершов, Э.С. Клышинский, С.Г. Поздняков. Моделирование распространения света в тонком красящем слое с высокой концентрацией частиц // 20-ая Международная конференция по компьютерной графике и зрению - Графикон-2010, СПб., 2010, с. 155-162.

[30] Б.Х. Барладян, А.Г. Волобой, В.А. Галактионов, Л.З. Шапиро. Быстрая визуализация освещенности салона самолета // Труды 10-й международной конференции С AD/CAM/PDM-2010 "Системы проектирования, технологической подготовки производства и управления этапами жизненного цикла промышленного продукта". М., 2010, с. 78-80.

[31] А.Г. Волобой, В.А. Галактионов. Задание исходных данных для физически аккуратного моделирования освещенности // Труды 11-ой международной конференции CAD/CAM/PDM-2011 "Системы проектирования, технологической подготовки производства и управления этапами жизненного цикла промышленного продукта", М., 2011, с. 167-170.

[32] Boris Barladyan, Lev Shapiro, Alexey Voloboy. Ray maps technique for effective interrogation of results of MCRT simulation // Conference proceedings of 21-th International Conference on Computer Graphics and Vision GraphiCon-2011, Moscow, Russia, pp. 46-49.

[33] A.A. Letunov, B. Barladian, V.A. Galaktionov, S.V. Ershov, A. Voloboy & E. Zueva. Device for Measuring Spectral - Spatial Distribution of Light Dispersed by Surfaces // Annals of DAAAM for 2011 & Proceedings of the 22nd International DAAAM Symposium, 2011, pp. 1459-1460.

[34] А.И. Мещеряков, M.C. Бережецкий, В.П. Логвиненко, A.A. Летунов, О.И. Бужинский, А.Г. Волобой. Осаждение борокарбидных пленок в омическом разряде стелларатора Л-2М с использованием карборана // Вопросы атомной науки и техники. Серия Термоядерный синтез, 2011, вып 2 с. 65-69.

[35] Б.Х. Барладян, А.Г. Волобой, В.А. Галактионов, Л.З. Шапиро. Интерактивная визуализация результатов моделирования освещенности // «Информационные технологии в проектировании и производстве», № 4, 2011 с. 58-62.

Подписано в печать 18.06.2012. Формат 60x84/16. Усл. печ. л. 2,0. Тираж 75 экз. Заказ 9-11. ИПМ им.М.В.Келдыша РАН. 125047, Москва, Миусская пл., 4

Введение.

Базовые алгоритмы генерации реалистичных изображений.

Глава 1. Методы автоматизации задания объектов цифровой модели сцены.

1.1. Автоматизация задания геометрии сцены.

1.1.1. Конвертация геометрии из распространенных САПР форматов

1.1.2. Интеграция с системами автоматизированного проектирования

1.1.3. Интеграция с 3DS Мах.

1.1.4. Интеграция с С ATI А.

1.1.5. Результаты.

1.2. Автоматизация задания источников освещения.

1.2.1. Спецификация источников света.

1.2.2. Измерение источников и построение их моделей.

1.2.3. Поддержка распространенных форматов.

1.2.4. Результаты.

1.3. Освещение, задаваемое изображением.

1.3.1. Изображение с большим диапазоном яркостей.

1.3.2. Создание карт освещения.

1.3.3. Обработка ярких источников света в карте освещения.

1.3.4. Анализ карт освещения.

1.3.5. Пути компенсации некорректностей карт освещения.

1.3.6. Результаты.

1.4. Автоматизация задания фонового изображения.

1.4.1. Технология фотомонтажа.

1.4.2. Использование карт освещения в качестве фона.

1.4.3. Результаты.

1.5. Выводы.

Глава 2. Методы автоматизации задания оптических характеристик объектов и поверхностей сцены.

2.1. Измерительный комплекс для определения светорассеивающих свойств поверхности.

2.1.1. Описание комплекса для измерения ДФО/ДФП светорассеивающих свойств поверхностей.

2.1.2. Программная часть комплекса измерений.

2.1.3. Сравнение с существующими измерительными комплексами.

2.1.4. Примеры использования.

2.1.5. Результаты.

2.2. Моделирование светорассеивающих свойств поверхности ткани.

2.2.1. Характеристики текстильных нитей.

2.2.2. Расчет оптических свойств нити.

2.2.3. Расчет ДФО ткани.

2.2.4. Краткое описание механизма верификации подхода.

2.2.5. Сравнение рассчитанных и измеренных данных.

2.2.6. Результаты.

2.3. Выводы.

3. Методы автоматизации задания светоотражающих свойств оптически сложных покрытий.

3.1. Вычисление оптических свойств многослойных красок.

3.1.1. Существующие решения.

3.1.2. Расчет оптических свойств многослойной краски.

3.1.3. Структура программного комплекса интерактивного моделирования красок.

3.1.4. Опыт моделирования реальных автомобильных красок.

3.1.5. Результаты.

3.2. Моделирование ДФО поверхности, покрытой красящим слоем с высокой концентрацией частиц.

3.2.1. Постановка задачи моделирования красящего слоя с высокой концентрацией частиц.

3.2.2. Генерация геометрии красящего слоя.

3.2.3. Решение задачи дифракции.

3.2.4. ДФО красящего слоя, расположенного на Ламбертовской подложке.

3.2.5. Структура программного комплекса расчета красящего слоя с высокой концентрацией пигмента.

3.2.6. Примеры моделирования чернил.

3.2.7. Результаты.

3.3. Выводы.

Глава 4. Повышение производительности генерации реалистичных изображений.

4.1. Использование графических ускорителей.

4.1.1. Реалистичная визуализация в реальном времени с применением OpenGL.

4.1.2. Визуализация результатов моделирования освещенности.

4.1.3. Оптимизация качества текстур.

4.1.4. Результаты.

4.2. Реалистичная визуализация когерентной трассировкой лучей.

4.2.1. Архитектура базовой системы визуализации.

4.2.2. Когерентная трассировка лучей.

4.2.3. Оптические свойства материалов и ДФО.

4.2.4. Источники света.

4.2.5. Оператор сжатия динамического диапазона яркости.

4.2.6. Результаты.

4.3. Длительная генерация изображения.

4.3.1. Интернет-приложение построения реалистичного изображения

4.3.2. Методы достижения приемлемого времени отклика.

4.3.3. Генерация реалистичного изображения в фоновом режиме.

4.3.4. Прогнозирование времени расчета, необходимого для достижения заданной точности вычислений.

4.3.5. Результаты.

4.4. Выводы.

Компьютерная (машинная) графика1 изначально зародилась как эффективное и мощное средство связи между человеком и вычислительной машиной. Использование графической формы представления информации, организация диалога между человеком и компьютером с использованием визуальных образов позволили существенно увеличить скорость обработки информации человеком, что привело к повышению эффективности исследований и разработок в самых различных областях науки и техники.

Однако с появлением методов синтеза реалистичных изображений, основанных на физически корректном моделировании распространения света, область применения компьютерной графики существенно расширилась. Созданные алгоритмы и программные средства стали представлять интерес для использования в архитектуре, градостроительстве, проектировании систем освещения, в автомобильной и авиационной промышленности и др.

Рассмотрим несколько примеров практических задач, связанных с построением физически корректных реалистичных изображений, с которыми автор сталкивался в своей работе. Все приведенные ниже изображения были сгенерированы с помощью программных систем компьютерной графики, разработанных в ИПМ им. М.В.Келдыша РАН при непосредственном участии и/или под руководством автора [1,2].

Архитектура и ландшафтный дизайн. Архитектура была одной из первых областей применения генерации реалистичных изображений виртуальных сцен. Это связано с относительной простотой виртуального представления архитектурных объектов в памяти, что в свою очередь

1 Изначальное название «машинная графика» является уже несколько устаревшим, поэтому в данной работе автор будет употреблять только более современное название «компьютерная графика». снижает требования к ресурсам компьютера. При сильном упрощении здания могут быть представлены прямоугольниками или многогранниками, стены, этажные перекрытия - плоскостями. Практически отсутствуют криволинейные поверхности.

Предварительные расчеты освещения и построение реалистичного изображения виртуальной модели существенно повышают эффективность проектирования и строительства зданий. С помощью таких расчетов заранее возможно определить и согласовать с заказчиком архитектурного проекта следующие факторы:

1. Эстетичность разрабатываемых архитектором интерьеров помещений и внешнего вида, насколько проектируемое здание «вписывается» в существующий ландшафт. Любая переделка или модификация после начала строительства всегда будет стоить дороже. На рис. В1 представлен внешний вид планируемого здания гостиницы, «вписанный» в существующий ландшафт, а на рис. В2 - возможный интерьер одного из его помещений.

Рис. В1. Планируемое здание гостиницы.

Рис. В2. Интерьер холла проектируемой гостиницы.

2. В последние годы важным аспектом строительства любого здания является экономичность (энергосбережение) его системы освещения. Основываясь на точных расчетах освещения помещений дневным и солнечным светом, архитектор может варьировать положение и ориентацию здания относительно сторон горизонта и окружающих строений, расположение и размеры оконных проемов, лоджий и т.д. Основной целью при этом дизайне является максимальное использование естественного света (создаваемого солнцем и небом) для достижения комфортного освещения помещения при минимальных энергетических затратах на его искусственное освещение. На рис. ВЗ показана проектируемая комната. Видно, что солнечного света вполне достаточно для освещения помещения, и как будет выглядеть интерьер при тех или иных применяемых материалах при заданном времени суток.

Рис. ВЗ. Расчет освещения проектируемого помещения.

3. При проектировании офисных помещений освещенности рабочих мест должны соответствовать существующим стандартам, в которых указаны не только минимально допустимые величины освещенности, но и такие параметры, как доля прямого света от источника в поле видимости человека («комфортность» освещения). Для эффективной проверки соответствия стандартам рассчитанная освещенность может быть представлена в виде световой карты. Световая карта - это такое же реалистичное изображение виртуальной сцены, но только физические значения освещенности представлены в ней заданными цветами («псевдо-цветами»). Правильное задание соответствия значений освещения определенному цвету позволяет сразу увидеть соответствие разрабатываемого проекта стандартам. Пример такой световой карты представлен на рис. В4.

Рис. В4. Распределение освещенности, представленное световой картой.

Таким образом, система реалистичной компьютерной графики становится эффективным инструментом проектировщика, позволяющим еще на этапе создания проекта предложить и проверить ряд архитектурных решений.

Автомобильная промышленность. Алгоритмы реалистичной визуализации, используемые в автомобильной промышленности, значительно сложнее тех, что сначала были разработаны для архитектурных приложений. Основными факторами здесь являются

• наличие большого числа криволинейных поверхностей, обычно представляемых в виде сплайнов в системах САПР;

• сложные оптические свойства поверхностей; для примера достаточно сравнить внешний вид автомобильной краски «металлик», цвет которой меняется в зависимости от направления наблюдения, и стен здания, которые в большинстве случаев являются практически диффузными.

Однако и класс задач, в решении которых применяются алгоритмы компьютерной графики, в автомобильной промышленности значительно шире. Приведем некоторые из них.

1. Задача расчета освещения салона автомобиля является схожей с задачей расчета освещения интерьеров помещений. Здесь также важными факторами являются как эффективность освещения, так и соответствие освещенности принятым стандартам. На рис. В5 проиллюстрирован процесс моделирования освещенности автомобиля, при котором рассчитывается освещенность рабочего места водителя при разных вариантах подсветки для чтения.

Рис. В5. Два варианта освещенности салона автомобиля.

2. Важным направлением, получившим развитие в последние годы, стало моделирование и визуализация новых оптически сложных материалов, таких как многослойные краски со сложной микроструктурой (типа перламутровых и «металлик») в автомобильной промышленности. Разработанные программные средства позволяют моделировать и визуализировать краски, состоящие из плоскопараллельных однородных слоев, каждый из которых составлен из прозрачного лака и взвешенных в нем пигментных частиц и интерференционных чешуек.

На рис. В6 представлен автомобиль, окрашенный такой краской, при солнечном освещении. Цвет этих красок зависит от угла зрения и направления освещения. Он может резко меняться («переключаться») даже при плавном изменении этих углов.

Рис. В6. Автомобиль, окрашенный оптически сложной краской, при солнечном освещении.

Светорассеивающие свойства таких красок не могут быть заданы скалярными коэффициентами, а требуют более сложного описания с помощью двунаправленных функций отражения света. Другим аспектом визуального восприятия краски является различное освещение, она выглядит различно утром и в середине дня, при солнечной или пасмурной погоде.

Гораздо дешевле смоделировать на компьютере внешний вид краски и исследовать ее при различных условиях освещения (дневной, солнечный свет, искусственное освещение), чем произвести опытную партию краски и покрасить ею реальный автомобиль. В настоящее время такой подход к моделированию красок применяется не только в автомобильной промышленности, но и для окраски большого спектра других товаров (мобильные телефоны, персональные компьютеры, бытовая техника и пр.)

3. Важным аспектом безопасности является отсутствие бликов и отражений салона в стеклах автомобиля. На рис. В7 показана визуальная оценка нежелательных отражений, которые получаются при заданных параметрах материалов и геометрии салона автомобиля.

Рис. В7. Визуальная оценка нежелательных отражений в боковом стекле автомобиля.

4. В современных условиях, когда автомобильный рынок перенасыщен, и каждая фирма вынуждена бороться за покупателя, модификация внешнего вида автомобиля становится практически ежегодной. Одним из наиболее выигрышных элементов являются фары. Поэтому использование инструментов компьютерной графики для разработки внешнего вида как включенных, так и выключенных фар, в дневное и ночное время позволяет существенно снизить затраты и ускорить разработку очередной модификации автомобиля или мотоцикла. На рис. В8 представлены внешний вид разрабатываемой фары в выключенном состоянии при дневном освещении, а также ее восприятие глазом человека, т.е. с учетом психофизиологических особенностей глаза, при включенном ближнем свете днем, вечером и ночью.

В) (Г)

Рис. В8. Внешний вид фары (а), а также восприятие ее глазом человека во включенном состоянии (ближний свет) при дневном освещении (б), в сумерках (в) и ночью (г).

Кроме внешнего вида при моделировании фар также проверяется на соответствие стандартам направление и яркость получаемого светового луча.

Аналогичным образом производится также моделирование задних фонарей, стоп-сигналов и поворотных огней. При этом важным является правильная цветопередача красных и желтых фонарей или стекол лампочек.

Авиационная промышленность. Как и при визуализации автомобиля, в модели салона самолета мы сталкиваемся с большим числом криволинейных поверхностей, материалов и тканей со сложными оптическими свойствами, которые покрывают значительную часть элементов салона. Главной особенностью моделирования освещения салона самолета является практически полное отсутствие прямого света. Правильно рассчитать освещение здесь возможно только с использованием алгоритмов глобального освещения.

Рис. В9. Виртуальная модель компоновки и внутренней отделки салона самолета Airbus А-380.

По словам представителя фирмы Boeing разработка и создание внутренней отделки пассажирского самолета составляют до 60% его стоимости. Во многих случаях фирма строит прототип салона в натуральную величину, показывает представителям авиакомпаний-заказчиков, и затем модифицирует в соответствии с замечаниями. И только после утверждения прототипа он будет реализован в воздушном лайнере. Компьютерное моделирование освещения и реалистичная визуализация салона позволяет существенно сократить затраты. На рис. В9 показана модификация салона самолета Airbus А-380, созданная дизайнерами с использованием системы реалистической визуализации еще во время его начальной разработки.

Важным критерием проектирования кабины пилотов является хорошая читаемость приборов и устройств управления при различном освещении.

- ■ ¡S .У " С 1 IL .ire; T S 1 а ; Л - ^ fc I * •• ^ В Q и | V 'г-,; амр "itf.y -4ft. 1 ff* Р 1 * io ~," РЩр /ОГЩ / $ •• „ - J/юнг v ||ци\\ 4 ^ )

Рис. BIO. Кабина самолета Boeing при солнечном свете (вверху), при облачности (в середине) и ночью (внизу).

На рис. BIO показан вариант компьютерного дизайна кабины самолета Boeing при солнечном и пасмурном дневном свете, а также ночью.

Следует подчеркнуть, что все вышеперечисленные задачи можно решать, только если моделирование основано на физических законах распространения света и позволяет достичь приемлемой точности. Или, другими словами, если реалистичное изображение, сгенерированное компьютером по виртуальному описанию, будет соответствовать восприятию реальности человеком.

Базовые алгоритмы генерации реалистичных изображений

Под понятием реалистичности изображений будем понимать близость восприятия синтезированных изображений с восприятием фотографий, т.е. именно фотореалистичность является первым критерием качества синтеза изображений в нашем случае. Мы также будем рассматривать в качестве второго критерия близость рассчитанных физических значений освещенности (или яркости) значениям, либо измеренным (если реальный прототип виртуальной сцены был создан), либо теоретически рассчитанным, что возможно сделать для отдельных, упрощенных случаев. Второй критерий также необходим нам, если мы намерены использовать свои программные системы для задач проверки соответствия стандартам освещения.

Близость» рассчитанных и теоретических данных - понятие достаточно размытое. Понятно, что расхождение в разы является неудовлетворительным. А вот достаточно ли ошибки в 10-15%? Или даже 2% неприемлемо? Этот вопрос не имеет однозначного ответа, т.к. глаз человека по-разному воспринимает одну и ту же разницу освещенности для светлых и темных цветов, для больших видимых площадей и для отдельных точек. В итоге для разных приложений мы имеем разные пороговые значения приемлемости точности результатов. Однако для большинства перечисленных выше задач расхождение вычисленных результатов и реальных величин порядка 5-10% можно считать вполне допустимым, и в таком случае можно полагаться на результаты компьютерного моделирования.

Генерацией реалистичного изображения будем называть процесс физически корректного моделирования распространения света в виртуальной сцене и последующего отображения результата на плоскость и в цвета графического монитора. Схематично этот процесс изображен на рис. В11.

Моделирование Генерация освещения изображения

Рис. ВН. Процесс генерации изображения.

Моделирование будем называть физически корректным, если методы моделирования основаны на физических законах распространения света в различных средах и взаимодействия света с объектами. С помощью физически корректного моделирования можно получить реалистичное изображение, если методы моделирования правильно учитывают физические законы, влияющие на распространение света и формирование изображения фотографическим способом или глазом человека.

Моделирование распространения света

В основе моделирования распространения света лежат законы геометрической оптики: закон прямолинейного распространения света, принцип обратимости (именно этот принцип позволяет моделировать распространение света как в прямом направлении - от источника света, так и в обратном - от глаза наблюдателя), законы отражения и преломления света.

Распространение света рассчитывается с помощью алгоритма трассировки лучей, предложенного впервые в работе Whitted [3]. В этом алгоритме происходит трассировка луча от глаза наблюдателя через каждую точку экрана, называемую пикселом (от англ. pixel - picture element) до пересечения его с объектом сцены. Классической трассировке лучей соответствует модель точечной камеры. Она основана на предположении, что размер устройства, воспринимающего световую энергию (например, глаз или объектив камеры), можно считать бесконечно малым по сравнению с расстояниями до объектов сцены. В этом случае для каждой точки экрана можно однозначно указать телесный угол и найти поверхности, пересекаемые этим телесным углом, т.е. видимые через эту точку. В общем случае яркость данной точки определяется усреднением яркостей всех поверхностей, видимых через нее. В простейшем случае мы просто рассматриваем один луч, проходящий через середину точки экрана.

Луч трассируется в обратном к распространению света направлении: от наблюдателя к источнику света, что было предложено еще в 1968 году [4]. В понятие трассировки вкладывается нахождение пересечения луча с ближайшим объектом. В точке взаимодействия луча с объектом рассчитывается ее яркость в зависимости от освещенности точки и свойств поверхности пересеченного объекта [5, 6]. Вычисление освещенности точки требует трассировки лучей, направленных на источники света, и порождающих (преломленных сквозь объект и отраженных от него) лучей. С помощью луча на источник света определяется, освещена ли точка данным источником или находится в тени, если между точкой и источником присутствует непрозрачный объект. Для определения интенсивности порождающих лучей они должны быть протрассированы вместе со своими порождающими и так далее. Направления отраженных и преломленных лучей строго определены законами геометрической оптики. Поэтому этот метод называется обратной детерминистической трассировкой лучей [7]. Метод правильно рассчитывает первичное освещение (т.е. прямое освещение от источника света), тени и отражения в зеркальных поверхностях. Он формирует итоговое реалистичное изображение, т.е. отображает рассчитанную освещенность на плоскость экрана монитора. Метод проиллюстрирован на рис. В12.

Рис. В12. Метод обратной трассировки лучей. Красные стрелки показывают лучи света и их порождающие, которые необходимо трассировать для получения интенсивности пиксела экрана. Желтые стрелки показывают лучи, направленные на источник света (желтый кружок вверху). С их помощью определяется первичное освещение точки.

Однако метод является исключительно неэффективным, если в сцене встречаются большие площадные источники света, одним из ярких примеров которых является небесная полусфера. Стандартный путь представления площадных источников в виде набора точечных приводит к тому, что в сцене появляются тысячи (а иногда и сотни тысяч) вспомогательных источников. В соответствующей пропорции падает и скорость генерации изображения.

Для таких сцен эффективнее использовать стохастическую (Монте-Карло) обратную трассировку лучей. В этом методе луч также трассируется через пиксел до пересечения с объектом, однако освещенность точки пересечения рассчитывается с помощью набора лучей, выпущенных из данной точки стохастическим образом в направлении площадного источника (или небесной полусферы в случае расчета естественного освещения). Так как в большинстве случаев достаточно несколько сотен лучей, чтобы получить верную оценку освещенности точки, то обратная стохастическая трассировка лучей получается на порядки более быстрой, чем детерминистическая. Метод Монте-Карло обратной трассировки лучей также формирует итоговое реалистичное изображение. Он проиллюстрирован на рис. ВІЗ.

Рис. ВІЗ. Обратная Монте-Карло трассировка лучей.

Задача физически корректного моделирования распространения света сводится к решению задачи глобальной освещенности, когда учитывается не только прямая освещенность поверхностей сцены лучами, идущими непосредственно от источников света, но и вторичная освещенность, создаваемая лучами, отраженными или преломленными другими поверхностями. Модель распространения света, принятая в большинстве методов генерации физически корректных изображений, описывается уравнением рендеринга [8, 9]. Уравнение действует в рамках геометрической оптики и не позволяет моделировать явления, обусловленные волновыми свойствами света. Такая аппроксимация является приемлемой во многих приложениях.

Трудность решения этого уравнения определяется его рекурсивным характером и сложностью области интегрирования, поэтому на практике применяются различные приближенные методы численного решения. Это могут быть методы излучательности [10, 11] или используемый в наших программных системах метод Монте-Карло прямой трассировки лучей [1215].

Идея метода Монте-Карло прямой трассировки лучей состоит в статистическом воспроизведении механизма распространения света путем моделирования всевозможных траекторий лучей. Траектории световых частиц (фотонов) прослеживаются на всех этапах существования, от момента их генерации источниками света до поглощения или выхода из сцены. Начальные параметры луча (положение и направление) распределяются стохастическим образом в соответствии с угловой и пространственной плотностями излучения источника, а количество фотонов, выпущенных источником света, пропорционально его энергии. Траектория фотона трассируется до пересечения с поверхностью. В соответствии с оптическими свойствами пересеченной поверхности (такими как поглощение, функциями рассеивания, включая «зеркальные» функции рассеивания) лучи могут вероятностным образом отразиться, рассеяться, преломиться, поглотиться. По мере взаимодействия лучей с объектами сцены энергия фотонов накапливается на объектах сцены в виде глобальной освещенности или яркости.

Метод естественным образом поддерживает все типы поверхностей, включая сочетания диффузных и зеркальных свойств, а также поверхности, описываемые сложными функциями отражения (преломления) света. Он позволяет воспроизводить в изображениях тонкие оптические явления, такие как, например, эффект «каустики» — световые блики, возникающие за счет фокусирования световой энергии идеально преломляющими материалами криволинейной формы [16].

Метод не зависит от положения камеры и не предусматривает формирования итогового изображения на экране. Он предоставляет информацию о глобальной освещенности в каждой точке всех объектов (поверхностей) сцены, которая записывается в «карту освещенности». Позднее она может быть использована для визуализации и синтеза изображений. Метод проиллюстрирован на рис. В14. источники

Рис. В14. Метод Монте-Карло прямой трассировки лучей. Желтые кружки обозначают источники света. Красными стрелками показаны траектории фотонов, их отражения от поверхностей (черные дуги) или прохождение сквозь прозрачное тело (голубой прямоугольник).

Метод Монте-Карло прямой трассировки лучей также имеет свои слабые стороны. Это связано в первую очередь со слабоосвещенными областями и малыми по размеру приемниками излучения (например, объектив камеры). Вероятность попадания луча света в объектив или в слабоосвещенную область мала. Поэтому, например, для формирования изображения за объективом требуется большое количество вычислений (основная масса лучей пройдут мимо интересуемых объектов).

Решением этой проблемы является комбинированный алгоритм, использующий методы Монте-Карло прямой и обратной трассировки в зависимости от ситуации. Таким образом, наиболее эффективной и универсальной технологией является двунаправленная Монте-Карло трассировка лучей.

Участие в проекте МКО ТС.3.33.

МКО (Международная комиссия по освещению) является основной, наиболее авторитетной организацией, разрабатывающей и принимающей стандарты и технологии в области цвета и света. Ее международная аббревиатура - CIE от франц. Commission Internationale de l'Eclairage [17]. По заданию этой организации под руководством F. Maamari были разработаны и в 2002 году опубликованы наборы аналитических тестов для программ моделирования освещения [18]. Всего было предложено 227 тестов.

Тесты были направлены на проверку того, насколько программы моделирования распространения света реально подчиняются законам оптики, в частности, для различных моделей естественного освещения. Тесты отдельно проверяли такие аспекты, как корректность задания источников света, корректное моделирование множественных переотражений и т.д. Особое внимание было уделено такой сложной для корректного вычисления модели, когда внутреннее помещение освещается небесной полусферой через небольшое окно (рис. В15). Для этой модели корректные результаты в разумное время можно получить практически только двунаправленной Монте-Карло трассировкой лучей.

Рис. В15. Иллюстрация к одному набору аналитических тестов проекта ТС.3.33.

Программная система моделирования освещенности, разработанная в отделе компьютерной графики ИПМ, также участвовала в проверке этими тестами вместе с такими широко известными продуктами как Dialux, Genelux, Lightscape, Radiance. Результаты независимого тестирования были опубликованы в [19], где наша программная система Inspirer показала в большинстве случаев результат не хуже или превосходящий конкурентов. Общий полный результат выполнения тестов программной системой Inspirer представлен в табл. В.1.

Ошибка между аналитическими и вычисленными значениями Число прошедших тестов Процент от общего числа тестов менее 1% 119 52% менее 3% 163 72% менее 5% 197 87% менее 10% 223 98% более 10% 4 2%

Табл. В.1. Результаты сравнения вычисленных и аналитически рассчитанных значений освещенности в тестах ТС.3.33.

Как видно из табл. В.1, только 2% тестов превысили рубеж «инженерно-приемлемой» ошибки в 10%. Более половины тестов показали хорошее совпадение смоделированных результатов с теоретически рассчитанными. Это показывает, что алгоритмы, реализованные в наших программных системах компьютерной графики, действительно являются физически корректными.

Задание исходных данных моделирования

Для моделирования освещенности и генерации реалистичного изображения необходимо задать модель сцены в цифровом виде. Модель сцены состоит из геометрии или объектов сцены, физических свойств материалов объектов, поверхностей и сред, источников света и виртуальной камеры наблюдения, для которой также определено фоновое изображение (рис. В16).

Геометрия сцены включает задание формы объектов сцены, а также их иерархию [20]. Наиболее часто используется приближение объектов и поверхностей с помощью полигональной сетки. Для такого представления существуют эффективные алгоритмы нахождения пересечения луча с поверхностью, оно поддерживается всеми современными ускорителями трехмерной графики, также многие алгоритмы вычисления освещенности рассчитаны специально на сеточное представление. Для создания реалистичных изображений геометрия сцены должна быть задана с большой степенью детализации. Иначе грубое представление объектов разрушит впечатление «реальности» рисунка.

Оптические свойства материалов Геометрия

Рис. В16. Задание цифровой модели сцены.

Свойства объектов и поверхностей определяются физическими законами распространения света внутри сред и взаимодействия света с поверхностями. Например, в сцене можно задать количество света, отраженного от поверхности или проходящего сквозь поверхность диффузно, зеркально; количество поглощенного света и т.д.

Источники света - это объекты сцены, излучающие световую энергию. Эти объекты могут быть как частью геометрии сцены (так называемые «самосветящиеся» объекты), так и некими абстрактными объектами, не привязанными к геометрии. Существенным для алгоритмов вычисления освещенности является существование такого абстрактного источника света как точечный (геометрическая точка, излучающая световую энергию). С такими источниками хорошо работают алгоритмы лучевой оптики, легко вычисляется направление на него. Но в реальной жизни идеальных точечных источников, вообще говоря, не существует. Но для практических приложений точечные источники имеют важное оптимизационное значение. Например, в большинстве задач дизайна интерьеров лампочки можно считать точечными источниками света

Виртуальная камера наблюдения. Изображение, получаемое на экране монитора, в значительной степени зависит от параметров наблюдения, то есть от положения наблюдателя, направления зрения, фокусного расстояния камеры, ее разрешения и т.д. Кроме того, для многих сцен геометрия отображается не на весь экран, а только на часть его. Возникает необходимость заполнить оставшуюся часть изображением, которое бы не разрушало, а наоборот способствовало созданию впечатления реалистичности. Это изображение называется фоновым.

Основные проблемы создания реалистичных изображений

На современном этапе, когда разработанные алгоритмы моделирования распространения света являются достаточно устоявшимися и многократно проверенными на их физическую корректность, можно сформулировать следующие основные проблемы, возникающие при физически корректных расчетах освещенности и построении реалистичных изображений:

1. Задание правильных исходных данных

Результат моделирования существенно и непосредственно зависит от корректности задания исходных данных (спецификации виртуальной сцены). В большинстве случаев процесс описания сцены весьма трудоемок, данные получить сложно, а порой и технически невозможно.

2. Скорость генерации изображения

Необходимой составляющей повышения производительности труда пользователей является минимизация времени визуализации без существенной потери качества изображения. В идеале изображения должны генерироваться в режиме реального времени.

Эти же проблемы среди главных проблем, стоящих перед современной компьютерной графикой, выделяет и пионер компьютерной графики Donald Greenberg в своем эссе «Outlook on Computer Graphics» [21].

Хотелось бы подчеркнуть, что физически корректное моделирование освещенности, необходимое для построения реалистичных изображений, требует высокой точности задания исходных данных. Неверно или недостаточно точно заданные исходные данные непременно приведут к неправильному результату. Даже небольшие (несколько процентов) отклонения в задании оптических свойств материалов могут привести к итоговой ошибке в разы. Это происходит потому, что свет при распространении (например, при расчете непрямого освещения в салоне самолета) претерпевает многократное отражение, и таким образом ошибка накапливается.

Решение проблемы корректной цветопередачи при визуализации объектов архитектуры, интерьеров автомобилей и самолетов, особенно при освещении сцены цветными (окрашенными) источниками искусственного света или естественным светом, требует использования программных средств спектрального моделирования распространения света. В общем случае белый свет, отражаясь от окрашенной поверхности, становится цветным. Поэтому такие входные данные, как источники света и оптические характеристики объектов, желательно задавать в спектральном виде.

Цель работы

Вышеперечисленные проблемы создания реалистичных изображений являются на данном этапе одними из главных препятствий для эффективного использования инструментария реалистичной визуализации в задачах науки и производства. Поэтому целью работы является создание комплекса программных технологий и методов, позволяющих: а) автоматизировать процесс задания виртуальной сцены и исходных данных для физически корректного моделирования распространения света и построения реалистичных изображений; б) генерировать физически корректные реалистичные изображения в режиме интерактивной навигации.

Их реализация существенно снижает трудоемкость визуализации сложных моделей и проектов и тем самым повышает производительность труда инженеров, проектировщиков, дизайнеров и конструкторов.

Научная новизна работы

Научная новизна работы заключается в следующем.

Разработан эффективный комплексный подход к автоматизации задания виртуальной сцены для генерации реалистичных изображений. Разработаны и реализованы технологии интеграции программного комплекса построения реалистичных изображений с системами автоматизации проектирования.

Предложена концепция определения оптических характеристик материала посредством моделирования распространения света внутри него, включая моделирование пространственного рассеяния света, моделирование распространения света в волновом приближении для высоких концентраций частиц. Показано, что именно двунаправленная функция отражения света в общем, табличном, представлении является наиболее приемлемой формой для использования результатов моделирования при построении реалистичного изображения. Концепция успешно апробирована на таких материалах, как ткани, многослойные краски, принтерные чернила.

Разработан уникальный программно-аппаратный комплекс, позволяющий непосредственно измерять оптические свойства образцов материалов с высокой точностью для их дальнейшего использования при моделировании освещенности и синтезе реалистичных изображений.

Предложена классификация средств визуализации в зависимости от скорости генерации реалистичных изображений с точки зрения человеко-машинного интерфейса. Представлены решения, позволяющие достичь интерактивной скорости визуализации, а также решения, позволяющие повысить производительность труда проектировщиков в случае длительных вычислений.

Реализованы технологии, позволяющие использовать фотоснимки реального ландшафта в качестве исходных данных для реалистичной визуализации. Фотоснимки в виде карт освещения с большим динамическим диапазоном яркостей используются для комплексного задания как источников света, так и фона, что позволяет автоматически встраивать в изображение ландшафта виртуальные объекты. Разработаны новые алгоритмы модификации карт освещения, компенсирующие некорректное представление солнца.

Практическая значимость

На основе концепций, методов и алгоритмов, предложенных в диссертационной работе, был реализован ряд программных продуктов, которые широко используются в нашей стране и за рубежом. Среди них: программный комплекс для физически корректного расчета освещенности и построения фотореалистичных изображений сцен, содержащих оптически сложные материалы, при различных условиях искусственного и естественного освещения, а также при освещении, задаваемом изображением с большим диапазоном яркости;

- программно-аппаратный комплекс измерения оптических свойств плоских образцов материалов;

- программные комплексы и системы моделирования оптических свойств сложных автомобильных красок, красящих покрытий с высокой концентрацией пигмента, тканей; программный комплекс физически корректной интерактивной визуализации в режиме навигации сцен, содержащих оптически сложные материалы, с учетом предварительно рассчитанных эффектов вторичного освещения; интерактивная визуализация имеет два режима: аппаратный с использования библиотеки OpenGL и программный с когерентной трассировкой лучей, реализованной с помощью SSE команд;

- эффективное вычислительное ядро для Интернет-сервиса физически корректного моделирования освещенности и построения реалистичных изображений.

Каждый из созданных программных комплексов находится на уровне или превосходит по ряду ключевых показателей имеющиеся в мире аналоги. Благодаря разработанному в диссертации комплексному подходу к автоматизации создания реалистичных изображений процесс задания входных данных существенно упрощается, и программными продуктами могут быть пользоваться не только высококвалифицированные инженеры и дизайнеры, но также студенты и аспиранты технических ВУЗов.

Проведенные экспериментальные сравнения результатов физически корректных расчетов оптических характеристик, полученных путем моделирования материалов, с результатами измерений аналогичных характеристик на реальных объектах продемонстрировали высокую точность моделирования.

Апробация работы и публикации

Основные результаты диссертации были представлены на ряде профильных международных научных конференций [1, 24, 25, 27-30, 36-40, 45-49], а также в рамках Всероссийской научной школы для молодежи «Компьютерное зрение, ЗЭ моделирование и компьютерная графика» при поддержке Федерального агентства по науке и инновациям в рамках реализации ФЦП «Научные и научно-педагогические кадры инновационной России». Результаты диссертации также докладывались на научно-практическом семинаре «Новые информационные технологии в автоматизированных системах» [35], на объединенном научном семинаре направления «Программирование» им. М.Р. Шура-Бура ИПМ им. М.В.Келдыша РАН и семинаре по робототехническим системам ИПМ им. М.В. Келдыша РАН, МГУ им. М.В. Ломоносова, МГТУ им. Н.Э. Баумана и ИНОТиИ РГГУ.

По результатам работы имеется 35 публикаций, включая 17 статей в рецензируемых научных журналах из списка ВАК [2, 14, 22, 23, 26, 31-34, 4144, 50-52, 165], 18 статей в сборниках докладов на международных научных конференциях и семинарах [1, 24, 25, 27-30, 35-40, 45-49].

Личный вклад

Все основные результаты, изложенные в диссертации, включая постановки задач и их алгоритмические решения, получены автором лично или выполнены под его научным руководством и при непосредственном участии.

Структура диссертации

Диссертационная работа состоит из четырех глав: первая, вторая и третья главы посвящены автоматизации процесса задания виртуальной сцены и исходных данных для физически корректного моделирования распространения света; четвертая глава посвящена анализу скорости генерации реалистичных изображений, методам достижения интерактивной скорости визуализации, повышению эффективности работы при длительных вычислениях. Изложение глав организовано следующим образом.

В первой главе рассмотрены методы автоматизации задания объектов сцены. Под объектами сцены понимаются геометрические объекты, источники освещения, фоновое изображение. В качестве методов задания геометрии проанализированы конвертеры из существующих форматов и предложена полная интеграция в системы автоматизации проектирования. Для автоматизации задания источников света предложены алгоритмы предварительной обработки данных в формате ЯауБе! и карт освещения в виде изображений с большим диапазоном яркости. В рамках автоматизации задания фонового изображения предложены алгоритмы фотомонтажа и использования карт освещения, которые позволяют создавать изображения дополненной реальности.

Вторая глава посвящена проблеме задания оптических свойств объектов и материалов сцены. Оптические свойства в наиболее общей форме описываются двунаправленной функцией отражения (пропускания) света. Описан программно-аппаратный комплекс непосредственных измерений оптических характеристик образцов материалов, используемых в сцене. Приведено сравнение разработанного комплекса с аналогичными установками, существующими в мире. Однако не всегда образец интересующего материала доступен. Поэтому предложена концепция получения оптических характеристик с помощью моделирования взаимодействия света с микроструктурой материала. Рассмотрен пример моделирования такого сложного с точки зрения взаимодействия света материала как текстильная ткань.

В третьей главе рассматриваются методы получения оптических характеристик поверхностей, покрытых многослойными автомобильными красками или принтерными чернилами. Несмотря на кажущуюся схожесть задач, их решения требуют принципиально различных подходов. Предложены архитектуры соответствующих программных комплексов. Результатом моделирования в обоих случаях является двунаправленная функция отражения света, которая может использоваться при генерации реалистичных изображений. Приведены результаты сравнения смоделированных оптических характеристик и измеренных реальных образцов. Итоговое реалистичное изображение с объектами, покрытыми этими материалами, позволяет показать, как они будут выглядеть при тех или иных условиях освещения. Это позволяет использовать разработанный подход также и в задачах создания новых материалов с заданными оптическими свойствами.

Четвертая глава посвящена еще одному аспекту автоматизации построения реалистичных изображений - скорости генерации изображения. Выделено четыре класса скорости генерации изображения с точки зрения человеко-машинного интерфейса. Для каждого класса представлены решения, позволяющие достичь интерактивной скорости визуализации, а также решения, позволяющие повысить производительность труда проектировщиков и дизайнеров в случае длительных вычислений.

В заключении формулируются основные результаты работы.

Основные результаты диссертации заключаются в следующем:

1. Разработан комплекс программных технологий и методов, позволяющих автоматизировать процесс спецификации виртуальной сцены и исходных данных для моделирования распространения света в различных оптических средах и синтеза реалистичных изображений. Созданные технологии и алгоритмы позволяют существенно снизить трудоемкость процесса описания сцены. В результате появляется возможность эффективно задавать физически корректные оптические характеристики поверхностей и материалов, источников освещения, окружающей обстановки для их использования в приложениях компьютерной графики и визуализации.

2. Разработаны теоретические основы повышения производительности реалистичной визуализации. Предложены эффективные подходы, методы и алгоритмы, значительно ускоряющие процесс генерации реалистичных изображений. Они, в частности, позволяют визуализировать сложные производственные виртуальные модели и сцены в интерактивном режиме с использованием обычных бытовых компьютерных платформ.

3. На основе созданных технологий и алгоритмических решений реализованы и внедрены в научную и промышленную практику программные комплексы моделирования освещенности и синтеза реалистичных изображений. Разработан и построен высокоточный программно-аппаратный комплекс для измерения оптических характеристик материалов. Использование этих комплексов приводит к существенному повышению производительности труда проектировщиков оптических систем, дизайнеров, конструкторов.

Заключение

1. А.Г. Волобой, В.А. Галактионов. Машинная графика в задачах автоматизированного проектирования // «Информационные технологии в проектировании и производстве», № 1, 2006, с. 64-73.

2. Т. Whitted. An Improved Illumination Model for Shaded Display // Communication of ACM, Vol. 23, № 6, June 1980, pp. 343-349.

3. A. Appel. Some Techniques for Shading Machine Renderings of Solids // AFIPS 1968 Spring Joint Computer Conference Proceeding, pp. 37-45.

4. R.L. Cook, K.E. Torrance. A reflectance model for computer graphics // Computer Graphics, Vol. 15, № 3, 1981, pp. 307-316.

5. T. Nishita, I. Okamura, E. Nakamae. Shading model for point and linear sources // ACM Transactions on Graphics, Vol. 4, № 2, 1985, pp. 124-146.

6. A. Schmitt, H. Muller, W. Leister. Ray tracing algorithms Theory and practice. Theoretical foundations of Computer graphics and CAD. Edited by R.A. Earnshaw, NATO ASI Series, Vol. 40, 1988, pp. 997-1029.

7. J. T. Kajiya. The rendering equation // Computer Graphics (SIGGRAPH '86 Proceedings), 1986, vol. 20, pp. 143-150.

8. Andrew S. Glassner. Principles of Digital Images Synthesis. Morgan Kaufman, 1995, vol. 1 and 2.

9. C.M. Goral, K.E. Torrance, D.P. Greenberg, B. Battaile. Modeling the interaction of light between diffuse surfaces // ACM Computer Graphics (SIGGRAPH '84), Vol. 18, № 3, 1984, pp. 213-222.

10. M.F. Cohen, D.P. Greenberg, D.S. Immel, P.J. Brock. An efficient radiosity approach for realistic image synthesis // IEEE Computer Graphics and Applications, Vol. 6, № 2, 1986.

11. M. Pharr, G. Humphreys. Physically Based Rendering. From Theory to Implementation. Morgan Kauffman (Elsevier), 2004, 1019 pages.

12. A. Khodulev, E. Kopylov. Physically accurate lighting simulation in computer graphics software // Proceeding of GraphiCon'96 The 6-th International conference on Computer Graphics and Visualization, St. Petersburg, Vol. 2, 1996, pp. 111-119.

13. А.Г. Вол обой, В. А. Галактионов, К. А. Дмитриев, Э.А. Копылов. Двунаправленная трассировка лучей для интегрирования освещенности методом квази- Монте Карло // "Программирование", № 5, 2004, с. 25-34.

14. Ю.М. Баяковский, В.А. Галактионов. О некоторых фундаментальных проблемах компьютерной (машинной) графики // "Информационные технологии и вычислительные системы", № 4, 2004, с. 324.

15. CIE International Commission on Illumination, http://www.cie.co.at/cie/index.html

16. F. Maamari. TC.3.33. List of proposed test cases // ENTPE France,2002.

17. F. Maamari, M. Fontoynont, M. Hirata, J. Koster, C. Marty, A. Transgrassoulis. Reliable Datasets for Lighting Programs Validation, Benchmark Results // Proceedings of CISBAT 2003, EPFL Lausanne, 2003, pp. 241-246.

18. A.B. Khodulev, Е.А. Kopylov, D.D. Zdanov. Requirements to the Scene Data Base // The 8-th International Conference on Computer Graphics and Visualization Graphicon'1998, Moscow, 1998, pp. 189-195.

19. D.P. Greenberg. Outlook on Computer Graphics // Computer, January 1998, p. 36.

20. Б.Х. Барладян, А.Г. Волобой, B.A. Галактионов, Э.А. Копылов. Эффективный оператор сжатия динамического диапазона яркостей // "Программирование", № 5, 2004, с. 35-42.

21. В.Р. Васильев, А.Г. Волобой, Н.И. Вьюкова, В.А. Галактионов. Контекстная визуализация пространственных данных // «Информационные технологии и вычислительные системы», № 4, 2004, с. 25-34.

22. Б.Х. Барладян, А.Г. Волобой, Н.И. Вьюкова, В.А. Галактионов, Н.Б. Дерябин. Моделирование освещенности и синтез фотореалистичных изображений с использованием Интернет технологий // "Программирование", № 5, 2005, с. 66-80.

23. А.Г. Волобой, В.А. Галактионов, Э.А. Копылов, JI.3. Шапиро. Моделирование естественного дневного освещения, задаваемого изображением с большим динамическим диапазоном // "Программирование", № 5, 2006, с. 62-80.

24. А.Г. Волобой, В.А. Галактионов, C.B. Ершов, A.A. Летунов, И.С. Потемин. Аппаратно-программный комплекс для измерения светорассеивающих свойств поверхностей // «Информационные технологии и вычислительные системы», № 4, 2006, с. 24-39.

25. А.Г. Волобой, В.А. Галактионов, H.A. Гнездилова, К.А. Дмитриев, C.B. Ершов. Об одном подходе к визуализации тканей // «Информационные технологии и вычислительные системы», № 3, 2007, с. 71-78.

26. Б.Х. Барладян, А.Г. Волобой, К.А. Востряков, В.А. Галактионов, JI.3. Шапиро. Применение когерентной трассировки лучей в задачахфизически аккуратной визуализации // "Программирование", № 5, 2008, с. 6780.

27. I. Valiev, A. Voloboy, V. Galaktionov. Improved model of IBL sunlight simulation // 24-th international Spring Conference on Computer Graphics -SCCG'2008, Budmerice castle, Slovakia, 2008, Proceedings, pp.37-42.

28. N. Lobalzo, A. Voloboy. Physically Based Lighting Model for Cloth and its Validation // Proceeding of GraphiCon'2008 The 18-th International conference of Computer Graphics and Vision, Moscow, 2008, pp. 61-68.

29. А.Г. Волобой. Физически корректное моделирование освещенности в задачах компьютерной графики // Сборник докладов Международной научной конференции, посвященной 80-летию со дня рождения академика В. А. Мельникова, Москва, 2009, с. 72-75.

30. Б.Х. Барладян, А.Г. Волобой, Л.З. Шапиро. Оптимизация представления карт освещенности и яркости для их интерактивной визуализации // 19-ая Международная конференция по компьютерной графике и зрению Графикон-2009, Москва, 2009, с. 267-270.

31. А.Г. Волобой, С.В. Ершов, Д.Д. Жданов, И.С. Потемин, Л.З. Шапиро. Анализ точности моделирования глобального освещения // 19-ая Международная конференция по компьютерной графике и зрению -Графикон-2009, Москва, 2009, с. 317-318.

32. И.В. Валиев, А.Г. Волобой, В. А. Галактионов. Физически корректная модель солнечного освещения, задаваемая изображением с большим динамическим диапазоном // "Вестник компьютерных и информационных технологий", № 9, 2009, с. 10-17.

33. А.Г. Волобой, В.А. Галактионов, H.A. Лобалзо. Физически обоснованная модель распространения света в ткани // "Программные продукты и системы", № 3(87), 2009, с. 71-75.

34. А.Г. Волобой, В.А. Галактионов, C.B. Ершов, Д.Д. Жданов, И.С. Потемин, Л.З. Шапиро. Анализ точности компьютерного моделирования сложных сцен // «Информационные технологии в проектировании и производстве», № 2, 2010, с. 83-94.

35. А.Г. Волобой, В.А. Галактионов, H.A. Лобалзо. Алгоритмы моделирования и визуализации оптически сложных материалов на примере ткани // "Программирование", № 4, 2010, с. 68-80.

36. Б.Х. Барладян, А.Г. Волобой, B.A. Галактионов, JI.3. Шапиро. Двухуровневая трассировка лучей и ее применение для интерактивной визуализации и оптического моделирования // «Информационные технологии в проектировании и производстве», № 4, 2008, с. 81-88.

37. Б.Х. Барладян, А.Г. Волобой, В.А. Галактионов, Л.З. Шапиро. Интерактивная визуализация результатов моделирования освещенности // "Информационные технологии в проектировании и производстве", № 4, 2011, с. 58-62.

38. Autodesk 3DS Max, company website, http://usa.autodesk.com/3ds-max/

39. Dassault Systems, company website, http ://www. 3 ds. com/home/

40. Форматы файлов, ресурсы в Интернете: http://ru.wikipedia.org/wiki/DXF http://ru.wikipedia.org/wiki/IGES http://ru.wikipedia.org/wiki/VRML http://en.wikipedia.org/wiki/ISO10303

41. Lightscape software, lighting simulation software,http://www.digitalbroadcasting.com/product.mvc/Lightscape-software-0001

42. Mental Images, company website, http://www.mentalimages.com/

43. Chaos Group, company website, http://www.chaosgroup.com

44. П. Гольдовский, А. Кокова. Моделирование оптических явлений и свойств задаваемых изделий // «САПР и графика», №8, 2004, с. 46-47.

45. IES формат по стандарту IESNA:LM-63. Ресурсы в Интернете: http://lumen.iee.put.poznan.pl/kw/iesna.txt www.oms-rus.ru/upload/iblock/284/iesformat.doc

46. Spatial distribution of daylight CIE standard general sky. CIE DS 011.2/E:2002 Draft Standard. Official version // CIE TC 3-15. CIE Central Bureau, Vienna, Austria.

47. A.Ryer. Light measurement handbook // International Light. Inc., 1998. ISBN 0-9658356-9-3.

48. Всероссийский научно-исследовательский институт оптико-физических измерений (ВНИИОФИ), http://www.vniiofi.ru/

49. Philips Color Kinetics, company website, IES files http://www.colorkinetics.com/support/ies/

50. The Illuminating Engineering Society (of North America), http://www.iesna.org

51. Radiant Imaging (Radiant ZEMAX, LLC), company website, http://www.radiantimaging.com/

52. G. Ward. Real Pixels. Graphics Gems II // J. Arvo, ed., 1991, Academic Press, Boston, 643 p., pp.80-83.

53. High Dynamic Range Image Processing and Manipulation. University of Southern California, company website, 1997, http://www.hdrshop.com.

54. P. Debevec. Image-Based Lighting // Siggraph 2002 Tutorial. IEEE Computer Graphics and Applications, Vol. 22, No. 2, 2002, pp. 26-34.

55. P. Debevec, J. Malik. Recovering High Dynamic Range Radiance Maps from Photographs // Computer Graphics (Proc. Siggraph 97), 1997, pp. 369-378.

56. Hyperfocal Design community, community website, 2005, http://www.hyperfocaldesign.com

57. N. Greene. Environment Mapping and Other Applications of World Projections // IEEE Computer Graphics and Applications, vol. 6, No. 11, 1986, pp. 21-29.

58. SpheronVR Visual technologies, SPHERON-VR AG, company website, 2003, http://www.spheron.com.

59. Dosch Design 3D models, seamless texture, HDRI, photoshop layer images, music & animations. Dosch Design GmbH, company website, 2005, http://www.doschdesign.com.

60. IESNA Lighting Handbook (by Mark S. Rea). Reference & Application. 8th ed., New York, Illuminating Engineering Society of North America, 1993, 989 p.

61. L. Meylan, S. Daly, S. Susstrunk. The reproduction of specular highlights on high dynamic range displays // In Proc. of the 14th Color Imaging Conference, Scottsdale, November 6-10, 2006, pp. 333-338.

62. F. Banterle, P. Ledda, K. Debattista, A. Chalmers. Inverse tone mapping // Proc. of the 4th International Conference GRAPHITE 2006, Kuala Lumpur, Malaysia, November 29 December 2, 2006, pp. 349-356.

63. A. Rempel, M. Trentacoste, H. Seetzen, H. Young, W. Heidrich, L. Whitehead, G. Ward. Ldr2Hdr: On-the-fly reverse tone mapping of legacy video and photographs // ACM Transactions on Graphics (Proc. SIGGRAPH), Vol. 26, No. 3, 2007, Article No. 39

64. В.А. Галактионов, Б.Х. Барладян, Е.Ю. Зуева, Е.И. Кугушев. Параметрические модели трехмерных объектов и их использование для реконструкции сцен // Открытые системы, №5, 1995, с. 13-16.

65. B.Kh.Barladyan, E.Yu.Zueva, V.A.Galaktionov, A.Yu.Kargashin, E.I.Kugushev, E.L.Starostin. Computer Modeling of Real Scenes and Objects Based on Their Photographs // Pattern Recognition and Image Analysis, Vol.8, No.2, 1998, pp.162-163.

66. I.V. Valiev. 3D Reconstruction of Architectural Objects from Photos // Proc. 9th International Conference on Computer Graphics and Vision, Moscow, August 26 September 1, 1999, pp. 171-173.

67. B.T. Phong. Illumination for Computer Generated Pictures // Communications of the ACM, 18(6), 1975, pp. 311-317.

68. J.F. Blinn. Models of Light Reflection for computer synthesized pictures // SIGGRAPH'77 Conference Proceedings, July 20-22, pp. 192-198.

69. R.L. Cook, K.E. Torrance. A Reflectance Model for Computer Graphics // ACM Transaction on Graphics, Vol. 1, No. 1, 1982, pp 7-24.

70. X.D. He, K.E. Torrance, F.X. Sillion, and D.P. Greenberg. A Comprehensive Physical Model for Light Reflection // Computer Graphics, 25(4), 1991, pp. 175-186.

71. E.P.F. Lafortune, S.-C. Foo, K.E. Torrance, D.P. Greenberg. NonLinear Approximation of Reflectance Functions // In SIGGRAPH'97 Conference Proceedings, August 1997, pp. 117-126.

72. С. Wynn. An Introduction to BRDF-Based Lighting // NVIDIA Corporation, 2000, Ресурс в Интернете:http://developer.nvidia.com/object/BRDFbasedLighting.html.

73. А. Игнатенко. Использование двухлучевой функции отражательной способности (ДФОС) для моделирования освещения // Сетевой журнал Графика и Мультимедия, 2003, Ресурс в Интернете: http://www.cgm.computergraphics.ru/content/view/45

74. Ian Ashdown. Photometry and Radiometry. A Tour Guide for Computer Graphics Enthusiasts. Ресурс в Интернете:http://www .helios3 2 .com/Measuring%20Light .pdf

75. J.F. Murray-Coleman, A.M. Smith. The Automated Measurement of BRDFs and their Application to Luminaire Modeling // Journal of the Illuminating Engineering Society, Winter 1990.

76. S.N. Pattanaik, J.A. Ferwerda, K.E. Torrance, D. Greenberg. Validation of Global Illumination Simulations through CCD Camera Measurements // Cornel University, Ithaca, NY-14853, USAhttp: // w ww. graphi cs. Cornell. edu/research/measure/

77. K.F. Karner, H. Mayer, M. Gervautz. An Image based Measurement System for Anisotropic Reflection // Eurographics'96, Computer Graphics Forum, 15(3), pp. 119-128.

78. S.C. Foo. A Gonioreflectometer for Measuring Bidirectional Reflectance of Material for Use in Illumination Computation // Cornell University, Thesis, 1997.

79. G.J. Ward. Measuring and Modeling Anisotropic Reflection // Proceedings of SIGGRAPH'92, July 1992, pp. 265-272.

80. Scattering Measurements. 0++. Company website, http ://www. oplusplus. com/mesurephotometriquefr .php

81. Measurements Services. Surface Optics Corporation. Company website. http://www.surfaceoptics.com

82. James E. Proctor, P. Yvonne Barnes, NIST High Accuracy Reference Reflectometer-Spectrometer // J.Res.Natl.Inst.Stand.Technol., 101, Number 5, September-October 1996, pp. 619-627.

83. Murakami GCMS-4, AvianGroupUSA company website, 2012, http://www.aviangroupusa.com/murakami/gonio/gcms-4.php

84. Murakami Color Research Laboratory, Tokyo, Japan, corporate website, 2012, http://www.mcrl.co.jp/english

85. Princeton Instruments, monochromator SP-150, SP-2150. http://www.princetoninstruments.eom/Uploads/Princeton/Documents/Datasheets/P rincetonInstrumentsActonStandardSeriesNl8%202010.pdf

86. Г.Д. Богомолов, А.А. Летунов. Амплитудная калибровка систем лазерной диагностики плазмы по вращательному комбинационному рассеянию в водороде и дейтерии // Физика плазмы, № 5, 1979, с. 1380.

87. X-Rite , corporation website, 2012, http://www.xrite.com/home.aspx

88. D. Baraff, A. Witkin. Large Steps in Cloth Simulation // SIGGRAPH'98, July 19-24, 1998, pp. 43-54.

89. M. Sattler, R. Sarlette, R. Klein. Efficient and Realistic Visualization of Cloth // Proceedings of the Eurographics Symposium on Rendering, 2003, pp. 167-178.

90. G. Miiller, J. Meseth, M. Sattler, R. Sarlette and R. Klein. Acquisition, Synthesis and Rendering of Bidirectional Texture Functions // Proceedings of EUROGRAPHICS'2004, 2004, pp. 69-94.

91. Ying-Qing Xu, Yanyun Chen, Stephen Lin, Hua Zhong, Enhua Wu, Baining Guo, and Heung-Yeung Shum. Photorealistic Rendering of Knitwear Using the Lumislice // SIGGRAPH 2001, pp. 391-398.

92. N. Adabala, N. Magnenat-Thalmann, G. Fei. Realtime Rendering of Woven Clothes // VRST'03 (Virtual Reality Software and Technology), October 13,2003, pp. 41-47.

93. G. S. Buck, JR, F. A. McCord. Luster and Cotton // Textile Research Journal, 1949; 19; pp. 715-754.

94. R.S. Chauhan, N.M. Shah, A. Rajagopalan, N.E. Dweltz. Morphohgical and Mechanical Properties of Raw and Swollen Cotton Fibers // Textile Research Journal, 1979; 49; pp. 632-638.

95. D.W. Foreman, K.A. Jakes. X-Ray Diffractometric Measurement of Microcrystallite Size, Unit Cell Dimensions, and Crystallinity: Application to Cellulosic Marine Textiles, "Textile Research Journal", 1993; 63; pp. 455-464.

96. J.W. Illingworth. The optical properties of textile fibers // Textile Recorder, August, 1942, pp. 29-32.

97. P. Hanrahan, W. Krueger. Reflection from Layered Surfaces Due to Subsurface Scattering // In SIGGRAPH' 93 Conference Proceedings, California, August 1993, pp. 165-174.

98. C.J. Curtis, S.E. Anderson, J.E. Seims, K.W. Fleischer and D.H. Salesin. Computer-generated watercolor // In Proceedings of the 24th Annual International Conference on Computer Graphics and Interactive Techniques. ACM

99. Press/Addison-Wesley Publishing Co., 1997, pp. 421-430. DOI= http://doi.acm.org/10.1145/258734.258896.

100. И. Исимару, Распространение и рассеяние волн в случайно-неоднородных средах. М.: Мир, 1981.

101. В.Е. Smits and G. Meyer. Newton's Colors: Simulating Interference Phenomena in Realistic Image Synthesis // 1st Eurographics Workshop on Photosimulation, Realism and Physics in Computer Graphics, 1990, pp. 185-194.

102. I. Icart and D. Arques. An Approach to Geometrical and Optical Simulation of Soap Froth // Computers & Graphics, Vol. 23, No 3, 1999, pp. 405418.

103. N. Nagata, T. Dobashi, Y. Manabe, T. Usami and S. Inokuchi. Modelling and Visualization for a Pearl-Quality Evaluation Simulator // IEEE Transactions on Visualization and Computer, Vol. 3, No. 4, 1997, pp. 307-315.

104. I. Icart and D. Arques. An Illumination Model for a System oftVi1.otropic Substrate Isotropic Thin Film with Identical Rough Boundaries // 10 Eurographics Rendering Workshop, 1999, pp. 260-272.

105. P. Kubelka and F. Munk. Zeits. Tech. Physik (1931), 12, 593.

106. P. Callet. Pertinent Data for Modelling Pigmented Materials in Realistic Rendering // Computer Graphics Forum, Vol. 15, No. 2, 1996, pp. 119128.

107. P. Callet. Physically Based Rendering of Metallic Paints and Coated Pigments // Visualization and Modelling (ed. R. Earnshaw et al.), Academic Press, 1997, pp. 287-301.

108. T. Nishita, E. Nakamae and Y. Dobashi. Display of Clouds and Snow Taking Into Account Multiple Anisotropic Scattering and Sky Light // Proceedings of SIGGRAPH'96, 1996, pp. 379-386.

109. J.S. Gondek, G.W. Meyer and J.G. Newman. Wavelength Dependent Reflectance Functions // Proceedings of SIGGRAPH'94, 1994, pp. 213-220.

110. M. Schramm, J. Gondek and G. Meyer. Light Scattering Simulations using Complex Subsurface Models // Graphics Interface '97, 1997, pp. 56-67.

111. В. Cabral, N. Max and R. Springmeyer. Bidirectional Reflection Functions From Surface Bump Maps // Proceedings of SIGGRAPH'87, 1987, pp. 273-281.

112. S.H. Westin, J.R. Arvo and K.E. Torrance. Predicting Reflectance Functions From Complex Surfaces // Proceedings of SIGGRAPH'92, 1992, pp. 255-264.

113. J. Dorsey and P. Hanrahan. Modelling and Rendering of Metallic Patinas // Proceedings of SIGGRAPH'96, 1996, pp. 387-396.

114. J. Dorsey, A. Edelman, J. Legakis, H. Wann Jensen and H.K. Pedersen. Modelling and Rendering of Weathered Stone // Proceedings of SIGGRAPH'99, 1999, pp. 225-234.

115. J.E. Hansen. Radiative Transfer by Doubling Very Thin Layers // Astrophys. J., 155, 1969, pp. 565-574.

116. J.E.Hansen and L.Travis. Light Scattering in Planetary Atmospheres // Space Science Reviews, 16, 1974, pp. 527-610.

117. M. Pharr and P. Hanrahan. Monte Carlo Evaluation of Non-Linear Scattering Equations for Subsurface Reflection // In Computer Graphics Proceedings, Annual Conference Series, 2000, pp. 75-84.

118. S. Ershov, K. Kolchin, K. Myszkowski. Rendering pearlescent appearance based on paint-composition modelling // Computer Graphics Forum, Vol. 20, No 3, 2001, pp. 227-238.

119. C.S. McCamy. Observation and measurement of the appearance of metallic materials // Part I. Macro appearance. COLOR research and application (1996), 21, pp. 292-304; Part II. Micro appearance. COLOR research and application (1998), 23, pp. 362-373.

120. H.C. Кошляков, Э.Б. Глинер, M.M. Смирнов, Уравнения в частных производных математической физики. М.: Высшая школа, 1970.

121. А.Г. Волобой, С.В. Ершов, С.Г. Поздняков, Решение дифракционной задачи для моделирования освещения тонкого красящего слоя / Препринт ИПМ им. М.В. Келдыша РАН, № 75, 2009, 22 с.

122. I. Wald, С. Benthin, M. Wagner, P. Slusallek. Interactive Rendering with Coherent Ray-Tracing // Computer Graphics Forum. Proceedings of the EUROGRAPHICS'2001, Vol. 20, № 3, 2001, pp. 153-164.

123. C. Damez, K. Dmitriev, K. Myszkowski. Global Illumination for Interactive Applications and High-Quality Animations // STAR State of The Art Report, Eurographics, 2002.

124. The OpenRT: Real-Time Ray-Tracing Project, project website, 2007, http://www.openrt.dehttp://en.wikipedia.org/wiki/OpenRT

125. S. Woop, J. Schmittler, P. Slusallek. RPU: A Programmable Ray Processing Unit for Realtime Ray Tracing // ACM Transactions on Graphics, vol. 24, No 3, 2005, pp.434-444.

126. J. Schmittler, S. Woop, D. Wagner, W. J. Paul, P. Slusallek. Realtime Ray Tracing of Dynamic Scenes on an FPGA Chip // Proceedings of Graphics Hardware, 2004, pp. 95-106.

127. Ю.М. Баяковский, A.B. Игнатенко, А.И. Фролов. Графическая библиотека OpenGL // Учебно-методическое пособие, факультет ВМК, МГУ им. М.В. Ломоносова, Москва, 2003.

128. OpenGL The Industry's Foundation for High Performance Graphics. http://www.opengl.org

129. A.B. Боресков. Графика трехмерной компьютерной игры на основе OpenGL. Изд. «Диалог-МИФИ», Москва, 2004.

130. Cortona3D. Automating Technical Communications. 2012. http://www.cortona3d.com/Products/Viewer/Cortona-3D-Viewer.aspx

131. Web3D consortium. Open Standards for Real-Time 3D Communication. X3D documentation. 2012. http://www.web3d.org/x3d/vrml/

132. Using UVAtlas. 2012. http://msdn.microsoft.com/en-us/library/bb206321 .aspx

133. D. R. Horn, J. Sugerman, M. Houston, P. Hanrahan. Interactive k-d tree GPU raytracing // I3D '07: Proceedings of the 2007symposium on Interactive 3D graphics and game, 2007, pp. 167-174.

134. J. Guenther, S. Popov, H.-P. Seidel, P. Slusallek. Realtime Ray Tracing on GPU with BVH-based Packet Traversal // Proceedings of the IEEE/Eurographics Symposium on Interactive Ray Tracing, 2007, pp. 113-118.

135. T. Aila, S. Laine. Understanding the Efficiency of Ray Traversal on GPUs // Proceedings of High-Performance Graphics'2009, 2009, http://dl.acm.org/citation.cfm?doid=l 572769.1572792.

136. К. Garanzha, С. Т. Loop. Fast Ray Sorting and Breadth-First Packet Traversal for GPU Ray Tracing // Computer Graphics Forum, vol. 29, No. 2, 2010, pp. 289-298.

137. K. Garanzha, A. Bely, V. Galaktionov. Simple geometry compression for ray tracing on GPU // Proceedings of 21-th International Conference on Computer Graphics and Vision GraphiCon-2011, Moscow, Russia, pp. 107-110.

138. В. Фролов, А. Игнатенко. Интерактивная трассировка лучей и фотонные карты на GPU // Proceedings of 19-th International Conference on Computer Graphics and Vision GraphiCon-2009, Moscow, Russia, pp. 255-262.

139. Д. Боголепов, В. Трушанин, В. Турлапов. Интерактивная трассировка лучей на графическом процессоре // Proceedings of 19-th1.ternational Conference on Computer Graphics and Vision GraphiCon-2009, Moscow, Russia, pp. 263-266.

140. Д. Боголепов, Д. Сопин, В. Турлапов Моделирование каустик в реальном времени // Proceedings of 20-th International Conference on Computer Graphics and Vision GraphiCon-2010, St. Petersburg, Russia, pp. 253-256.

141. A. Stephens, S. Boulos, J. Bigler, I. Wald, S. Parker. An Application of Scalable Massive Model Interaction using Shared-Memory Systems // Eurographics Symposium on Parallel Graphics and Visualization, 2006, pp. 19-26.

142. А.Г. Волобой. Метод компактного хранения октарного дерева в задаче трассировки лучей // «Программирование», № 1, 1992, с. 21-27.

143. V. Havran. Heuristic Ray Shooting Algorithms // Dissertation Thesis, Faculty of Electrical Engineering, Czech Technical University, Prague, 2000.

144. C. Benthin, I. Wald, P. Slusallek. A Scalable Approach to Interactive Global Illumination // Proceedings of Eurographics 2003, Computer Graphics Forum, v. 22, № 3, pp. 621 630.

145. A.B. Адинец, Б.Х. Барладян, А.Г. Волобой, В.А. Галактионов, Э.А. Копылов, JI.3. Шапиро. Когерентная трассировка лучей для сцен, содержащих объекты со сложными светорассеивающими свойствами / Препринт ИПМ им. М.В. Келдыша РАН, № 107, 2005.

146. Intel Software Network. Интерактивная трассировка лучей с использованием SIMD инструкций. // 2009, http://software.intel.com/ru-ru/articles/interactive-ray-tracing/

147. Компания Тринова, электротехническое проектирование, company website, 2012, http://www.trinova.ru/ru/planning

148. S.A. Green, D.J. Paddon. Exploiting coherence for multiprocessor ray tracing // IEEE Computer Graphics and Applications, Vol. 9, № 6, 1989, pp. 1226.

149. S.A. Green, D.J. Paddon. A highly flexible multiprocessor solution for ray tracing // The Visual Computer, Vol. 6, № 2, 1990, pp. 62-73.

150. I. Notkin, C. Gotsman. Parallel progressive raytracing // Computer Graphics Forum, Vol. 16, № 1, 1997, pp. 43-56.

151. Е. Veach, L.J. Guibas. Optimally combining sampling techniques for Monte Carlo rendering // SIGGRAPH 95 Proceedings. Addison-Wesley, 1995, pp. 419-428.

152. И.М. Соболь. Метод Монте-Карло. Изд. «Наука», Главная редакция физико-математической литературы, Москва, 1968.

153. SPECTER Computer-Based Optical Modeling and Design System. http://www.integra.jp/en/specter/index.html

154. Список используемых аббревиатур

155. ДФО двунаправленная функция отражения ДФП - двунаправленная функция пропускания МКО - Международная комиссия по освещению ОКМД - одна команда - много данных ПЗС - прибор с зарядовой связью

156. САПР система автоматизированного проектирования, система автоматизации проектных работ

157. ФОР функция объемного рассеяния

158. ЭЛТ электронно-лучевая трубка

159. BRDF bi-directional reflection distribution function

160. BSP binary space partition

161. BSSRDF bi-directional sub-surface scattering reflectance distribution function

162. BTDF bi-directional transmittance distribution function1. CAD computer-aided design

163. CIE Commission Internationale de l'Eclairage

164. GPU graphics processing units

165. GPGPU general-purpose graphics processing units

166. GUI graphical user interface1. HDR high dynamic range

167. HDRI high dynamic range image

168. HSV Hue, Saturation, Value (color model)1.L image based lighting

169. S Illumination Engineering Society

170. SNA Illumination Engineering Society of North America1.P light guiding plate

171. NURBS non-uniform rational B-spline

172. PVC pigment volume concentration

173. RGB Red, Green, Blue (color model)1. RI Radiant Imaging

174. SDK software development kit

175. SIMD single instruction multiple data

176. SSE Streaming SIMD Extension

177. VRML Virtual Reality Modeling Language