CUDA光线跟踪渲染器的实现和优化中国科技论文在线CUDA光线跟踪渲染器的实现和优化黄鑫，戴志涛5（北京邮电大学计算机学院体系结构中心，北京100876）摘要：光线跟踪渲染器能够生成非常接近于现实的图像，然而由于其庞大的计算量，在个人电脑的实时渲染领域应用非常有限。NVIDIA推出的CUDA平台使得在个人电脑上基于NVIDIA的GPU进行大规模并行计算成为可能。由于光线跟踪算法具有很高的并行特征，本文对传统的光线跟踪渲染器在CUDA上的实现进行了探索，给出了一种完全在GPU端运行的面向对象的实现方案，并对其在CUDA平台上的运行性能进行了优化。关键词：计算机图形学；光线跟踪；CUDA；面向对象；内存对齐访问中图分类号：TP391.91015TheImplementationandOptimizationofaCUDA-basedRayTracingRendererHuang_in,DaiZhitao(ArchitectureCenter,ComputerScienceSchool,BeijingUniversityofPostsandTelecommunications,Beijing100876)Abstract:Raytracingrenderercangenerateimagesthatareveryclosetothereality.However,duetoitslargeamountofcomputation,real-timerenderinginthefieldofPCapplicationsisverylimited.NVIDIA’sCUDAplatformmakeslarge-scaleparallelcomputingpossibleonPCbasedonNVIDIA’sGPU.Astheraytracingalgorithmhashighparallelfeatures,theimplementationoftraditionalray-tracingrendereronCUDAplatformise_ploredinthispaper.Anobject-orientedimplementationthatrunsentirelyonGPUisgiven,andit’sperformanceontheCUDAplatformisoptimized.Keywords:ComputerGraphics;RayTracing;Object-oriented;CoalescedMemeoryAccess20250引言光线跟踪算法[1][2]具有非常高的并行特征。对于图像中每个像素点发射的光线的跟踪过30程，本质上是完全能够独立进行的，不会依赖于其他像素点的计算结果。而光线跟踪的计算量与生成图像的像素数量成正比。因此，只要能够将光线跟踪算法完全的并行化，就可以大大的提高光线跟踪渲染的速度。例如在3D电影渲染领域，常常使用数百台电脑同时进行渲染。而在个人电脑领域，由于CPU是串行执行指令的，难以实现物理上的并行计算。而如果采用增加CPU的数量方式，CPU之间的协作会变得更加复杂，对软件的要求也会更高。35与CPU不同，GPU从一出现开始就以并行计算为核心任务，因此GPU比CPU具有更强的并行处理性能。但GPU的逻辑控制功能较弱，这就使得GPU长期以来只能进行图形显示的计算。随着个人电脑并行运算需求的增加，显卡厂商开始推出GPGPU的概念，即使用GPU来进行通用计算。但是初期的一些用于通用计算的描述语言需要使用者对GPU的图形渲染管线非常了解[3]，这就大大抬高了GPU通用计算的门槛。40NVIDIA推出的CUDA平台[4]使得情况有了改观。基于CUDA可以很方便的开发出使用GPU进行通用计算的程序，并且不需要开发者对显卡的工作原理作过于深入的了解。CUDA提供了对C/C++语言的支持，使得开发过程与基于CPU的开发非常类似，大大简化作者简介：黄鑫（1985-），男，研究生，嵌入式系统与网络通信通信联系人：戴志涛（1969-），男，教授，嵌入式系统与网络通信.E-mail:daizt@