面向自适应网格细化数据的索引构建与体绘制方法及系统

本发明属于科学计算可视化，尤其涉及面向自适应网格细化数据的索引构建与体绘制方法及系统。

背景技术：

1、自适应网格细化（adaptive mesh refinement，amr）是大型数值模拟中的核心技术，通过在物理量变化剧烈的区域使用细网格、在平缓区域使用粗网格，集中计算资源并减少存储开销。这类数据广泛应用于计算流体力学、天体物理、气候模拟等领域，其典型框架包括块结构amr和基于八叉树的amr。为了对精细模拟结果进行分析和诊断，用户通常需要对amr数据进行直接体绘制，以获取三维场的整体结构。

2、直接体绘制需要在任意采样位置快速定位包含该点的小区并进行插值。现有的高性能amr体绘制方法多将不规则的amr网格重组为gpu友好的基元，并借助硬件加速的包围体层次结构实现光线遍历与空间跳过。典型方案如exabrick，将相同细化级别的小区聚拢为规则网格的“砖块”，再在这些砖块之上构建bvh。另一种方案exastitch则构建显式对偶网格，通过规则网格片与非结构拼接单元共同表示过渡区域。

3、上述方法虽然在绘制质量上取得较好效果，但普遍存在gpu内存开销显著的问题。为了保证跨级界面处c0连续，exabrick采用重叠砖块结合特殊基函数，exastitch产生大量显式拼接单元，这些附加结构使几何数据体积膨胀50%至75%。再加上硬件bvh的构建与存储，内存峰值极易超出普通消费级gpu的容量，严重限制大规模amr数据交互式可视化的适用范围。

4、此外，现有基于bvh的方法对特定硬件加速器依赖性强，遍历深度与树结构复杂度高，难以在内存受限或非optix环境下运行。

技术实现思路

1、为了解决上述背景技术中存在的至少一项技术问题，本发明提供面向自适应网格细化数据的索引构建与体绘制方法及系统，其能够大幅降低amr体绘制内存占用、同时保持高效空间查询与高质量渲染。

2、为了实现上述目的，本发明采用如下技术方案：

3、本发明的第一方面提供面向自适应网格细化数据的索引构建与体绘制方法，包括如下步骤：

4、获取待绘制的amr仿真数据；

5、对待绘制的amr仿真数据进行预处理，将细胞中心场重构为顶点中心场，在粗-细界面处通过双单元插值确保标量场的c0连续性；

6、基于重构后的顶点中心场，将amr细胞映射至统一整数坐标空间；

7、基于映射至统一整数坐标空间的amr细胞构建浅层砖树；其中，砖树的每个内部节点对应一个局部规则网格，且同父节点的子节点具有相等的空间范围；

8、对砖树进行gpu友好的紧凑编码，利用位图替代显式节点索引和细胞id，并将砖块和标量值以线性数组形式存储于gpu内存；

9、在gpu上通过整数算术在砖树中进行恒时细胞定位，并执行带有混合粒度段的空间跳过和自由程采样的直接体绘制。

10、进一步地，将获取的待绘制的amr仿真数据以细胞中心的形式存储，表示为细胞集合，其中每个细胞至少包括细胞中心位置、空间包围盒、细化级别、细胞尺寸以及细胞中心标量值、细胞在所属 amr 块、树节点或层级结构中的位置信息。

11、进一步地，将细胞中心场重构为顶点中心场，具体包括：

12、对每个amr细胞，根据其空间包围盒和细化级别生成对应的角点坐标，并以角点坐标作为键建立顶点映射表；

13、遍历相邻细胞对，若两个相邻细胞的细化级别不同，则将其公共边界标记为粗-细界面；

14、在粗-细界面上，若某一顶点同时出现在粗级细胞和细级细胞的角点集合中，则记为共享顶点；若某一顶点只出现在细级细胞边界上，而位于粗级细胞边或面内部，则记为悬挂顶点；

15、对于共享顶点，构造以该共享顶点为中心的局部对偶单元，对邻域细胞中心标量值进行插值得到共享顶点标量值；

16、对于悬挂顶点，根据其在粗细界面上的几何位置，由相邻共享顶点的标量值插值得到悬挂顶点标量值；

17、将普通顶点、共享顶点和悬挂顶点的标量值写入顶点中心场。

18、进一步地，所述基于重构后的顶点中心场，将amr细胞映射至统一整数坐标空间，包括：

19、遍历全部amr细胞，确定全局空间范围和；

20、统计三个维度上的最细级细胞宽度，以作为整数坐标空间中的基本量化单位，计算各维度量化长度，由此使整数空间边界对齐至2的幂次，对任意浮点位置x，将其映射为整数坐标，其中，为浮点坐标x在维度d上的分量坐标，为维度d上全局空间最小坐标，为全局整数包围盒边长。

21、进一步地，所述基于映射至统一整数坐标空间的amr细胞构建浅层砖树，包括：

22、初始化根节点创建覆盖全部amr细胞整数空间范围的根节点；

23、对当前节点，若其不包含任何细胞，则将其标记为空叶；若其仅包含一个amr细胞，则将其标记为普通细胞叶；若其包含多个细胞，则将其标记为砖块节点，并继续执行划分，划分时，统计其中所有细胞的细化级别，取节点内最粗级别细胞的整数边长作为局部划分粒度；

24、枚举候选划分方案，对于某一候选划分方案 p，结合划分维度、局部划分粒度、该维度上的子区间数量计算每个候选方案的局部分支数k；

25、对于候选方案，计算产生的k个子节点的细胞方差启发式cvh；

26、根据cvh、子节点k的数量和砖块数量、区域连续性选定方案；

27、按照选定划分方案，将当前砖块均匀划分为设定数量等大小子空间，根据细胞整数坐标将细胞分配至对应子节点，并对每个子节点递归执行上述过程，直至所有节点均为叶节点，构建完成后，输出砖树节点集合b。

28、进一步地，所述对砖树和顶点中心场进行gpu友好的紧凑编码具体包括：

29、按照广度优先为砖块编号，每个砖块至少存储子砖查找位图和空叶掩码位图，中，一位对应一个子节点，用于区分该子节点为子砖块或非子砖块的拓扑编码；中，一位对应一个子节点，用于标记该子节点是否为空叶；

30、每个砖块中还存储第一个子砖的偏移量、价值偏移量、价值范围及包围盒元数据；标量值数组按顶点顺序线性存储，其他顶点索引通过规则网格的整数运算即时求得；子砖查找通过硬件支持的rank操作在常数时间内完成。

31、进一步地，所述在gpu上通过整数算术在砖树中进行恒时细胞定位，并执行带有混合粒度段的空间跳过和自由程采样的直接体绘制，包括：

32、将当前光线位置映射整数坐标，从根砖块开始，根据与当前砖块整数包围盒和划分粒度的关系，计算当前层的子节点索引；

33、当定位到非空细胞时，根据该细胞在父砖块局部规则网格中的位置，取其八个角点的顶点值，并依据采样点在该细胞内的相对位置执行三线性插值，得到标量值；

34、采用砖块段和细胞段混合的采样策略确定混合粒度的类型，计算不同类型粒度的段出口距离；

35、计算不同类型粒度的主极大值，结合主极大值和设定的阈值，判断是否将光线推进至；

36、当光线累计不透明度达到预设阈值，或超过离开距离，终止该光线处理，否则继续从新的 t 位置重复执行定位、插值和采样过程，直至完成绘制。

37、本发明的第二方面提供面向自适应网格细化数据的索引构建与体绘制系统，包括：

38、仿真数据获取模块，用于获取待绘制的amr仿真数据；

39、数据重构模块，用于对待绘制的amr仿真数据进行预处理，将细胞中心场重构为顶点中心场，在粗-细界面处通过双单元插值确保标量场的c0连续性；

40、坐标映射模块，用于基于重构后的顶点中心场，将amr细胞映射至统一整数坐标空间；

41、砖树构建模块，用于基于映射至统一整数坐标空间的amr细胞构建浅层砖树；其中，砖树的每个内部节点对应一个局部规则网格，且同父节点的子节点具有相等的空间范围；

42、紧凑编码模块，用于对砖树进行gpu友好的紧凑编码，利用位图替代显式节点索引和细胞id，并将砖块和标量值以线性数组形式存储于gpu内存；

43、绘制模块，用于在gpu上通过整数算术在砖树中进行恒时细胞定位，并执行带有混合粒度段的空间跳过和自由程采样的直接体绘制。

44、本发明的第三方面提供一种计算机可读存储介质。

45、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的面向自适应网格细化数据的索引构建与体绘制方法中的步骤。

46、本发明的第四方面提供一种计算机设备。

47、一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的面向自适应网格细化数据的索引构建与体绘制方法中的步骤。

48、与现有技术相比，本发明的有益效果是：

49、本发明通过将amr细胞重组为浅层局部规则网格，结合顶点中心场重构与位图紧凑编码，在无需硬件bvh的情况下实现高效、低内存的交互式绘制。够大幅降低amr体绘制内存占用、同时保持高效空间查询与高质量渲染。

50、本发明通过顶点中心场重构与双单元插值，在无需重叠砖块或显式拼接几何的条件下实现了跨级界面的c0连续性，避免了传统方法为连续重建引入的额外内存开销。

51、砖树采用浅层局部规则网格层次结构，取代深度bvh，从根本上降低了空间索引的存储与遍历开销；细胞方差启发式保证划分后的砖块数量少、同级别细胞聚集性好，有利于空域跳过和内存紧凑摆放。

52、基于位图的紧凑编码消除了显式细胞id和节点指针，理论上可将amr网格的内存开销降低约80%，使得数亿级细胞的数据集可在消费级gpu上完整放入显存。

53、整个体绘制器完全在cuda上实现，无需依赖optix等硬件光线追踪，降低了对特定硬件的依赖，同时保持了与现有方法相当的绘制性能和视觉保真度。

54、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。