【技术实现步骤摘要】
一种云端CPU及GPU平行渲染方法
[0001]本专利技术属于数据处理
，具体涉及一种云端CPU及GPU平行渲染方法。
技术介绍
[0002]为了便于通过移动设备查看高性能图形工作站上的三维模型，需要聚合渲染资源、分解渲染任务和提高渲染效率。云端CPU（Central Processing Unit / Processor，中央处理器）及GPU（Graphics Processing Unit，图形处理器）平行渲染方法是在服务器端对模型进行实时渲染，然后将渲染的结果图片按照显示的需求发送到客户端。客户端通过浏览器接收和显示服务器端渲染结果。浏览器所占用的CPU、内存以及显卡资源不以模型本身因素进行改变，资源利用率基本保持恒定。大多数云渲染采用CPU串行架构进行渲染运算，例如阿里云、上海网渲以及Renderbus（瑞云渲染）等。因CPU串行架构，采用进程逐个处理的逻辑，对于有先后次序的静态式画面场景是适用的；但对于大规模连续性动态或实时性的图形应用场景，其不具备高效的处理能力。
技术实现思路
[0003]...
【技术保护点】
【技术特征摘要】
1.一种云端CPU及GPU平行渲染方法，其特征在于，包括：对三维模型进行格式统一化以及轻量化，得到轻量化三维模型，所述轻量化三维模型存储于云端渲染服务器集群中；针对云端渲染服务器集群中每个轻量化三维模型，通过云端渲染服务器集群的CPU，并采用切片任务调度方法将轻量化三维模型且分为多个子模型，为每个子模型生成单独的GPU调度任务，得到轻量化三维模型对应的多个GPU调度任务；根据轻量化三维模型对应的多个GPU调度任务，并采用动态加载算法对轻量化三维模型对应的多个子模型进行动态渲染，得到轻量化三维模型的渲染结果。2.根据权利要求1所述的云端CPU及GPU平行渲染方法，其特征在于，根据轻量化三维模型对应的多个GPU调度任务，并采用动态加载算法对轻量化三维模型对应的多个子模型进行动态渲染之后，还包括：将轻量化三维模型的渲染结果以流媒体的方式传输至用户终端进行显示。3.根据权利要求1所述的云端CPU及GPU平行渲染方法，其特征在于，对三维模型进行格式统一化以及轻量化，包括前端数据处理过程以及云端数据处理过程；所述前端数据处理过程包括：获取待上传三维模型，通过前端设备将待上传三维模型转换为mesh格式文件，以实现待上传三维模型的初步轻量化以及格式统一；通过前端设备将mesh格式的待上传三维模型上传至云端渲染服务器集群；所述云端数据处理过程包括：通过云端渲染服务器集群接收前端设备所传输的待上传三维模型，得到目标三维模型，并采用QEM算法对目标三维模型进行压缩，得到压缩模型；所述采用QEM算法进行压缩时的压缩比位于1:10至1:50之间；将所述压缩模型转换为B3D格式文件，得到轻量化模型。4.根据权利要求1所述的云端CPU及GPU平行渲染方法，其特征在于，通过云端渲染服务器集群的CPU，并采用切片任务调度方法将轻量化三维模型且分为多个子模型，为每个子模型生成单独的GPU调度任务，得到轻量化三维模型对应的多个GPU调度任务，包括：通过云端渲染服务器集群的CPU将轻量化三维模型进行切块，得到多个子模型以及每个子模型的大小；为每个子模型赋予唯一标识符，得到每个子模型对应的唯一标识符；确定子模型大小与显存占比为1:20，为每个子模型分配GPU资源，所述GPU资源用于表征子模型运行对应的GPU以及所占用的GPU显存大小；将子模型的唯一标识符与GPU资源关联，得到GPU调度任务。5.根据权利要求4所述的云端CPU及GPU平行渲染方法，其特征在于，根据轻量化三维模型对应的多个GPU调度任务，并采用动态加载算法对轻量化三维模型对应的多个子模型进行动态渲染，得到轻量化三维模型的渲染结果，包括：获取轻量化三维模型对应的每个子模型的模型包围盒尺寸、每个子模型与摄像机视椎体之间的关联度以及每个子模型对应的模型包围盒中心与摄像机之间的距离；根据每个子模型的模型包围盒尺寸、每个子模型与摄像机视椎体之间的关联度以及每个子模型对应的模型包围盒中心与摄像机之间的距离，确定每个子模型的渲染方案，所述
渲染方案包括执行子模型的GPU调度任务，实现对子模型的加载或者对子模型进行卸载；根据每个子模型对应的GPU调度任务以及渲染方案，对每个子模型进行渲染，得到轻量化三...
【专利技术属性】
技术研发人员：袁磊，韩轩，尤嘉庆，吴凤品，张利勇，武益博，林云霞，张磊，曹宇，黄碧辉，曲秀娟，陈蒙，郭玉杰，林枫，刘大巍，
申请(专利权)人：宝钢工程技术集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。