Games101 光线追踪 4
Ray Tracing 4
Monte Carlo Path Tracing 蒙特卡洛路径追踪
Probability Density Function, PDF 概率密度函数
蒙特卡洛积分
通常的常用定积分形式为
以表示函数 上从 到 的积分
采用随机方法,对包含目标函数的固定区域内进行随机采样,计算采样点与总采样次数之间的比值(),并由此计算出该函数的积分
定积分
随机变量
蒙特卡洛积分
Path Tracing
是为了解决 Whitted-Style Ray Tracing 所提出的解决方案
Whitted-Style Ray Tracing
- 总是执行镜面反射/折射
- 在漫反射面停止弹跳
但存在以下问题:
- 仅对于 Mirror 镜面材质 的模拟性能优秀,但是对于 Glossy 光面材质 模拟较差(会完全按照镜面反射方式进行计算)
- 在漫反射表面没有反射光线的计算
从不同方向进行采样,计算反射方程
1 | float shade(p, wo) { |
以上处理方式,会造成光线数量爆炸。当且仅当一个着色点发出一条光线时,才不会发生指数爆炸的情况,将以上伪代码算法描述修改为以下描述
Ray Generation 光线生成
1 | float shade(p, wo) { |
以上算法描述,即为 Path Tracing 路径追踪 (直接消除了分布式光线追踪算法会造成的指数爆炸问题)
并且,以上算法没有终止条件,永远无法停止
但是,我们知道,小频率的采样会导致噪声过多,导致 走样 现象
但是,没有关系,只需要我们增多采样次数 从每个像素投射更多的光路径并进行平均 即可缓解该问题
1 | // 控制 shade 的采样频率,类似与使用了蒙特卡洛算法 |
但是,以上方法仍没有解决无限递归问题
并且,在之前的模拟算法中,我们确实有一个明显的光线停止限制,而现实世界的光线显然是没有反射限制的,通过限制光反射次数的方法也明显会造成部分场景下的渲染问题(比如渲染一个复杂的多反射透明物体,少光反射次数会导致无法正确的渲染光线,极度偏暗)
Russian Roulette (RR) 俄罗斯轮盘赌
解决无限递归问题
使用RR方法,以一定概率停止光线继续反射的计算
通过人工设置一个概率
渲染结果除
无光线入射的概率是
产生的数学期望
得到修正的shade函数
1 | float shade(p, wo) { |
以上实现得到的就是正确的路径追踪算法
但是效率低
在低 SPP(samples per pixel) 即每像素光线数量少的时候,会产生较多的噪声
由于当前点路径追踪是建立在从摄像机进行光路的逆向解算之上的,所以会导致摄像机发出的光线射入光源的概率与二者间的相对物理关系有关(特别是光源的大小)
可能从摄像机均匀发出的光线只有很少的最终射入了光源,很多光线都浪费了
我们要减少光线的浪费,需要更换 PDF
我们可以在 光源上 进行采样
但是蒙特卡洛算法需要的是对x采样对x积分
所以需要对光源面进行微分
只需要知道
即面积投影产生的立体角
Sampling the Light 对光源采样
- light source (直接,无需 RR )
- 直接光照
- other reflectiors (间接, RR )
- 其他非光源
改进shade
1 | float shade(p, wo) { |
点光源在路径追踪中比较难以处理
路径追踪能够做到近似于照片的真实感
现代图形学所说的 Ray Tracing 实际上指所有光线传播方法的集合
Ray Tracing 部分结束