Введение
Техника объемного рендеринга на основе изображения. Выделение объема лучей, иногда называемое объемным лучевым отображением, объемным лучевым трассированием или маршировкой лучей в объеме, является техникой объемного рендеринга на основе изображения. Она вычисляет 2D-изображения из 3D-объемных наборов данных (3D-скалярных полей). Выделение объема лучей, которое обрабатывает объемные данные, не следует путать с трассировкой лучей, используемой для обработки поверхностных данных. В объемном варианте вычисления не прекращаются на поверхности, а "проходят сквозь" объект, выполняя дискретизацию объекта вдоль луча. В отличие от трассировки лучей, выделение объема лучей не генерирует вторичные лучи. Поскольку маршировка лучей не обязательно требует точного решения для пересечения и столкновения лучей, она подходит для вычислений в реальном времени для многих приложений, для которых трассировка лучей не подходит.
Volume ray casting, sometimes called volumetric ray casting, volumetric ray tracing, or volume ray marching, is an image based volume rendering technique. It computes 2D images from 3D volumetric data sets (3D scalar fields). Volume ray casting, which processes volume data, must not be mistaken with ray casting in the sense used in ray tracing, which processes surface data. In the volumetric variant, the computation doesn't stop at the surface but "pushes through" the object, sampling the object along the ray. Unlike ray tracing, volume ray casting does not spawn secondary rays. Because ray marching does not necessarily require an exact solution to ray intersection and collisions, it is suitable for real time computing for many applications for which ray tracing is unsuitable.
Классификация
Техника объемного лучевого отображения может быть выведена непосредственно из уравнения рендеринга. Она обеспечивает результаты рендеринга очень высокого качества. Объемное лучевое отображение классифицируется как метод визуализации объема, основанный на изображении, поскольку вычисления начинаются с выходного изображения, а не с входных данных объема, как это происходит в методах, основанных на объектах.
Расширенные адаптивные алгоритмы
Стратегия адаптивного сэмплирования значительно сокращает время рендеринга для высококачественной визуализации – чем выше качество и/или размер набора данных, тем существеннее преимущество перед обычной/равномерной стратегией сэмплирования. Точка пересечения аппроксимируется между лучом и поверхностью, заданной функцией знакового расстояния (SDF). SDF вычисляется на каждой итерации, чтобы иметь возможность делать максимально большие шаги, не пропуская при этом ни одной части поверхности. Порог используется для прекращения дальнейших итераций, когда точка оказывается достаточно близко к поверхности. Этот метод часто применяется для 3D-фрактальной визуализации. При рендеринге эффектов экранного пространства, таких как отражения экранного пространства (SSR) и тени экранного пространства, лучи трассируются с использованием G-буферов, в которых для каждого 2D-пикселя хранятся данные о глубине и нормалях поверхности.