基于基元重启的OpenGL和CUDA图形渲染算法探索

刘敏娜 李延香 魏浩

摘要：针对OpenGL渲染图形要多次访问缓存区的问题，提出一种OpenGL和CUDA混合编程的图形渲染算法来加速PerlinKernel生成虚拟地形图。首先，通过OpenGL将缓存映射到CUDA内存空间，利用CUDA完成加速计算任务；然后，为几何图形设置开始和结束的位置标志，使用基元重启对图形进行组合；最后，对缓冲区对象进行渲染。实验结果表明，改进后的基于基元重启的混合算法在GTX650GPU上的平均帧速率为960fps，帧速率提高6%，算法改进后渲染方法的执行效率提高了63倍。实验证实基元重启可以提高3D处理性能。

关键词：图形渲染；OpenGL；CUDA；基元重启；Perlin

中图分类号：TP393文献标识码：A

1引言

图形渲染在核试验、DNA分子分布、天气预报等大规模科学计算任务中扮演着重要的角色[1，2]。在OpenGL中图形渲染是由CPU进行单独完成的，CPU从RAM中获得数据并且处理数据，然后写入RAM中[3]。这样做性能并不高，原因如下：①CPU的负载重而导致响应速度慢，影响渲染速度和质量；②图形渲染中使用了multiDraw（）方法，绘图开销过大。multiDraw（）用一条命令代替了多条glDraw*（）方法，但是使用这个方法，导致顶点数组扩大了1/2，大量的冗余数据传输到CPU中，造成极大的开销[4-7]。

本文提出了一种CUDA和OpenGL混合图形渲染的方法。CUDA（ComputeUnifiedDeviceArchitecture），是NVIDIA显卡厂商推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题[8-10]。在本文中，为了进一步提高数据传输效率，图形渲染中引入了基元重启，使用基元重启可以对几何图形进行组合，组合之后，需要处理的集合图形数据更少，系统运行速度更快。

2.1传统的OpenGL图形渲染

OpenGL中的顶点，颜色，法线和其它顶点属性数据都是由GLTools库管理的。每次调用glDrawArrays、glDrawElements等一些需要顶点数据的函数时，信息是从一个带有本地GPU的高性能系统中的应用程序内存中获取的，数据将从应用程序的内存中通过PCI-Express接口总线传递到GPU本地内存[11]，将会耗费大量时间，降低应用程序的运行速度。

如果将对象的所有顶点数据打包到单个缓冲区中，程序中必定包含循环，会产生很多OpenGL调用，每次调用都会有一定的系统开销。如果场景中存在大量对象，每个对象都有相关的三角形，那么对glDrawArrays的调用中的开销将会积累，从而对应用程序性能产生负面影响。

为了提高系统的处理效率，可以将大批非连接的三角形组合成三角形带，如图1所示。本来独立的三角型需要3个顶点才能进行表示，经过组合之后每个三角形所需的顶点数减少到1个（不包含三角形带中的第一个三角形）。这样需要处理的集合数据更少了，系统运行速度会更快。

但是问题是，一个三角形可以通过单次调用glDrawArrays或者glDrawElements进行渲染，一组三角形带的渲染就要单独对OpenGL进行多次调用，这意味着在一个使用条带化集合图形的程序中有更多的函数，这可能会抵消使用条带化所获得的性能提升。所以针对条带化处理应该有更好的方法来提高系统的性能，文中提出了基元重启算法。

2.2基元重启

基元重启是设定一个可以被OpenGL状态机识别的数据值，该数据值用于标识当前图形图元已经绘制完成。下一个数据项表示同样类型的另一个图形图元开始。基元重启应用在GL_TRIANGLE_TRIP、GL_TRIANGLE_FAN、GL_LINE_STRIP和GL_LINE_LOOP几何图形类型中。方法在一个条带（或者扇，环）结束和另一个开始时通知OpenGL。在几何图形中指示出一个条带结束，下一个条带的开始位置，实现时需要在元素数组中放置一个作为保留值的特殊标志。由于OpenGL是从元素数组中获取顶点索引（或者在内部生成它们），在glDrawArrays非索引绘制命令情况下，会检查这个特殊索引值，并且在遇到它时结束当前条带并在下一个顶点开始一个新的条带。在基元重启模式开启时，OpenGL会在遇到它时停止当前的条带并开始一个新的条带。

如图2所示，三角形带由9个顶点组成，在单个连接的三角形带中一共产生了8个三角形。通过开启基元重启模式并将基元重启索引设置为5，三角形带会在顶点4处结束，如图3所示。顶点5的实际位置将被忽略，下一个进行处理的顶点6将称为新的三角形带的起始位置。所以，在向OpenGL传递9个顶点的情况下，得到两个独立的三角形带，一个绘制3个三角形，另一个绘制2个三角形。这样一次数据传输的数据量就增加了。

基元重启的好处：

1）基元重启的标记值和绘图的数据可同时生成并存放于GPU上。

2）不同基元重启标记值可以指定不同数量的绘图元素，可通过给glDrawElements（）指定不同的绘图模式，绘制任意数量的线段、三角条带、三角扇面等图形，所以可以绘制不规则的网格或表面。

3）通过安排索引可以优化渲染性能，达到在纹理单元中最大限度重用数据高速缓存。

2.3基于基元重启的OpenGL和CUDA图形渲染的实现

采用Perlin噪声生成器创建虚拟地形的立体地图[12]，通过按键命令改变地形特征。框架分成4个独立的文件，分别如下：

1）kernelVBO.cpp，CUDA数据生成器；

2）simpleGLmain.cpp，定义OpenGL和GLUT的主体框架；

3）simpleVBO.cpp，是通用的OpenGL与CUDA设置以及内存管理；

4）callbackVBO.cpp，用于定义键盘，鼠标，显示的回调函数。

kernelVBO

kernelVBO的处理流程如下：

1）指定Perlin噪声计算中使用的头文件、变量和方法；

2）colorElevation（）方法根据地形各点的海拔返回像素的颜色，选用不同颜色可以为用户呈现一种观看地图的感觉；

3）错误检查函数；

4）k_perlin（）函数利用Perlin噪声生成地形图，将低于海平面的区域的高度设为0。调用cudaThreadSynchronize（），主机刷新OpenGL缓冲区需要等待Kernel执行完毕。

simpleGLmain

simpleGLmain用来在屏幕上打开一个窗口，并设置一些基本的视角变换参数。调用gluPerspective（），在三维空间中设置一个摄像机，从该摄像机的位置观察CUDA生成的数据。当数据或视角位置发生变化时，OpenGL会识别和刷新显示像素。

渲染需要进行如下3D变换：

[1]视角变换，场景中摄像机的安放与定点；

[2]模型变换，安排场景构成；

[3]投影变换，调整摄像机的变焦；

[4]可视区变换选择最终的尺寸。

OpenGL的视角、模型、投影、可视区变换，以及坐标系统的设定都要慎重。

simpleGLmain处理流程：

1）main函数初始化用于计算帧速率的定时器，然后调用用户自定义的方法初始化CUDAKernel，然后注册用户的回调函数，最后调用GLUT主循环；

2）计算帧速率，并将其显示在窗口的标题栏中；

3）GLUT和OpenGL初始化函数创建一个窗口，并在3D空间中指定一个视角位置。

simpleVBO

simpleVBO的算法如下：

1）定义创建和映射色彩信息PBO和顶点VBO的逻辑。

2）creatVBO（）调用glBufferData（），在GPU上分配图形缓存区。GL_DYNAMIC_DRAW标志位告知OpenGL该数据存储会被重复修改与使用。cudaGraphicsGLRegisterBuffer（）将缓冲对象注册为CUDA可访问数据。deleteVBO（）方法将OpenGL缓冲对象解除注册并释放对应的存储空间。

3）runCUDA（）完成所有色彩PBO的与顶点VBO的映射和检索指针。地址传给lauch_kernel（）方法，并被用户自定义的Kernel使用。Lanuch_kernel（）在返回之前会等待所有的Kernel执行完毕，因此该方法返回时可以安全交回OpenGL资源。

使用基元重启渲染三角形时，通过glPrimituveRestartIndexNV（）方法告知OpenGL状态机重启的标记值，然后在OpenGL客户状态机上启动基元重启功能。调用glDrawElement（）渲染数据。当渲染结束，在OpenGL状态机上关闭基元重启。

3实验结果及性能分析

实验平台为Intel2.3GHzCore2双核处理器，图形加速器为NVIDIA公司的GTX650，核心频率为1000MHz，显存频率为4500MHz，显存位宽为128b，显存为1024MB，操作系统为Linux，运行的是PerlinKernel生成虚拟地形图的示例。驱动程序的版本号是9.18.13.2057，总线采用PCIExpress3.0x16接口。应用程序在VS2010环境编译及执行，采用CUDA平台GPU设备编写kernel程序，程序使用扩展的C语言编写。

表1中的数据代表在最差情况帧速率方案中，程序混合使用CUDA和OpenGL所展示的能力和速度。实际的应用程序仅会重新计算渲染场景所必需的最小数据量，显然会获得更高的性能。帧速率包含了重新计算每个顶点3D坐标和颜色的时间，以及图像中每个像素颜色所需要的时间。

在ParallelNsight中查看程序执行时间，PerlinKernel只消耗了很短的（几乎可以忽略不计的）执行时间，执行的时间主要耗费在OpenGL的缓冲交换，需要多次进行缓冲数据交换。

在ParallelNsight中查看OpenGLAPI函数调用的情况，得到各种渲染方法的执行时间：基元重启，大约30μs，multidraw大约1900μs，逐一绘制各扇形：大约1000000μs。执行时间雷达图如下图5所示。因为基元重启减少了PCIe总线上的数据传输，避免了数据传输对性能的影响，因此使用基元重启比使用优化的OpenGL的multiDraw（）方法性能要高出1900/30=63倍。

4结语

本文研究了基于基元重启的OpenGL和CUDA图形渲染算法，在OpenGL和CUDA之间实现互操作的原理，OpenGL将内存映射入CUDA内存之后，利用CUDA进行并行处理。但是如果两者之间的数据需要频繁交换，一定程度上会降低执行效率。通过在传输数据上设置基元重启标志，一次传输的数据信息量大了，这样降低了数据的交换次数，提高了处理的速度。从实验结果上分析，采用OpenGL和CUDA混合编程改写Perlin噪声生成的人工地形程序比使用优化的OpenGLMultiDraw（）方法性能有了大幅度的提高。接下来需要解决的问题是OpenGL和CUDA混合编程实现网络摄像头的现场视频流处理。

参考文献

[1]张权.渲染技术在虚拟仿真中的应用[J].电子制作，2015，（09）：62-63.

[2]QIAOShaojie，WANGYouwei，NIShengqiao.HighspeedimagerenderingmethodbasedonOpenGL[J].ComputerEngineeringandDesign，2011，47（21）：47-49.（乔少杰，王有为，倪胜巧.基于OpenGL的快速图像渲染方法[J].计算机应用研究，2008，25（5）：1589-1595.）

[3]孙晓洁，叶桦，费树岷.基于OpenGL的混凝土泵车智能臂架系统仿真[J].科技通报，2014（05）：22-25.

[4]吴恩华.辐射度技术用于随机分维几何面的全局光照计算[J].计算机学报，2000，（05）：321-323.

[5]ZHAOJianbin，LILingqiao，YANGHuihua.Researchongraphicrenderingenginewiththreadlevelparallelismmethod[J].ComputerEngineeringandDesign，2011，47（21）：47-49.（赵建斌，李灵巧，杨辉华.线程级并行计算在图形渲染引擎中的研究[J].计算机工程与设计，2011，32（12）：4143-4147.

[6]RICHARDS.WRIGHT，JR.NicholasHaemel.OpenGlSuperBibleFifthEdition[M].北京：人民邮电出版社，2012：380-420.

[7]李妮，陈铮，龚光红.多核并行计算技术在景象匹配仿真中的应用[J].系统工程与电子技术，2010，32（2）：428-432.

[8]张林波，迟学斌，莫则尧，等.并行计算导论[M].北京：清华大学出版社，2006：1-59.

[9]RobFarber.CUDAApplicationDesignandDevelopment[M].北京：机械工业出版社，2012：178-185.

[10]GORDERPF.Multicoreprocessorsforscienceandengineering[J].ComputinginScience&Engineering，2007，9（2）：3-7.

[11]NVIDIACUDAProgrammingGuide，version2.1[S].NVIDIA，2008.

[12]项予，许森.基于Perlin噪声的动态水面实时渲染[J].计算机工程与设计，2013，34（11）：3966-3969.

第35卷第1期2016年3月计算技术与自动化ComputingTechnologyandAutomationVol35，No1Mar.2016第35卷第1期2016年3月计算技术与自动化ComputingTechnologyandAutomationVol35，No1Mar.2016