递归性质和大数目追踪光线解决方案

问题：

1、性能

算法的递归性质和大数目的追踪光线，渲染过程可能持续数小时。80-90%的渲染时间花费在计算光线和物体交点上。

2、走样

3、尖锐的阴影

基本的光线追踪算法只能得到尖锐的阴影(因为模拟的是点光源)。

4、局部光照和着色

算法只追踪少数目的光线，只有四种类型的光线被考虑在内，物体之间的漫反射光没有被考虑在内，即算法并不包括全局光照。

解决方案：

1、性能

1. 使用更多或者更好的硬件

2. 大规模并行计算。每一个光线都相互独立。将图像分割，分配在多核上或者分布式网络上；或者分配在多个线程上。

3. 限制交点检测的数目。使用包围盒的层次关系。快速判断光线是否和一组物体相交。物体被分组在封闭的包围盒中。利用空间细分技术：octree,BSP,grid.

4. 优化交点检测

5. 限制追踪光线的数目，确定最大的递归层数。根据光线对当前像素点贡献值大小来限制递归深度。一个阈值用来确定后续光线由于对像素点贡献太小而不会被追踪。

2、走样

使用超采样(super sampling)、抗锯齿(antialiasing)、jittering

1. 追踪额外的主光线并取平均值。即超采样，相对于每一个像素点取一条光线，你可以取特定数目的光线。每一个像素被分为亚像素，对每一个亚像素发射一条光线。当所有的亚像素点都处理完毕，对亚像素点的颜色值取平均值，并将其赋值给该像素点。这种方法大大增加了渲染时间。

2. 自适应抗锯齿。在颜色剧烈变化的地方使用追踪的主光线，颜色变化不大的地方使用最少的主光线。

3. 随机抗锯齿。随机取样代替常规取样。

3、尖锐的阴影

原因：使用点光源、每个交点仅仅对应一条阴影光线。

1. 区域光(area light)。使用一系列点光源来模拟区域光源。对于每一个交点，需要和点光源数目一样多的追踪光线。

2. Monte Carlo光线追踪法。使用随机超采样，光源建模成球形光源，阴影光线指向代表光源的球上面的点。阴影光线颜色的平均值决定该交点最终的颜色值。

4、全局光照

依旧可以使用Monte Carlo法。使用Radiosity算法。