行星级高移动性信息可视化的纹理流实时图形硬件加速系统

沙特国王大学学报用于行星级高移动性信息可视化的Zafar Masooda，Zheng Jiangbina，Zhang，Idrees Ahmada，b，Muhammad Irfanaa西北工业大学软件学院，中国Xib巴基斯坦伊斯兰堡国际伊斯兰大学计算机科学和软件工程系阿提奇莱因福奥文章历史记录：2022年3月28日收到2022年8月13日修订2022年8月13日接受2022年8月24日在线提供保留字：纹理流实时图形可视化虚拟现实硬件加速A B S T R A C T行星级地形需要实时传输世界级高分辨率数据集。世界规模数据集的高性能流传输以实现高保真显示系统在速度和视图方面的高移动性（诸如环视、侧向或向后）是具有挑战性的。此外，没有任何预处理开销的流式数据集需要实时的高性能解压缩和重新投影。本文提出了一种高性能的自适应纹理流系统，用于在真实地形上捕获具有视图切换能力的高速场景，以实现高保真显示系统。该系统提出了多级流水线的多分辨率数据流与稳定的高性能渲染速率。建议的流水线阶段异步连接使用请求队列与缓存层次结构。提出了一种有效的资源管理、预取和缓存、加载请求的优先级排序以及硬件加速处理算法，用于纹理流传输而不产生帧速率抖动。该算法适应观众导航、显示分辨率和动态执行环境.所提出的方法进行评估，复杂的场景，移动性方面的速度和视图，和高保真显示。对于HD（1024 x720）、FHD（1920 x1080）和UHD（3840 x2160）显示分辨率，我们的方法分别实现了2： 4x 105、 1： 2x 105和 9： 0x 104km/h的©2022作者（S）。由爱思唯尔公司出版代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍用于地理信息可视化的虚拟地球流多分辨率数据集（Zhao等人，2021; Liang等人，2018年;Dong等人，2020年）。全球多分辨率数据集被管理为mipmap，并被划分为固定大小的页面。细节层次（LOD）算法基于观看者的地理位置、多分辨率模型的可见性和显示系统的质量来生成对数据流的请求（Cozzi和Ring，2011年; Kazaboa等人，2020年）。多分辨率模型的可见性和LOD取决于查看者*通讯作者。电 子 邮 件 地 址 ： masoodzafar@mail.nwpu.edu.cn （ Z.Masood ） ，zhengjb@nwpu. edu.cn（Z. 江滨），idrees.ahmad@ iiu.edu.pk（一）。Ahmad），mirfan@mail.nwpu.edu. cn（M. Irfan）。沙特国王大学负责同行审查制作和主办：Elsevier方向和视野。虚拟地球仪的应用包括在国防，工程和娱乐行业的互动应用程序开发中崛起（Simon和Swaminathan，2019; Zhu等人，2019年; Zhao等人， 2021年）。用于大规模虚拟环境的纹理流的挑战包括适应多核主机（CPU）和众核设备（GPU）架构（Li等人，2013; Jurado等人， 2022年）。主机和设备上的运行时内存管理会产生运行时分配、绑定和垃圾收集成本。需要一个有效的资源管理策略，以避免这种高性能的运行时成本纹理流和缓存系统是在高速查看器导航期间实现平滑数据更新的关键（Kumar，2020; Zhang等人， 2018年）。需要用于预取和高速缓存、加载请求的优先级排序以及加速处理的有效算法来实现高保真输 出 ， 而 在 导 航 期 间 没 有 帧 速 率 卡 顿 （ Schmitz 等 人 ， 2020;Andries等人， 2018年）。虚拟球体呈现行星尺度表面模型以及其他光栅和矢量层（Liang等人，2014年;马苏德例如，2022年）。行星尺度的地形可以镶嵌和实时渲染使用图形管道上的消费者水平https://doi.org/10.1016/j.jksuci.2022.08.0141319-1578/©2022作者。由爱思唯尔公司出版代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.comZ. Masood，Z.江滨岛Ahmad等人沙特国王大学学报8337硬件（Nießner等人，2016; Lambert，2017）。但是，它需要一个世界规模的高度层流称为数字高程模型（DEM）的自适应模型镶嵌和渲染。世界范围的多分辨率数据层，如卫星图像和街道地图，有各种投影和压缩格式。这种多分辨率数据层的流式传输需要解压缩和重新投影，以避免任何数据预处理开销（Dimitrijevi c“和Rancic”，2015年）。此外，自适应建模和光照着色需要动态生成曲面细分和光照贴图。主机（CPU）的多核架构和设备（GPU）的众核架构实现了消费级硬件上的硬件加速（Janssen等人，2022年）。事件驱动的软件体系结构、并发请求队列和异步请求处理是有效利用硬件加速特性的关键机制（Li等人，2013年）。计算统一设备架构（CUDA）为数据密集型任务的硬件加速提供了异步编程模型（Hladky等人，2019年）。CUDA流、事件和图形互操作性特性为高性能数据传输和处理提供了一种有效的机制.引入mipmap用于多分辨率地图的有效过滤和渲染（Sarton等人，2019年）。Mipmap级别被划分为固定大小的页面，以实现纹理的Clipmap作为虚拟mipmap能够用于大规模景观的纹理化，其中在空间位置和纹理之间存在自然相关性（Zhang等人，2021; Taibo等人， 2009年）。根据大比例模型的可见性，将活动剪辑级别部分加载到内存中此外，它生成平滑的流请求，并且使用高效的环绕寻址来递增地修改多分辨率地图级别航空和卫星图像数据集使用存储，传输和重建高效格式进行管理，即。JPEG格式。然而，它需要在观看者导航期间进行高速解压缩和上传（Robertson等人， 2020年）。虚拟纹理系统流式传输纹理页面，其中空间位置和纹理之间不存在自然相关性（Van Waveren，2012; Chen，2015）。这样的系统使用采样器反馈，其中片段着色器将几何体渲染为额外的通道，并且准备被传送回CPU用于流式传输的页面列表（Zhang等人， 2020年）。此外，为从纹理高速缓存采样的虚拟到物理地址转换维持间接纹理（Chajdas等人， 2018年）。在页面边界上插入额外的像素以避免页面边界处的采样和过滤问题然而，在高速导航期间使用视图切换功能发起加载请求而不进行缓存会导致低质量的输出。此外，现代GPU支 持 使用不同补丁和页面大小的基 于 补 丁 而 不 是 基 于 页 面 的剔 除（Lambert，2017; Lambert等人， 2018年）。本文提出了一种高性能的纹理流管道，用于多分辨率数据层的世界级地形渲染。该方法提出了一种有效的算法，用于预取和缓存、加载请求的优先级排序以及页面的硬件加速处理它利用查看器、场景、硬件环境和显示系统信息进行自适应流式传输和数据层缓存观察者可以以不同的视角和速度方向随机移动在高速查看器导航期间支持动态场景视图（如环视、侧向和向后），而不会影响视觉质量。所提出的方法利用观众的位置，速度和航向信息来预测和预取的页面更新的缓存层次结构。海拔或距地球表面的距离，作为观察者位置的一个此外，标题定义了预测和缓存页面的视图此外，观众速度播放预测缓存范围以获取和缓存页面的重要作用。该方法为每个数据层实例化了一个具有可配置阶段、资源和缓存层次结构的流水线。阶段是松散耦合的，使用异步请求队列来处理页面请求。计算密集的阶段，如解压缩和重新投影的硬件加速利用GPU的计算能力。一个有效的资源分配，绑定和回收计划，提出了克服运行时的内存开销，以避免帧速率口吃。建议的管道完全卸载数据从导航和渲染线程上传。它将高度、图像和其他数据集的页面流与导航和呈现线程并行所提出的系统更新光和曲面细分地图的真实世界的功能显示。CUDA结构（如流、事件和计算着色器）用于实现高速数据传输、处理和上传。建议的纹理流管道进行评估，在世界级的地形与高质量的输出高速场景。这项工作的主要贡献包括：提出了一种自适应纹理流管道，用于行星尺度信息可视化中的多分辨率数据流。它完全卸载数据更新从导航和渲染系统。该方法在速度和视图方面实现了高移动性，在消费级硬件上具有稳定的高有效的预取和缓存，优先级的加载请求，和硬件加速处理的计划提出。它能够在行星级地形上实现高移动性场景的可视化，用于高清、FHD和UHD等高保真显示系统。提出了一种有效的资源管理方案，以克服运行时的内存开销，并实现高渲染率，而不口吃。计算密集型阶段是使用高性能计算环境（CUDA）和现代GPU功能（例如几何实例化和图形互操作性）进行硬件加速的所提出的纹理流管道的评估建立了其有效性的可视化高流动性场景，在速度和视图方面，在消费级硬件上的真实世界的行星尺度的地形文件的其余部分安排如下：相关工作在第2节中总结。第三节详细介绍了纹理流系统的设计和处理流程。在第4节中，讨论了实验设置和评估目标。结果见第5节并进行了讨论。第6节总结了研究与未来的工作。2. 相关工作利用有限的主机和设备计算和存储资源进行行星级地形渲染的高性能纹理流是一个正在进行的研究课题。成像设备、遥感数据和显示系统的质量随着CPU和GPU的计算、存储器和通信能力的进步而高性能的行星尺度景观可视化需要用于高保真显示系统的高速纹理流。2.1. 纹理流纹理流是一个计算、存储和通信密集型任务，用于大规模数据的实时可视化●●●●Z. Masood，Z.江滨岛Ahmad等人沙特国王大学学报8338集合（Wang等人， 2017年）。作为mipmap链的多分辨率纹理的流传输使得能够以减少的抗锯齿对纹理进行低成本过滤（Backes等人，2017年）。此外，它还可以实现高效的缓存、计算和高性能渲染。Beyer等人， 2015年将数据结构分类为mipmap，均匀网格和分层网格，用于流式传输行星级体积可视化的海量数据集。分层网格是一种多分辨率金字塔，其中数据的每个分辨率级别都单独分页。Clipmap是一种虚拟mipmap，用于在有限的物理内存中高效缓存大尺寸纹理，以实现实时行星级地形可视化（Zhao等人，2021;Huang和Chen，2018）。此外，可以加载固定大小的页面并将其排列成大尺寸纹理阵列，以实现高效的流传输、内存管理和重用。纹理数组的引入使得在GPU上本地实现用于大规模纹理流和可视化的剪贴图成为可能（Dimitrijevi c′and Rancic′ ，201 5）。 Sarton等人，2019年提出了基于GPU的方法，用于处理大规模交互式可视化的数据流请求。所提出的方法提出了一个流管道，其中数据被管理为一个规则的网格，用于不同的使用上下文。它使用虚拟内存缓存页面，并实现了基于硬件的加速与GPU上的并行管理，以有效地利用数据在用户交互。而Wang等人， 2019年提出了一种基于多核CPU的大规模信息交互式可视化方法。虚拟纹理化被引入用于纹理流，其中在几何结构和纹理之间不存在自然空间相关性（Chajdas等人，2018年）。Van Waveren，2012年讨论了硬件虚拟纹理，以使用硬件支持加速纹理过程。Schmitz等人，二零二零年使用预测页面管理及硬件虚拟纹理渲染大规模点云数据集。所提出的方法预测页面的当前帧在一个单一的通行证。然而，由于所提出的方法仅使用片段的距离进行着色，因此更精细的 Zhang等人， 2020提出了一种高性能的纹理流管道，用于在实时可视化过程中渐进更新大规模3D城市模型。该方法采用硬件虚拟纹理技术在运行时缓存网格纹理。后来，张等人，2021扩展了自适应纹理流的方法，基于纹理流期间的帧延迟定期调整运行时的流负载。所提出的扩展解决了运行时内存的高绑定成本，以避免流传输期间的帧速率口吃。2.2. 地形渲染引入了基于平铺块的算法，用于有效加载预简化的块，其中细节级别是在飞行中选择（Dausà等人，2020; Cao等人，2019年）。通过扩展分块细节层次算法提出了一种全球浏览系统，其中它在顶点着色器中对高度图进行采样以用于位移映射（Bladin等人，2017年）。所提出的浏览系统可用于探索火星，冥王星和地球的科学可视化。虚拟地球仪需要实时 地 流 式 传 输 和 投 影 世 界 规 模 的 数 据 集 （ Sherlock 等 人 ， 2021;Berrimanand Good，201 7）. Dimitrijevic′和Rancic′，2015年坚持基于剪贴图的表示，用于行星尺度信息可视化的高速纹理流。 Morse等人，2020讨论了在地球探索过程中，从地球内部深处到大气层的世界级数据集的可视化。在现代GPU中引入了硬件曲面细分功能，用于大规模模型的基于块的曲面细分以实现高性能渲染。使用着色器中的高度数据图来剔除、简化和镶嵌大规模模型（Masood等人，2022年）。使用高度和镶嵌图在实时图形流水线中镶嵌大规模模型（Song等人，2017年）。行星尺度地形需要多个栅格数据集的流式传输，例如高度、卫星图像和着色图（Dong等人，2020年）。高性能自适应纹理流对于更新用于高移动性信息可视化的多分辨率光栅数据集至关重要（Zhang等人， 2021年）。然而，现有的方法缺乏对行星尺度地形的设计和评估，以在信息可视化过程中在速度和视图方面具有高机动性。3. 该方法图1显示了具有信息流的子系统。场景渲染，纹理流，层更新被确定为所提出的方法的主要任务。真实世界的地球被建模为WGS-84球体。观察者导航系统使用如图1所示的导航帧更新观察者在地球表面上的位置。场景绘制子系统根据更新后的观看者的地理位置更新并绘制场景。场景渲染子系统向纹理流传输子系统异步发送更新请求以更新层缓存层次结构。图层更新子系统利用纹理页面更新图层裁剪级别，实现信息可视化。所提出的方法使用WGS-84参考椭球体的赤道半径为6378137.0米和极地半径为6356752.3142米，精确地模拟地球的形状作为一个扁球体。ECEF（地心-地固）是一种基准框架，其基点位于地心NEU（东北向上）是一种用于模拟地球表面位置的参考框架局部框架被附加到对象几何体上，以参考图形渲染定义的全局框架放置在场景中Fig. 1.建议的系统：地球被建模为WGS-84椭球。渲染系统接收并处理相机位置的更新。更新请求被异步发送到流系统以上传页面和更新金字塔。Z. Masood，Z.江滨岛Ahmad等人沙特国王大学学报8339ð Þ ð Þ ð Þ系统等式图1至图6描述了用于导航目的的帧的变换。l2e将位置从本地转换为ECEF帧。类似地，ECEF帧到NEU帧和NEU帧到摄像机帧中的位置分别通过e2n和n2c进行变换辊横摇、仰角elv和方位角az 是与参考的旋转角度，相对于NEU-机架前、右和上轴的位置。范围观察范围的位移定义为观察者l2e：rot¼quat：乙醇 90： 0; 0： 0;- 90： 0乙醇1mLl2e：比例1/4vec 1： 0; 1： 0;- 1： 0比例2/4 v ece2n：rot1/4季铵盐：乙醇 0： 0;- 90： 0; 0： 0乙醇3mLe2n：scale¼vec 1： 0; 1： 0;- 1： 0缩放4次n2c：rot;quat：eatrium;elv;azn2c：pos<$n 2c：rotωrange100使用AZ-EL坐标（例如NEU坐标系中的方位角、仰角和范围）定义观察者方向。导航任务更新AZ-EL坐标并将其转换为ECEF框架。接下来，将ECEF坐标系中的位置变换为地球世界帧中的位置由图形渲染系统使用。在本节中，首先，我们介绍了场景渲染子系统的概述，它向纹理流和层更新子系统发送更新请求其次，给出了纹理流流水线的结构设计和处理流程，该流水线与导航和渲染线程并行执行，以实现高吞吐量。最后，我们提出了一个高性能层3.1. 渲染系统呈现系统从导航子系统接收观看者更新命令。导航线程更新查看者固定速率导航线程平滑更新导航参数。利用观察者到地面和地平线的距离来选择活动地图级别。表面地图中心是使用观察者在地球表面上的位置来计算的此外，地图数据层作为设备上的剪辑地图进行管理更新场景任务将数据更新请求异步地发送到纹理流式传输系统以流式传输层，诸如高度和图像，如图2中所解释的。纹理流式传输系统保持多级高速缓存层次结构，以满足当前和未来的数据更新要求，在高速浏览器导航。最后，更新场景任务向更新系统异步发送请求，以生成、批处理和执行更新命令，从而从页面更新层的剪辑级别。更新命令被传送到场景渲染系统，场景渲染系统在绘制更新的范围之前执行命令。3.2. 纹理流图 3示出了纹理流任务到不同硬件组件的映射。资源管理、预取和缓存以及加载请求的优先级排序等任务在CPU上执行，如图所示。3.第三章。类似地，计算密集型任务在GPU上执行以用于硬件加速。资源管理器在多分辨率层的流式传输期间分配、管理和重新分配资源。资源映射器将图形资源注册并映射到CUDA上下文，以实现高性能处理和上传。图二. 场景更新任务与流程活动。图4显示了所提出的纹理流传输系统的结构设计。Map维护对多分辨率数据图层的引用，其中为每个图层级别管理缓存范围层提供程序接收并处理更新请求，以流式传输页面，满足当前和未来的需求。建议的管道实例化的每一层可配置的阶段，资源和缓存范围。每个阶段维护一个异步请求队列，其中专用线程处理请求。所提出的流管道包含诸如下载、加载、处理和上传的阶段。此外，所提出的流式传输管线维持多级高速缓冲存储器层级，例如磁盘（L4）、HRAM（L3）、VRAM（L2）和纹理（L1），以确保高速数据更新。3.2.1. 资源管理资源管理策略对于避免运行时资源分配、绑定和映射成本至关重要。每一层都维护一个项资源池，多个线程可以在不锁定的情况下将项入队或出队。 CPU缓冲区项被分配为固定内存，用于基于DMA（直接内存访问）的CPU到GPU传输，而无需CPU干预。GPU缓冲区项目分配在视频内存使用CUDA的有效内容，帐篷传输和处理。数据层页面被缓存为一个纹理数组项.纹理数组是注册和映射到CUDA作为一个图形资源访问。页表条目包含页id_pid_ xy_ id_Z. Masood，Z.江滨岛Ahmad等人沙特国王大学学报8340图3.第三章。将纹理流活动映射到CPU和GPU上，实现高速数据更新，实现高移动性可视化。算法1：选择水平见图4。纹理流管道的结构设计。映射的纹理数组项的内容使用图形互操作特性进行更新。3.2.2. 预置和缓存图 5显示数据层和页面级别的预取，以更新用于缓存的垂直和径向LOD。子图5（a）-（b）示出了在朝向和远离地球移动的情况下的剪辑级别的缓存。子图图5（c）-（d）解释了对于朝向或相反于速度的观看方向的径向细节层次的预取。所提出的方案缓存更多的纹理高分辨率水平，以满足高流动性的要求。最后，子图。 5（e）-(f)解释了用于倾斜路径上的查看器导航的垂直和径向LOD的预取。所提出的算法1通过利用观看者高度（altkm）、海拔（elv）和观看者距当前范围的视点（范围）的距离来选择活动剪辑水平查看器高度是使用第1行所述的高程和范围值计算的查看器距离地平线的位移（vdhkm）使用观察者高度如第2行所述。观察者与地平线和地面的距离被用来分别选择最低和最高分辨率水平，如方程中所述。四比九。导航系统跟踪观看者的运动并计算其在ECEF帧中的速度。将速度矢量从ECEFX坐标系转换到NEU坐标系。利用速度矢量在NEU XY平面上的投影，得到沿地球表面切平面的速度分量。所提出的方法从活动层的中心在速度方向上画一条线，并找到与相应层边界的交点，如图6所示。交叉点被预测为活动堆栈级别的未来中心点。类似地，沿着地球的大地测量表面法线的速度矢量的分量用于预取用于未来要求的水平。每一层都维护和更新缓存层次结构，Z. Masood，Z.江滨岛Ahmad等人沙特国王大学学报8341图五.预测和预取固定大小的页面进行缓存。多分辨率地图级别在高度上升-下降飞行期间被预取。径向细节级别在具有固定地面高度的查看器导航期间更新。见图6。根据当前和未来的需要，对加载和缓存页面的请求进行优先级排序。例如纹理（L1）、DRAM（L2）、HRAM（L3）和磁盘（L4）的顺序所提出的方法在资源池耗尽时刷新高速缓存，如图1B所示。7 .第一次会议。3.2.3. 更新请求图图6示出了针对不同速度和视图方向的地图剪辑级堆栈的俯视图。预取算法会对位于视锥内并与视锥相交的页面发出更新请求。此外，它还发出对预测的未来位置和观看者可能在任意方向上看到的位置的更新请求，诸如环视、侧向或向后。类似地，针对当前和未来预测的剪辑图级别发出更新请求。更新请求的优先级是从较低分辨率级别到较高分辨率级别加载页面，以便在更新较高分辨率级别期间具有回退选项此外，更新请求按以下顺序发出.首先，对于如图6所示的位于视见平截头体内或与视见平截头体相交的页面。第二，对于位于移动方向上的查看范围内的页面。第三，对于位于高速缓存（L1）的高速缓存范围内的页面。第四，对于位于高速缓存（L2）的第五，对于位于高速缓存（L3）的高速缓存范围内的页面最后，对于在当前查看者位置周围可查看的页面3.2.4. 装载和转移加载阶段从磁盘缓存中加载所请求的页面。图层更新请求由专用工作线程处理Z. Masood，Z.江滨岛Ahmad等人沙特国王大学学报8342见图7。 图像数据集流式传输期间的页面生命周期。并且页面被缓存到主机存储器缓存HRAM（L3）中。如图3所示，从资源池中获取内存缓冲区。缓存区之外的页将返回到资源池以备将来使用。加载线程监视磁盘驱动器队列中的挂起请求。重要的是，如果挂起的请求大于3，则发出更多的更新请求会导致低加载率。加载线程监视队列并延迟请求处理，直到挂起的请求计数小于3。此外，流式传输子系统禁用较高的分辨率级别或减慢观看者导航速度一段时间，直到情况变得正常。实验结果结果表明，该策略有效地避免了瓶颈，系统从异常状态中快速恢复。页面的内容被加载到固定内存中，然后使用CUDA流将其从主机传输到设备，而无需CPU干预。传输的页面被缓存在设备内存缓存DRAM（L2）中，以便高性能上传到页面纹理缓存（L1）。3.2.5. 硬件加速和扩展所提出的方法插入命令的CUDA流的页面解压缩和重新投影的图像和高度层。记录事件并将其放入流中，以查询数据传输和处理请求的完成情况。 对象被实例化和池化，以避免在请求的加速处理期间的运行时成本。用于逆离散余弦变换和颜色空间转换的CUDA内核调用命令被放置在图像层的流在处理之后，使用映射的图形资源将页面上传到页面纹理缓存（L1）纹理数组是instan- tiated和注册与CUDA项目的内容被上传为映射的这些页面是使用图形互操作性特性异步批量上传的Uploadstage对请求进行批处理，并发出单个upload命令以实现高性能。上传事件记录后，放置主机到主机内存复制命令查询上传完成。此外，上传页面后，资源将返回到资源池以备将来使用最后，上传的页面信息被传送到层更新子系统以供进一步处理。3.3. 图层更新渲染系统在查看器更新时更新数据层渲染系统异步发送更新请求以避免帧速率的不稳定，批量层更新命令。批处理命令通过发出单个绘制调用来更新层，从而使用实例化来执行 工作线程为每一层生成更新命令，这些命令由渲染线程高效地批处理，以实现高性能执行，如图1所示。8.第八条。图9解释了使用环绕寻址的层更新。固定大小的页面被流式传输并缓存在内存层次结构中以更新层级别。然而，在高速缓存未命中的情况下，从数据层较低分辨率级别更新内容。见图8。绘制场景批处理并提交更新和绘制命令，以实现高性能执行.Z. Masood，Z.江滨岛Ahmad等人沙特国王大学学报8343ðÞ见图9。层使用纹理缓存中的页面进行更新。此外，当前和延迟上传的页面范围之间的重叠区域被更新以用于高保真输出。等式图7至图11解释了从高速缓存页面或低分辨率剪贴图级别更新层级别。批处理命令使用实例化来提交，其中具有诸如更新大小（updszwh）、目的地偏移（dstoffxy）、剪辑映射大小（cls）和页面大小（pgs）的参数的单元四边形网格（uquad）更新四边形尺寸（四边形xy）使用单位四边形和更新尺寸计算，如等式（1）中所解释的7.第一次会议。接下来，目标位置dstposmdl在模型空间中，通过添加目的地来计算用于级别更新的值更新四元组的补偿，如等式2中所解释的8.第八条。接着，使用模型-视图-投影矩阵mvpm将模型空间中的目标位置变换到图像空间。 纹理采样计算坐标（upduv），以使用剪辑级别（orgxy）和页面大小（pgs）中的原点从缓存页面更新剪辑级别作为在Eq中解释。10.最后，计算纹理上采样坐标（usmuv），以使用剪辑级中的原点和剪辑图大小的原点从相应的较低分辨率级更新剪辑级。quadxy<$uquadxyωupdszwh7dstposmdl¼quadxydstoffxyω1=cls8dstposprj<$mulmvp;dstposmdl9upduv 1/4quadxyorgxyω1=pgs10usmuv 1/4quadxyω0： 5orgxyω 1=clsx1x11 x114. 评估设置所提出的纹理流管道被评估用于真实世界行星尺度渲染，以实现以下目标。首先，评估所提出的方法，用于世界范围的多分辨率高度，图像和着色层流的长距离飞行。第二，访问纹理流管道的性能，用于在速度和视图方面具有高观看者移动性的场景导航，例如环视，侧边和向后。第三，评估所提出的流传输管道在具有挑战性的场景中的有效性和性能，例如高速转弯，地面运动与海拔变化，以及观众放大缩小。第四，在具有低至超高显示分辨率的消费级硬件上获得流媒体性能最后，分析了纹理流流水线的各个阶段的性能，如在高速浏览器导航过程中排队和处理的请求数实验在低端HP-Envy机器（i7- 4510 U CPU@2.0 GHz）上进行，具有HD显示分辨率和2GB内存的840 M显卡我们还评估了所提出 的 方 法 在 中 端 消 费 级 MSI-6 RE 笔 记 本 电 脑 与 i7-6700HQCPU@2.6 GHz ， FHD （ 1920 x1080 ） 显 示 分 辨 率 ， NVIDIAGeForce GTX 1060显卡与6 GB内存。全球数据集作为硬盘缓存进行管理美国航天局空间分辨率为1角秒（30米）的SRTM高程数据集用于全世界。世界尺度卫星图像数据集（ESRI）低分辨率水平用于整个世界。然而，具有1米或更小的空间分辨率的高分辨率级别用于飞行区域。5. 结果和讨论建议的纹理流管道与现实世界的地形渲染系统进行评估。如表1所述，我们评估了针对高移动性真实世界场景的拟议流水线。 在不同的硬件环境下进行各种类型的飞行，以详细评估所提出的纹理流管道。本节将介绍和讨论各种显示分辨率的实验结果。5.1. 性能飞行场景的类型、导航路径的复杂性、查看器导航速度和航向变化是见图10。旋转场景的长距离飞行路径，用于评估数据层纹理流、缓存和渲染稳定性。Z. Masood，Z.江滨岛Ahmad等人沙特国王大学学报8344表1评估真实世界行星尺度场景的纹理流管道。类似地，图12示出了高速放大缩小场景的飞行路径，其导致活动剪辑水平的快速变化。表2显示了给定场景的结果。纹理流-场景（复杂性）移动性（速度）移动性（查看）具有飞行路径的场景，例如转弯、具有高度变化的地面运动（倾斜）和放大不同飞行高度和不同硬件环境下显示分辨率的速度分析在前视图、侧视图和后视图之间切换在转向路径在高程和影像等图层的飞行过程中，会记录流页面、每秒兆字节（MB/s）流速率和缓存未命中率等流性能参数。使用上传的原始数据计算流速率。实验结果在惠普Envy笔记本电脑上执行，流式传输纹理流式传输和缓存分析渲染渲染性能稳定见图11。高速地面导航与海拔上升下降的场景评估数据层流和缓存。见图12。高速放大缩小飞行场景的飞行路径，用于评估数据层流和缓存。影响所提出的纹理流系统的性能此外，期望的显示分辨率、硬件环境以及计算和存储器资源的可用性也影响系统的性能针对不同的飞行路径、显示分辨率和硬件环境设计了实验，以详细评估所提出的系统的性能图图10示出了地面距离约为6,000公里的转弯飞行路径。图11显示了一个倾斜的飞行路径，它导致了剪辑水平的垂直和径向细节水平变化。在表2中给出了导航速度为40，000 km/h、观察器离地间隙为1 km和全高清显示分辨率的转弯飞行路径。拟议的系统将10 000至27 000页的高程和图像层进行了流处理。高程和影像图层可高效地进行流传输，缓存未命中率为0.8，1.5分别此外，高性能的纹理流的结果，可以忽略不计的高速缓存未命中的数量可以观察到倾斜和放大缩小类似地，在MSI-6 RE笔记本上执行的实验结果也在表2中给出，该实验使用转弯飞行路径，导航速度为90，000km/h，观察器离地间隙为1 km，并且超高清显示分辨率。拟议的系统将16 000至60000页的高程和图像层进行了流处理。高程和影像图层的流传输速率高达87，187 MB/s，缓存未命中百分比此外，如表2所示，对于倾斜和放大缩小场景，可以实现高的流式传输和渲染速率，同时具有低的缓存未命中率。5.2. 移动性观众的移动性方面的速度和视图进行评估，分析系统的性能数据层流要求随飞行高度而变化。高分辨率级别被流式传输用于低飞行高度，而低分辨率级别被流式传输用于较高高度。表3显示了在不同海拔高度以速度表示的移动性总体而言，高性能的结果，获得了很少的缓存命中失败。表3显示了惠普Envy笔记本电脑的FHD显示分辨率随海拔高度增加的实验结果。在飞行高度为1至10公里时，观察者的导航速度分别为40，000至320，000公里/小时。级别（更高的分辨率水平（11至16）流与低飞行高度1公里的飞行然而，诸如10-15、9-14和8-13级之类的较低分辨率级飞行高度分别为10公里。同样，在MSI-6 RE笔记本电脑上实现了高导航速度，可在相同飞行高度下实现UHD显示分辨率。对于高程和影像图层（如16，000和60，000），大量页面被流式传输，缓存未命中率较低。表4显示了各种显示分辨率的实验结果。所有实验都是在观察者离地间隙为1 km的转弯路径上进行的。在HP-Envy机上进行了低到FHD分辨率的实验。由于数据更新要求的增加，查看器导航速度会随着显示分辨率的增加而降低。类似地，表2对具有高速观看者移动的场景的纹理流性能的评估。为（高程、影像）图层提供流、流速率和缓存未命中（%）数据。系统场景类型流媒体（页数）流媒体速率（MB/s）缓存未命中（%）帧速率平均值（fps）飞行时间（秒）惠普-羡慕转折10 k，27 k九、三十六0.8，1.5248550（FHD）斜1千、1.4千十二，三十0.5，0.531035放大缩小1.2 k，1.5 k十六、二十五3.5，4.859037MSI-6RE转折16 k，60 k八十七，一百八十七0.7，1.6410240（UHD）斜3 k，4 k四十六、九十三2.0，2.741132放大缩小2.9 k，2.8 k二十八，四十二2.5，4.051050Z. Masood，Z.江滨岛Ahmad等人沙特国王大学学报8345表3在不同飞行高度下，根据速度评估纹理流性能与移动性。为（高程、影像）图层提供流和缓存未命中（%）结果。系统海拔（公里）车速（km/h）水平（流媒体（页面）缓存未命中（%）帧速率平均值（fps）惠普-羡慕1.040,00011–1610 k，27 k0.8，1.5250（FHD）2.080,00010–15一万，一万二0.2，0.52505.0160,0009–146k，8k2.0，1.026010.0320,0008–132.5 k，2.7 k0.8，1.5275MSI-6RE1.090,00012–1716 k，60 k0.8，1.9410（UHD）2.0120,00011–1611 k，49 k2.2，2.84305.0240,00010–1512 k，24 k2.0，3.545510.0360,0009–149公里，11公里2.8，4.0485HD到UHD分辨率在MSI-6 RE机器上执行。对于所有分辨率观察到高的流传输速率，其中缓存未命中的数量可以忽略不计。图13显示了飞行过程中的观察方向和速度。观察者在速度方向上移动，并在飞行期间在任意方向上观察，例如环视，侧向和向后。实验结果表明，观众可以在任意方向看，在高速导航与平滑的数据流层。5.3. 渲染稳定性图14显示了给定显示分辨率的转弯路径上的飞行长距离飞行的渲染速率。实验在MSI-6 RE笔记本上进行，导航速度分别为90，000，180，000和360，000 km/h，用于UHD，FHD和HD显示分辨率。在高速导航期间实现每秒410、590和850帧的渲染速率。稳定的高渲染速率意味着可以实时流式传输和渲染除高程、图像和着色之外的其他数据层。大量的三进制数，如300万、200万和100万，分别被渲染为UHD、FHD和HD的显示分辨率。为了获得更高的显示分辨率，渲染三角形的数量增加，这导致渲染速率较低5.4. 流分析图图15和图16显示了页面的排队、处理和上传，以分析影像和高程图层的流传输性能。MSI-6 RE机器上的转弯路径的结果分别显示在图15和图16中的图像层和高程层。这些飞行分别以90，000、180，000和360，000 km/h的导航速度执行，UHD、FHD和HD显示分辨率分别为1 km离地间隙。子图15-a示出了图像层的加载阶段队列计数达到50。然而，可以观察到，请求被有效地处理，因为对于HD、FHD和UHD分辨率，排队请求的平均数量分别保持小于10、15和20。子图15-b示出了最多40个请求被排队用于图像层。多个对象有效地处理图像解压缩请求。此外，子图15-c示出了平均而言，对于上传阶段，队列计数保持小于5可忽略的图13岁机动性（视图）：飞行场景，用于评估高速地面导航的机动性见图14。在立面、图像和着色层的高速流期间实现稳定的高性能渲染。观察高速查看器导航期间高速缓存未命中的数量子图 15-e显示上传的页面数即六万这意味着平均页面上传速率为每秒230最后，可以忽略不计的页面数量被延迟上传，如图所示。 15-f表4针对不同显示分辨率的移动性（速度）和流媒体评估。为（高程、影像）图层提供流、流速率和缓存未命中（%）结果。系统决议车速（km/h）水平（流媒体（页面）流媒体速率（MB/s）缓存未命中（%）帧速率平均值（fps）惠普-羡慕640x480160,0008–144k，4k14.8、22.20.1，0.36251024x72080,00010–154 k，7 k七点五十九点五0.1，0.33901920x108040,00011–1610 k，27 k9.6、36.40.8，1.5250MSI-6RE1024x720240,00010–157k，8k二十二，九十1.4，1.08501920x1080120,00011–1610 k，28 k十七、一百七十三0.5，0.95903840x216090,00012–1716 k，60 k八十七，一百八十七0.8，1.5420Z. Masood，Z.江滨岛Ahmad等人沙特国王大学学报8346图15. 图像层：在图像层的流式传输期间排队和处理请求。类似地，图16显示了高程层的纹理流信息。分别为UHD、FHD和HD显示分辨率上传了16，000、11，000和8，000页。在子图中可以观察到具有可忽略数量的延迟上传的低数量的高速缓存未命中。16-d和16-f。与高程层相比，影像的页面数量较多，因为影像的空间分辨率高于高程层。5.5. 比较分析表5显示了用于将所提出的方法移动性、流式传输和渲染速率与最先进的方法进行比较的参数表