舒 亮，張 潔，陳 璇，楊艷芳

(1.溫州大學(xué) 浙江省低壓電器工程技術(shù)研究中心，浙江 溫州 325027 2.武漢理工大學(xué) 交通與物流工程學(xué)院，湖北 武漢 430063)

0 引言

制造業(yè)是國(guó)民經(jīng)濟(jì)的支柱，隨著經(jīng)濟(jì)和技術(shù)的飛速發(fā)展，制造企業(yè)面臨著快速技術(shù)變革帶來(lái)的多方面挑戰(zhàn)，產(chǎn)品生命周期短、需求不穩(wěn)定、高度定制化等因素，對(duì)現(xiàn)代制造業(yè)提出了更高要求，世界各國(guó)已瞄準(zhǔn)新一代信息技術(shù)和先進(jìn)制造技術(shù)的深度融合和應(yīng)用，以智能制造為主攻方向，加快工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展[1]。數(shù)字孿生作為解決智能制造信息物理融合問(wèn)題和踐行智能制造理念的關(guān)鍵技術(shù)，被眾多學(xué)者廣泛研究和關(guān)注，并被引入到越來(lái)越多的領(lǐng)域進(jìn)行應(yīng)用[2]。

數(shù)字孿生以數(shù)字化方式創(chuàng)建物理實(shí)體的虛擬模型，借助數(shù)據(jù)模擬物理實(shí)體在現(xiàn)實(shí)環(huán)境中的行為，通過(guò)虛實(shí)交互反饋、數(shù)據(jù)融合分析、決策迭代優(yōu)化等手段，為實(shí)體增加或擴(kuò)展新的能力[3-5]，從而促進(jìn)物理空間與虛擬空間交互迭代、虛實(shí)融合，便于產(chǎn)品設(shè)計(jì)、生產(chǎn)、運(yùn)維等過(guò)程的數(shù)字化和信息化[6]。數(shù)字孿生技術(shù)應(yīng)用于制造業(yè)領(lǐng)域，所需渲染的三維場(chǎng)景往往具有大量需要實(shí)時(shí)渲染的虛擬模型，包括廠(chǎng)房建筑、廠(chǎng)房環(huán)境、多種產(chǎn)品生產(chǎn)線(xiàn)。其中多種產(chǎn)品生產(chǎn)線(xiàn)由于設(shè)備精細(xì)零件數(shù)量巨大，且模型處于運(yùn)動(dòng)狀態(tài)，導(dǎo)致存儲(chǔ)數(shù)據(jù)量較大，動(dòng)態(tài)模型的實(shí)時(shí)數(shù)據(jù)傳輸影響了大規(guī)模場(chǎng)景實(shí)時(shí)渲染效果。對(duì)數(shù)字孿生模型進(jìn)行實(shí)時(shí)渲染，實(shí)時(shí)、動(dòng)態(tài)地生成定制化空間、模型和場(chǎng)景，是構(gòu)建數(shù)字孿生系統(tǒng)的關(guān)鍵，模型渲染速度和效率對(duì)于數(shù)字孿生系統(tǒng)性能至關(guān)重要，尤其是大規(guī)模場(chǎng)景下，解決孿生模型的快速渲染問(wèn)題，是實(shí)現(xiàn)高性能數(shù)字孿生系統(tǒng)的關(guān)鍵。

目前國(guó)內(nèi)外學(xué)者針對(duì)數(shù)字孿生模型實(shí)時(shí)渲染問(wèn)題進(jìn)行了較多研究，國(guó)內(nèi)學(xué)者如陳景廣等[7]利用多核CPU的計(jì)算特性實(shí)現(xiàn)四叉樹(shù)多細(xì)節(jié)層次(Levels of Detail，LOD)的并行生成和三角形網(wǎng)格的渲染，有利于提高三維數(shù)字高程模型(Digital Elevation Model，DEM)渲染的性能。袁友偉等[8]提出一種基于圖形處理器(Graphics Processing Unit，GPU)的具有真實(shí)感三維實(shí)體模型快速繪制方法，降低能量方程的數(shù)值，減少線(xiàn)性曲面中三角形個(gè)數(shù)。文獻(xiàn)[9]研究了基于GPU的水彩畫(huà)風(fēng)格實(shí)時(shí)渲染及動(dòng)畫(huà)繪制方法，并利用GPU并行加速。文獻(xiàn)[10-12]研究了流體模型的加速渲染方法，如通過(guò)數(shù)值計(jì)算模型的優(yōu)化[10]、GPU加速[11-12]等方法進(jìn)行渲染建模。李融等[13]則利用GPU實(shí)現(xiàn)城市管線(xiàn)數(shù)據(jù)的編解碼、場(chǎng)景管理、曲面細(xì)分建模等任務(wù)，有利于提升渲染性能。

國(guó)外如WHANG等[14]將CPU操作分成兩部分來(lái)提高實(shí)時(shí)圖形渲染的并行處理性能：純CPU操作和與GPU相關(guān)的操作，并使它們并行操作，實(shí)現(xiàn)快速圖形渲染。文獻(xiàn)[15]提出一種可擴(kuò)展的混合CPU-GPU算法，將GPU細(xì)分與CPU瓦片管理結(jié)合在一起，同時(shí)將圖形內(nèi)存的使用保持在實(shí)際限制內(nèi)。文獻(xiàn)[16]提出了用于非剛性3D醫(yī)學(xué)圖像配準(zhǔn)的框架，將兩種基于選定標(biāo)志點(diǎn)的配準(zhǔn)方法在統(tǒng)一計(jì)算設(shè)備架構(gòu)(Compute Unified Device Architecture,CUDA)上實(shí)現(xiàn)。RAMOS等[17]在GPU上進(jìn)行網(wǎng)格的細(xì)化和簡(jiǎn)化，實(shí)現(xiàn)三維模型的多分辨率渲染。

在現(xiàn)有研究中，國(guó)內(nèi)外學(xué)者主要從CPU多核、CPU和GPU協(xié)同處理、GPU并行計(jì)算這三方面對(duì)場(chǎng)景實(shí)時(shí)渲染進(jìn)行優(yōu)化，借助CPU多核的計(jì)算特性對(duì)LOD、數(shù)據(jù)編碼等渲染優(yōu)化技術(shù)進(jìn)行改進(jìn)，提升渲染效率。CPU和GPU協(xié)同處理有助于減輕CPU的計(jì)算壓力，將復(fù)雜計(jì)算交至GPU，加速模型繪制過(guò)程。然而，這些研究中不涉及對(duì)模型渲染流程的改變和優(yōu)化，仍然遵照應(yīng)用階段、幾何階段和光柵化階段的處理流程，在CPU中進(jìn)行場(chǎng)景準(zhǔn)備、視錐體剔除等操作，然后將渲染圖元傳輸?shù)紾PU，進(jìn)行后續(xù)渲染操作，存在以下幾點(diǎn)局限性：

(1)在現(xiàn)有渲染流程中，其視錐體剔除主要采取粗粒度方式進(jìn)行，視錐體剔除無(wú)法完全剔除在視錐體外部的模型，導(dǎo)致這部分理應(yīng)被剔除的模型仍然會(huì)進(jìn)入后續(xù)渲染流程，加劇CPU和GPU的計(jì)算負(fù)擔(dān)。

(2)現(xiàn)有方案中視錐體剔除操作主要在CPU中進(jìn)行，由于需要進(jìn)行頻繁的視錐體判定、包圍體計(jì)算、相交計(jì)算、位置關(guān)系判斷等，CPU負(fù)擔(dān)較重，影響孿生模型對(duì)運(yùn)動(dòng)控制、數(shù)據(jù)通信在實(shí)時(shí)性和有效性方面的要求。

事實(shí)上，將模型渲染流程優(yōu)化與CPU/GPU協(xié)同處理相結(jié)合，同時(shí)對(duì)渲染流程和渲染框架進(jìn)行優(yōu)化和改進(jìn)，是進(jìn)行大規(guī)模場(chǎng)景快速渲染的另一種有效思路，尤其是對(duì)設(shè)置有大規(guī)模場(chǎng)景的數(shù)字孿生系統(tǒng)，對(duì)數(shù)據(jù)交互、動(dòng)態(tài)控制實(shí)時(shí)性要求高，降低CPU的計(jì)算負(fù)擔(dān)、提升模型渲染效率，是提高數(shù)字孿生系統(tǒng)性能的重要途徑。

針對(duì)以上問(wèn)題，本文提出一種面向大規(guī)模場(chǎng)景的數(shù)字孿生模型快速渲染新方法，將渲染流程優(yōu)化和CPU/GPU協(xié)同處理相結(jié)合，在渲染流程上，提出一種數(shù)字孿生模型視錐體細(xì)粒度剔除算法，通過(guò)子模型劃分、子模型包圍體創(chuàng)建、相交計(jì)算等操作，實(shí)現(xiàn)視錐體細(xì)粒度剔除；同時(shí)，在計(jì)算框架搭建上進(jìn)行優(yōu)化，將幾何模型數(shù)據(jù)傳輸至GPU，在GPU中進(jìn)行并行計(jì)算，將原本CPU中進(jìn)行的視錐體剔除和計(jì)算移植到GPU，進(jìn)行視錐體剔除和操作的并行計(jì)算，減少CPU計(jì)算壓力的同時(shí)，利用GPU計(jì)算資源并行計(jì)算，提升模型渲染效率。

1 模型渲染方案

圖形渲染主要將三維模型按照相機(jī)、燈光、紋理貼圖等參數(shù)在屏幕上繪制成二維圖像[18-20]，傳統(tǒng)圖形渲染方案的流程分為3個(gè)階段：應(yīng)用階段、幾何階段和光柵化階段，如圖1所示。

(1)應(yīng)用階段 主要在CPU中進(jìn)行，分為場(chǎng)景準(zhǔn)備、視錐體剔除和設(shè)置渲染狀態(tài)等，視錐體剔除主要是將視景之外的模型進(jìn)行剔除，減少進(jìn)入后續(xù)渲染的模型數(shù)量，有利于提升渲染效率，設(shè)置相應(yīng)的渲染狀態(tài)后，渲染圖元傳輸?shù)紾PU，進(jìn)行后續(xù)操作。

(2)幾何階段 幾何階段基于GPU運(yùn)行，主要進(jìn)行頂點(diǎn)著色、幾何著色、投影、裁剪等渲染流程，最后輸出經(jīng)過(guò)坐標(biāo)變換和投影之后的頂點(diǎn)坐標(biāo)、顏色以及紋理坐標(biāo)，將其傳輸?shù)焦鈻呕A段進(jìn)行像素著色等操作。

(3)光柵化階段 光柵化階段基于GPU進(jìn)行，包括三角形設(shè)置、三角形遍歷、像素著色等流程[21-22]，該階段將幾何階段輸出的三角形轉(zhuǎn)化為片段，并對(duì)片段進(jìn)行著色，裁剪、測(cè)試、融合等處理后，最終和幀緩沖混合，形成二維圖像。

2 孿生模型快速渲染方案

由傳統(tǒng)模型渲染方案可知，視錐體剔除主要在CPU中進(jìn)行，增加了CPU工作量，并且采用串行方法進(jìn)行，其視錐體剔除模式主要基于粗粒度方法，無(wú)法完全剔除在視錐體外部的模型，導(dǎo)致這部分理應(yīng)被剔除的模型仍然會(huì)進(jìn)入后續(xù)渲染流程，加劇CPU和GPU渲染負(fù)擔(dān)。本文提出的采用并行計(jì)算框架的數(shù)字孿生模型視錐體細(xì)粒度剔除快速渲染新方法，其主要流程如圖2所示。

2.1 模型數(shù)據(jù)預(yù)處理

在圖2所示的流程中，需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，對(duì)于大規(guī)模三維場(chǎng)景，視錐體剔除主要對(duì)模型與視錐體進(jìn)行相交檢測(cè)，計(jì)算量較大，為了進(jìn)行細(xì)粒度剔除，首先對(duì)數(shù)字孿生模型數(shù)據(jù)進(jìn)行預(yù)處理，其流程如圖3所示。

在圖3所示流程中，首先進(jìn)行數(shù)據(jù)獲取，加載三維場(chǎng)景數(shù)據(jù)到內(nèi)存和CPU，CPU從內(nèi)存獲取幾何模型數(shù)據(jù)和視錐體數(shù)據(jù)，確定相機(jī)可視范圍。

隨后，CPU調(diào)取幾何模型的三角面片數(shù)量以及三角面片頂點(diǎn)數(shù)據(jù)，將模型的三角形面片數(shù)均分，進(jìn)行子模型劃分，將模型剖分為含相同數(shù)量三角面片的分組，每個(gè)分組可以等同為一個(gè)子模型。

最后，構(gòu)建子模型包圍體，定位并計(jì)算子模型中心坐標(biāo)和范圍，根據(jù)子模型坐標(biāo)和范圍構(gòu)建相應(yīng)大小的子模型包圍體。將視錐體數(shù)據(jù)和預(yù)處理完成的子模型包圍體數(shù)據(jù)共同傳輸至顯存，進(jìn)行視錐體數(shù)據(jù)和包圍體數(shù)據(jù)存儲(chǔ)，等待GPU調(diào)取該數(shù)據(jù)，進(jìn)行視錐體剔除計(jì)算。

2.2 基于GPU并行的視錐體細(xì)粒度剔除

視錐體剔除作為傳統(tǒng)模型渲染方案的重要操作，主要基于粗粒度的模型剔除算法，目的是用來(lái)判斷模型是否需要被繪制，其剔除效率較低。2.1節(jié)對(duì)其進(jìn)行預(yù)處理操作，有助于在GPU并行框架下實(shí)現(xiàn)視錐體細(xì)粒度剔除，能夠有效避免三維場(chǎng)景中冗余模型的大量渲染消耗。在并行框架下進(jìn)行子模型剔除關(guān)系的檢測(cè)和計(jì)算，算法具體步驟為：

(1)開(kāi)啟GPU并行計(jì)算進(jìn)程，根據(jù)子模型數(shù)量配置相應(yīng)數(shù)目的GPU并行線(xiàn)程，所分配的線(xiàn)程用來(lái)執(zhí)行子模型包圍體與視錐體的相交計(jì)算。由于本文通過(guò)2.1節(jié)模型數(shù)據(jù)預(yù)處理操作，獲取子模型包圍體數(shù)量，因此實(shí)現(xiàn)子模型剔除關(guān)系的檢測(cè)和計(jì)算，需要在GPU上分配相同數(shù)量的線(xiàn)程數(shù)量，即在線(xiàn)程塊中選取合適的線(xiàn)程數(shù)K，以此在每個(gè)線(xiàn)程實(shí)現(xiàn)一個(gè)子模型包圍體與視錐體的相交計(jì)算過(guò)程，從而達(dá)到視錐體細(xì)粒度剔除的并行計(jì)算。

(2)執(zhí)行細(xì)粒度視錐體剔除算法，視錐體是三維場(chǎng)景中相機(jī)的可見(jiàn)區(qū)域，類(lèi)似一個(gè)頂部切割后平行于底部的金字塔的實(shí)體形狀[23]。視錐體由6個(gè)平面組成，分別為近裁面、遠(yuǎn)裁面、上裁面、下裁面、左裁面、右裁面，如圖4所示。虛擬場(chǎng)景中視錐體與模型的位置關(guān)系有3種：模型完全在視錐體外部、模型完全在視錐體內(nèi)部、模型部分處于視錐體內(nèi)部，如圖5所示，進(jìn)行模型渲染時(shí)，屏幕繪制范圍需要控制在視錐體范圍內(nèi)。

根據(jù)三維場(chǎng)景中相機(jī)坐標(biāo)位置、角度、水平方向視角、近裁面距離、遠(yuǎn)裁面距離等信息，計(jì)算得到相機(jī)視錐體大小、朝向、位置，即得出視錐體的6個(gè)裁面的空間平面方程Ax+By+Cz+D=0，其中x，y和z表示空間坐標(biāo)系，A、B、C和D表示空間內(nèi)平面的系數(shù)，其系數(shù)值用于確定平面在空間的具體位置。

進(jìn)行子模型位置判斷時(shí)，假設(shè)視錐體內(nèi)一點(diǎn)P0(x0,y0,z0,w0)，點(diǎn)P0在投影空間的映射點(diǎn)為P1(x1,y1,z1,w1)，并且所求的投影矩陣為P0，則根據(jù)矩陣乘法可知P0，如式(1)：

(1)

其中矩陣元素通過(guò)已知的視角、遠(yuǎn)近裁面距離的值來(lái)確定。對(duì)于變換后的P0，若處于視錐體內(nèi)部，則點(diǎn)P1滿(mǎn)足：

(2)

若先判斷-w1

(3)

于是推導(dǎo)出左裁面的平面方程為(4)：

(4)

因左裁面中w=1，所以求得左裁面的平面方程為：

(5)

其他5個(gè)裁面的平面方程同理可得，即視錐體平面方程為Ax+By+Cz+D=0。

進(jìn)行細(xì)粒度視錐體剔除時(shí)，步驟(1)中開(kāi)啟的每一個(gè)并行計(jì)算進(jìn)程分別與一個(gè)子模型和子模型的包圍體相對(duì)應(yīng)，即通過(guò)該進(jìn)程進(jìn)行該子模型和包圍體的相交計(jì)算、位置判斷和剔除等操作，具體包括：①在該進(jìn)程中，確定相機(jī)視錐體大小、朝向、位置，即得出視錐體的6個(gè)裁面的空間平面方程Ax+By+Cz+D=0；②確定子模型近似包圍體，包圍體包括了其位置矩陣和范圍，即包圍體的大小，矩陣則保存了子模型包圍體的位置，角度等重要信息；③將子模型包圍體的某個(gè)點(diǎn)坐標(biāo)(x1,y1,z1)代入其中一個(gè)裁面的平面方程進(jìn)行相交計(jì)算，求出頂點(diǎn)與此裁面的位置關(guān)系，若平面方程Ax+By+Cz+D≤0，則頂點(diǎn)在此裁面外側(cè)，繼續(xù)遍歷其余5個(gè)裁面并判斷該頂點(diǎn)位置；④依次計(jì)算子模型包圍體的其余頂點(diǎn)，最終求得該子模型與視錐體的位置關(guān)系，只有子模型包圍體完全在視錐體外部的情況下，該子模型才會(huì)被視錐體剔除算法剔除，否則將該子模型存儲(chǔ)到緩存區(qū)，并執(zhí)行后續(xù)的幾何、光柵等階段的渲染操作;⑤若計(jì)算結(jié)果顯示該子模型的包圍體與視錐體有相交區(qū)域，通用圖形處理器將該子模型保存至指定緩沖區(qū)，否則剔除該子模型。該過(guò)程實(shí)現(xiàn)的偽代碼如下：

void FrustmCull(線(xiàn)程索引)

{

檢測(cè)結(jié)果=1

子模型數(shù)據(jù)獲取

for(i=0; i<視錐體平面數(shù)量;i++)

{

獲取視錐體第i個(gè)平面方程

if(子模型包圍盒頂點(diǎn)在視錐體平面方程內(nèi)側(cè))

{

檢測(cè)結(jié)果=0

返回檢測(cè)結(jié)果

將該子模型存儲(chǔ)至顯存區(qū)域

}

else

{

檢測(cè)結(jié)果=1，表示該子模型被視錐體剔除，不進(jìn)入下一渲染流程

返回檢測(cè)結(jié)果

}

}

}

(3)剔除后的模型數(shù)據(jù)存儲(chǔ)與繪制，通用圖形處理器將位于視錐體內(nèi)部的子模型包圍體數(shù)據(jù)存儲(chǔ)至顯存，并在GPU端執(zhí)行圖形繪制命令，進(jìn)入幾何階段、光柵化階段的渲染步驟[24]，最后渲染出一張二維圖像。

(4)判斷場(chǎng)景是否更新。若數(shù)字孿生模型實(shí)現(xiàn)當(dāng)前幀渲染后，系統(tǒng)因人為控制停止運(yùn)行，則系統(tǒng)渲染結(jié)束。若無(wú)人停止該系統(tǒng)，系統(tǒng)處于運(yùn)行狀態(tài)，則該系統(tǒng)渲染尚未完成，需要進(jìn)入下一幀渲染。

(5)模型和視錐體的動(dòng)態(tài)更新，在數(shù)字孿生模型的后續(xù)操作中，若場(chǎng)景出現(xiàn)碰撞檢測(cè)、動(dòng)作變化等大量邏輯更新，表示部分幾何模型或者相機(jī)發(fā)生移動(dòng)，即模型位置發(fā)生動(dòng)態(tài)變化或相機(jī)位置發(fā)生變化，CPU對(duì)動(dòng)態(tài)模型的子模型包圍體位置、角度等數(shù)據(jù)以及視錐體數(shù)據(jù)執(zhí)行更新操作，然后將此次更新后的數(shù)據(jù)傳輸至顯存，替代上一幀相應(yīng)數(shù)據(jù)，進(jìn)行下一幀場(chǎng)景渲染，并從步驟(1)繼續(xù)執(zhí)行渲染操作，直至渲染結(jié)束。若場(chǎng)景未發(fā)生任何邏輯更新，表示場(chǎng)景未產(chǎn)生新數(shù)據(jù)，即幾何模型和相機(jī)視錐體均未移動(dòng)，直接進(jìn)入步驟(1)繼續(xù)執(zhí)行渲染操作，直至渲染結(jié)束。

采用傳統(tǒng)方法進(jìn)行視錐體剔除時(shí)，只要模型小部分與視錐體存在相交時(shí)，則將該模型全部進(jìn)行保留，即使該模型絕大部分處在視錐體之外，仍然對(duì)全部的模型數(shù)據(jù)進(jìn)行緩存、計(jì)算和存儲(chǔ)，浪費(fèi)大量資源，并且渲染效率低下。本文提出的采用并行計(jì)算框架的數(shù)字孿生模型視錐體細(xì)粒度剔除快速渲染新方法，將模型進(jìn)行子模型劃分，并創(chuàng)建子模型包圍體，實(shí)施視錐體細(xì)粒度剔除，可以有效剔除視錐體之外的模型部分，渲染效率得到提升。此外，將原本在CPU中進(jìn)行的視錐體剔除計(jì)算移植到GPU，并進(jìn)行GPU并行計(jì)算，提升了計(jì)算效率，減少CPU負(fù)擔(dān)，有助于數(shù)字孿生模型渲染效率和實(shí)時(shí)性指標(biāo)的整體提速。

3 實(shí)驗(yàn)案例及結(jié)果

3.1 實(shí)驗(yàn)案例

本文以斷路器數(shù)字孿生車(chē)間系統(tǒng)為例，對(duì)所提出的數(shù)字孿生模型渲染新方法進(jìn)行驗(yàn)證。斷路器是控制電流通斷的保護(hù)性裝置，提供電流的過(guò)載和短路保護(hù)，確保線(xiàn)路及設(shè)備安全，廣泛應(yīng)用于電力、通訊、制造等行業(yè)[25-26]。斷路器制造車(chē)間主體包括生產(chǎn)線(xiàn)輔助組、工作人員和6條不同型號(hào)的斷路器生產(chǎn)線(xiàn)，其結(jié)構(gòu)圖如圖6所示。

每種型號(hào)斷路器生產(chǎn)線(xiàn)分為兩條鏡像裝配線(xiàn)和一條檢測(cè)線(xiàn)，其工藝流程如圖7所示。其中斷路器裝配線(xiàn)負(fù)責(zé)自動(dòng)化裝配斷路器內(nèi)部零件，包括自動(dòng)裝手柄/扭簧、磁系統(tǒng)、磁軛、銷(xiāo)軸、總裝、檢測(cè)等12個(gè)工藝流程。斷路器數(shù)字孿生車(chē)間系統(tǒng)中裝配線(xiàn)總模型數(shù)量為21 035，總?cè)敲嫫瑪?shù)量為3.06×107。其中裝配動(dòng)態(tài)模型數(shù)量為14 218，每個(gè)動(dòng)態(tài)模型具備多種裝配運(yùn)動(dòng)狀態(tài)，代表模型的每種運(yùn)動(dòng)數(shù)據(jù)都需存儲(chǔ)至內(nèi)存，數(shù)據(jù)存儲(chǔ)占據(jù)內(nèi)存較大，產(chǎn)生大量模型渲染消耗。斷路器檢測(cè)線(xiàn)負(fù)責(zé)殼外零部件組裝以及性能檢測(cè)，包括單極穿釘、單極鉚合、激光打標(biāo)、自動(dòng)延時(shí)、多極拼裝、多極穿釘、多極鉚合、掃碼瞬時(shí)、通斷耐壓、自動(dòng)移印、裝配卡扣、貼封口塞等12個(gè)工藝流程。斷路器數(shù)字孿生車(chē)間系統(tǒng)中檢測(cè)線(xiàn)總模型數(shù)量為22 074，總?cè)敲嫫瑪?shù)量為3.01×107。其中檢測(cè)動(dòng)態(tài)模型數(shù)量為15 012，每個(gè)檢測(cè)動(dòng)態(tài)模型為模擬設(shè)備檢測(cè)動(dòng)作，需要進(jìn)行多種動(dòng)作設(shè)計(jì)與數(shù)據(jù)驅(qū)動(dòng)，同樣占據(jù)大量?jī)?nèi)存空間和造成模型渲染問(wèn)題。

斷路器數(shù)字孿生車(chē)間包括斷路器物理車(chē)間、斷路器虛擬車(chē)間、車(chē)間孿生數(shù)據(jù)和車(chē)間服務(wù)系統(tǒng)4部分[27-29]，圖8為斷路器數(shù)字孿生車(chē)間主界面。斷路器制造車(chē)間即是物理車(chē)間，通過(guò)PLC控制器、位移傳感器、工業(yè)相機(jī)等裝置控制和管理設(shè)備及其邏輯關(guān)系，構(gòu)建車(chē)間物聯(lián)網(wǎng)通信系統(tǒng)，通過(guò)通信系統(tǒng)進(jìn)行孿生數(shù)據(jù)的交互與傳遞。孿生車(chē)間作為物理車(chē)間在虛擬空間全要素、全流程的真實(shí)映射，通過(guò)對(duì)斷路器物理車(chē)間層級(jí)建模、狀態(tài)建模和孿生體運(yùn)動(dòng)規(guī)則構(gòu)建，形成實(shí)時(shí)孿生數(shù)據(jù)控制和孿生車(chē)間系統(tǒng)，管理配置車(chē)間資源，實(shí)現(xiàn)斷路器制造車(chē)間的實(shí)時(shí)管控與決策優(yōu)化。

3.2 實(shí)驗(yàn)結(jié)果

本文采用Compute Shader通用并行平臺(tái)，在所開(kāi)發(fā)的斷路器數(shù)字孿生系統(tǒng)基礎(chǔ)上，對(duì)所提出的數(shù)字孿生模型快速渲染方案進(jìn)行驗(yàn)證，斷路器數(shù)字孿生系統(tǒng)中產(chǎn)線(xiàn)構(gòu)造復(fù)雜、生產(chǎn)設(shè)備模型較多，共包含52 507個(gè)幾何模型，6.09×107個(gè)三角面片。根據(jù)所提出的快速渲染方案，若所需渲染的屏幕可見(jiàn)模型包含2.79千萬(wàn)個(gè)三角面片時(shí)，對(duì)幾何模型進(jìn)行預(yù)處理操作，將三角面片均分，剖分為含128個(gè)三角面片數(shù)的分組，每個(gè)分組對(duì)應(yīng)一個(gè)子模型，即場(chǎng)景子模型數(shù)量約為2.17×105，為GPU配置相同數(shù)量的線(xiàn)程，每個(gè)線(xiàn)程用來(lái)處理每個(gè)子模型包圍體和視錐體的細(xì)粒度剔除算法。

斷路器數(shù)字孿生系統(tǒng)采用Unity 3D引擎開(kāi)發(fā)，實(shí)驗(yàn)環(huán)境為Intel(R)Core(TM)i7-9750H CPU@2.60 GHz 2.59 GHz處理器，NVIDIA GeForce RTX 2060顯示適配器。Profiler為該開(kāi)發(fā)引擎提供的性能分析工具，顯示了系統(tǒng)運(yùn)行期間收集的分析數(shù)據(jù)，在時(shí)間軸上選定某一幀，即可從顯示的時(shí)間數(shù)據(jù)分析出當(dāng)前幀的CPU、GPU性能消耗，以及CPU、GPU各模塊的性能詳細(xì)情況，如表1所示。可以看到，CPU性能分析由多項(xiàng)模塊組成，主要分為渲染模塊、物理模塊、動(dòng)畫(huà)模塊、腳本模塊、其余模塊等部分，其中渲染模塊是最消耗CPU性能的功能模塊，在選取的這一時(shí)間幀中，渲染模塊占據(jù)整體CPU總體性能消耗的58%。由于CPU對(duì)模型的視錐體剔除等操作無(wú)法實(shí)現(xiàn)細(xì)粒度剔除效果，CPU需要處理大量冗余模型的渲染，進(jìn)一步導(dǎo)致GPU接收大量模型渲染數(shù)據(jù)，GPU渲染時(shí)間高達(dá)27.05 ms。

表1 Profiler性能分析

傳統(tǒng)圖形渲染方案是基于CPU視錐體剔除的圖形渲染方案，該方案是由CPU負(fù)責(zé)處理視錐體剔除操作，GPU負(fù)責(zé)圖形渲染流程中幾何階段和光柵化階段。CPU對(duì)模型整體的剔除操作一方面造成模型剔除程度效果不高，另一方面大量串行的計(jì)算方式，造成CPU渲染計(jì)算壓力增大。在本文對(duì)比實(shí)驗(yàn)中，基于CPU視錐體剔除的圖形渲染方案需要實(shí)驗(yàn)者將模型與視錐體的剔除算法過(guò)程指令寫(xiě)入CPU，在系統(tǒng)運(yùn)行時(shí)，由CPU解釋并執(zhí)行程序內(nèi)容，執(zhí)行預(yù)先設(shè)置的視錐體剔除計(jì)算過(guò)程，最后將所需渲染的模型數(shù)據(jù)傳輸至GPU端顯卡緩存區(qū)。為驗(yàn)證本文的數(shù)字孿生模型快速渲染方案，對(duì)包含不同模型面片數(shù)的場(chǎng)景進(jìn)行檢測(cè)，分別對(duì)比了斷路器數(shù)字孿生車(chē)間CPU耗時(shí)、GPU耗時(shí)和平均幀率3個(gè)指標(biāo)，分析該方案的優(yōu)化效果。本文以基于CPU視錐體剔除的圖形渲染方案為對(duì)比，兩種渲染方案的CPU耗時(shí)分析如表2所示。由表2可以看出，當(dāng)屏幕可見(jiàn)模型的面片數(shù)量為1.16千萬(wàn)個(gè)時(shí)，該渲染方案優(yōu)化率提升了15.70%，隨著模型面片數(shù)量增多，逐漸顯示該方案的優(yōu)化效果，測(cè)試場(chǎng)景最高可優(yōu)化26.52%，減少了CPU的渲染處理壓力。

表2 兩種渲染方案的CPU性能分析

表3是兩種渲染方案的GPU性能分析，由結(jié)果分析可知，以3.15千萬(wàn)個(gè)屏幕可見(jiàn)模型面片為例，基于CPU視錐體剔除的圖形渲染方案中GPU耗時(shí)為19.75ms，本文所提渲染方案的GPU耗時(shí)為14.71ms，由于通過(guò)GPU實(shí)現(xiàn)模型細(xì)粒度剔除算法，減少了物體子模型渲染數(shù)量，達(dá)到了孿生模型的細(xì)粒度剔除效果，GPU的渲染耗時(shí)減少了25.51%，有效提高了斷路器數(shù)字孿生系統(tǒng)模型渲染效率。

表3 兩種渲染方案的GPU性能分析

對(duì)兩種渲染方案的平均幀率進(jìn)行對(duì)比，對(duì)比結(jié)果如圖9所示。在同一屏幕分辨率1 360×768，實(shí)驗(yàn)對(duì)1.16、2.53、3.15千萬(wàn)個(gè)模型面片進(jìn)行屏幕渲染，基于CPU視錐體剔除的圖形渲染方案的平均幀率為84.3、63.4、32.1；利用本文模型快速渲染方案，系統(tǒng)運(yùn)行的平均幀率為98.2、76.5、41.2。屏幕所需渲染的模型面片數(shù)量過(guò)高時(shí)，斷路器數(shù)字孿生系統(tǒng)的渲染性能有效提高了28.35%，提升了數(shù)字孿生模型的渲染質(zhì)量。

4 結(jié)束語(yǔ)

本文提出的數(shù)字孿生模型快速渲染方法，通過(guò)視錐體細(xì)粒度剔除和GPU并行計(jì)算框架，可以有效減少渲染過(guò)程中視景之外的模型數(shù)據(jù)規(guī)模，提升后續(xù)渲染效率。此外，將原本在CPU中進(jìn)行的視錐體剔除運(yùn)算移植到GPU，并采用GPU并行計(jì)算框架進(jìn)行視錐體檢測(cè)、位置判斷、剔除等運(yùn)算，進(jìn)一步節(jié)省CPU計(jì)算負(fù)擔(dān)，對(duì)于動(dòng)態(tài)性、實(shí)時(shí)性和交互性要求較高、運(yùn)算量大的數(shù)字孿生系統(tǒng)而言，意義明顯。驗(yàn)證結(jié)果表明，在不影響數(shù)字孿生車(chē)間渲染質(zhì)量的情況下，所提出的渲染方法在CPU耗時(shí)、GPU渲染耗時(shí)等指標(biāo)上均有優(yōu)化效果，孿生系統(tǒng)平均幀率提升28.35%，大幅提高了數(shù)字孿生系統(tǒng)的渲染效率。本文提出的大規(guī)模場(chǎng)景快速渲染方法，有助于提升孿生系統(tǒng)的運(yùn)行效率，當(dāng)數(shù)字孿生系統(tǒng)的規(guī)模進(jìn)一步增大時(shí)，將本方法與分布式渲染方案進(jìn)行結(jié)合，是未來(lái)進(jìn)一步優(yōu)化極大規(guī)模場(chǎng)景中數(shù)字孿生模型渲染和效率提升的有效方法。