Projet : SIAMES

previous up next contents
Précédent : Modélisation de l'environnement urbain pour Remonter : Résultats nouveaux Suivant : Contrats industriels (nationaux, européens et


   
Algorithmique parallèle de la radiosité

 

Mots clés : synthèse d'images, algorithmes parallèles, radiosité .



Participants : Bruno Arnaldi, Luc Renambot, Thierry Priol, Kadi Bouatouch, Daniel Meneveau.

Résumé :

Concernant la parallélisation de l'algorithme de radiosité, la stratégie que nous avons suivie, fondée sur une méthode de décomposition en cellules de l'espace de la scène associée à une résolution locale de l'équilibre énergétique nous a permis d'atteindre deux résultats majeurs. Du fait de l'augmentation de la localité des calculs, le traitement séquentiel de notre algorithme présente une meilleure efficacité que les algorithmes traditionnels et la mise en oeuvre parallèle permet d'atteindre des performances très intéressantes sur des bases de données de taille significative.

Notre méthode est fondée sur l'utilisation de deux concepts : les interfaces virtuelles et les masques de visibilité permettant de résoudre l'équation de radiosité sur des environnements très complexes (de l'ordre du million de polygones). Nous avons montré l'impact de ces deux concepts pour améliorer le comportement de l'algorithme de radiosité vis à vis de la hiérarchie mémoire. Pour cela, nous avons utilisé la nouvelle machine Silicon Graphics Origin 2000 du Centre Charles Hermite à Nancy. Cette machine, dotée de 64 processeurs, offre un espace d'adressage global sous forme d'une mémoire virtuelle partagée.

Nous avons proposé une méthode pour contrôler la convergence d'une solution de radiosité calculée en parallèle. Notre approche vise à détecter efficacement la convergence et également à accélérer cette dernière si possible. Des nombreux tests sur une machine SGI Origin 2000 nous ont permis de montrer que cette technique peut apporter des gains substantiels, et n'introduit qu'un niveau très faible d'erreur.

La convergence est détectée par une mise en oeuvre simple basée sur le calcul de l'énergie entrante et sortante de chaque sous-environnements. Il est désormais possible à l'utilisateur de demander une solution pour une convergence donnée. Ensuite, nous avons introduit un paramètre permettant de contrôler et d'accélérer la convergence en modifiant légèrement la fonction de sélection des sources lumineuses. Il est alors possible d'obtenir des accélérations intéressantes (10.3 sur onze processeurs, ou 52.0 sur soixante-quatre processeurs, pour les deux scènes considérées) avec un niveau d'erreur dans la solution produite tout à fait acceptable. Cependant, dans les cas les plus défavorables, un mécanisme dynamique d'équilibrage de charge semble encore nécessaire.

Une autre méthodologie, fondée sur le découpage automatique de la scène en cellules regroupées dans un graphe de visibilité, support des échanges d'énergie entre les cellules, a permis d'évaluer différentes stratégie de calcul (ordonnancement des cellules) tant en séquentiel qu'en parallèle (mise en oeuvre sous MPI).



previous up next contents
Précédent : Modélisation de l'environnement urbain pour Remonter : Résultats nouveaux Suivant : Contrats industriels (nationaux, européens et