RayTracing&&RTCore初探

Ray Tracing 基础概念

光线追踪是一种通过模拟光线在三维场景中的传播路径，并计算其与几何体的相互作用来生成图像的渲染技术。它的核心思想是：

1. 从摄像机出发发射光线（primary rays）
2. 计算光线与场景几何体的交点
3. 根据材质计算反射、折射或阴影
4. 递归生成新光线
5. 计算最终颜色

Ray

在几何中，光线（ray）是：从一个起点出发，沿某个方向无限延伸的半直线。它有两个要素：起点（origin）和方向（direction）。

光线的参数方程（parametric equation）如下： 其每个参数的含义如下：

：光线起点（origin），三维向量 ：方向向量（direction） ：标量参数（实数）

这种表达方式把“几何问题”变成了“代数问题”。如果有一个物体表面满足： 只要把参数方程的每个分量拆出来（）并代回物体的表面方程，就可以求解： 于是问题变成求 t 的方程，这就是所有“求交”算法的基础。所以光线追踪的本质就是求解参数t。

Triangle

在一开始接触光追的内容时，我发现大部分相交测试都是对光线与三角形求交，实际理论上光线可以与任意形状求交，但现实中使用几乎全部使用三角形，这主要是基于以下几个原因：

• 三点确定一个平面：不会像四边形一样不共面
• 任何复杂模型都可三角化，球体、曲面、角色模型，本质都可以近似为大量三角形
• 现代 GPU 的光栅化管线天然支持三角形，实时图形 API 都以 triangle 为基本 primitive，RT Core也是用硬件支持了triangle的求交。

正因为三角形的表达能力强、数学简单、求交稳定、易于并行。因此：光追的核心任务就是Ray ∩ Triangle。

AABB (Axis-Aligned Bounding Box)

AABB翻译过来是轴对齐包围盒，也就是一个边与坐标轴平行的长方体盒子。例如在 3D 空间：

x_min ≤ x ≤ x_max
y_min ≤ y ≤ y_max
z_min ≤ z ≤ z_max

这 6 个值就完全定义了一个 AABB。光追里用AABB是因为光线盒AABB的相交测试非常便宜，比如光线参数形式为： 对每个轴单独求解： 只需要几次除法和几次 min/max 比较，而且非常适合GPU并行，速度非常快。AABB主要是用来快速排除不可能相交的几何体的，比如一个光线和AABB不相交，那么在AABB其中的所有几何体都可以不用再进行相交测试了。

Primitive

在光线追踪中，primitive指的是BVH 叶子节点中，光线“直接做求交测试”的最小几何单元

也可以说是RT Core / 求交算法“原子级”能处理的几何对象。

RT-Core原生可以用硬件支持triangle与AABB的求交，其它primitive例如sphere都需要在CUDA core专门定义一个Intersection Shader来自定义求交算法，因此不能用硬件进行加速。

Möller–Trumbore 算法

这是最经典的光线-三角形求交算法

问题定义

已知光线： 三角形三个顶点： 是否存在 t ≥ 0，使得光线击中三角形内部？

算法结构

1. 计算边向量

4. 如果 det ≈ 0 → 平行

思想核心

三角形内部的点可以用重心坐标表示： 其中： 所以我们要解： 假设： 经整理得： 写成矩阵形式： 这是一个 3×3 线性系统。

设： 我们要解： 其中： 计算行列式： 三维中： 所以： 这其实是光线方向和三角形法向量的关系，如果为0则光线平行三角形平面，无交点。

根据 Cramer 法则以及标量三重积的循环对称性： 定义 通过行列式恒等式可得到： 再定义： 用同样的方式可以得到： 最后推导t：

BVH算法

BVH = Bounding Volume Hierarchy（包围体层次结构）

它是一种空间加速结构（acceleration structure），主要用于：

• 光线追踪（Ray Tracing）
• 碰撞检测
• 最近邻搜索
• 空间查询

在光线追踪中，最基础的问题是：一条光线要和场景中的多少个三角形求交？如果场景有 N 个三角形，暴力做法是对每条 ray，和所有 N 个三角形做相交测试，其时间复杂度为。如果场景有 1000 万个三角形，这显然不可接受。

BVH 的核心思想与我们常见的Tree的思想类似，就是把物体分组，用包围盒（AABB）包住一组物体。结构形式如下：

      Root (AABB)
       /       \
   Node        Node
  /   \       /   \
Leaf Leaf   Leaf  Leaf

最常见的BVH是一颗二叉树，且子节点的AABB是允许相交的，所以一个节点的左子树所代表的AABB如果和ray相交了，这并不能说明其右子树的AABB一定与ray不相交。

一般来说一条ray与AABB求交时，要么得不到一个合法的t区间，要么可以得到两个交点的t 区间 ，其中 ray-tracing 的默认行为是返回在遍历BVH时第一个相交的primitive，这是比较常见的需求，因为正常来说一个物体会遮挡光线继续向后传播，我们只需要渲染碰到的第一个物体的材质即可。所以实际BVH会采用类似带pruning的DFS算法来进行traverse。也就是说对于一个节点，会先分别对其左右子树的AABB进行求交测试。如果两个都不相交则可以直接返回miss，如果两个都相交则首先往小的进行遍历，把另一侧的节点压栈（由硬件状态机完成）。实际在traverse过程中会维护一个当前已经找到的 最近三角形交点的 t，记作​，其初始值为datatype的最大值，当遍历到某个 BVH 节点时，如果： 那么可以 100% 确定 这个节点及其所有子树，不可能包含更近的交点，原因很简单：

• 光线 进入这个盒子的时间 都已经比当前 hit 晚了
• 里面的任何三角形交点 t ≥ t_enter

所以我们可以 直接剪枝。

实际我们也可以通过设置any-hit的CUDA shader来捕捉1个ray的所有hit，具体可见这个 answer。

SAH算法

SAH = Surface Area Heuristic（表面积启发式）

它是构建高质量 BVH 时最重要的成本模型。当一条随机光线进入一个 AABB 时，它击中子节点的概率 ∝ 子节点的表面积。因此：

表面积越大，被访问的概率越高。SAH的成本函数如下： 其中：

• ：左右子节点表面积
• ：父节点表面积
• ：左右子树三角形数量
• ：遍历开销
• ：三角形求交开销

SAH构建的流程如下：

1. 选择分裂轴（x,y,z）
2. 将 primitives 排序
3. 尝试所有可能分裂位置
4. 计算 SAH cost
5. 选最小 cost 的分裂

时间复杂度： 这样生成出的BVH质量很高。

RT-Core

RT Core（Ray Tracing Core）是 NVIDIA RTX GPU 中的固定功能硬件单元，用于硬件加速光线追踪中最昂贵的几何计算。RT-core主要的功能只有两个，一个是进行BVH的遍历，另一个是进行求交测试。对于primitive的求交测试，RT-core目前只支持了triangle的硬件求交加速，而其余的primitive需要我们自己设置intersection shader来进行自定义处理。这里需要注意的是，在BVH traverse时所对AABB的求交测试是RT-core用硬件支持的，因为这只用并行计算几个t值。但AABB不是一个renderable primitive，也就是说如果叶子节点的primitive是AABB，那么我们也需要手动设置一个处理求交的shader函数。

在 NVIDIA RTX 架构（Turing / Ampere / Ada）中：

• RT Core 位于每个 SM（Streaming Multiprocessor）内部
• 与 CUDA Core、Tensor Core 并列
• 不是独立处理器，也不是独立芯片

RT Core 是 SM 的一个“专用协处理单元”。其相较于CUDA Core能够避免warp divergence的问题，比如如果用CUDA Core处理 ray tracing 问题，由于每个warp内部采用SIMT进行并行计算，那么求交结果的不同将会跳转到不同的分支，这种情况下SIMT的并行就失效了，就会让不同的分支交错执行，降低并行性能。

在GPU的每个SM里都含有1个RT-core，每个RT-core内部实际可以并行处理多个ray tracing。