Monte Carlo Path Tracing

2018年计算机图形学课程作业

实现了Multi-importance sampleing以及多种Material。并利用OpenMP进行多线程加速。

Acknowledgements

AGraphicsGuy Peter Shirley and his book PRBT's writers

编程环境

在Ubuntu 16.04LTS上进行了测试，能够成功编译运行测试场景放在assets文件夹内，运行前请将model.zip解压，运行时请注意路径是否正确。

主要依赖：

• CMake
• GLM
• json
• tinyobjloader
• stb

利用GLM进行矩阵运算；利用json读取Camera等参数设置；利用tinyobjloader读取模型；利用stb读取图片。

编译方法

首先需要安装GLM：

sudo apt-get install libglm-dev

然后进入根目录：

mkdir build && cd build
cmake ..
make -j

运行方法

利用写好的几个.pt文件（用于记录Camera等参数）可以执行测试用的几个场景：

# 场景1:room
time ./Path-Tracing ../assets/models/Scene01/room.pt

# 场景2:cup
time ./Path-Tracing ../assets/models/Scene02/cup.pt

# 场景3:veach mis
time ./Path-Tracing ../assets/models/Scene03/veach.pt

# 场景4:fireplace room
time ./Path-Tracing ../assets/models/fireplace_room/fireplace_1.pt