Massively Parallel Rendering of Complex Closed-Form Implicit Surfaces论文代码部分跟踪

《Massively Parallel Rendering of Complex Closed-Form Implicit Surfaces》是由独立研究者MATTHEW J. KEETER发表在2020年SIGGRAPH上的一篇文章。主要提出了一种利用现代GPU的大规模并行性来直接渲染复杂封闭式隐式曲面的方法。
具有以下功能特点：

• 支持2D和3D渲染，并可以得到任意分辨率的画面；
• 不需要高于C₀的连续性，支持更加灵活的建模操作；
• 支持构造实体几何（CSG）、形状的平滑融合等多种建模操作；
• 支持具有数以千计的基础数学表达式的大规模模型的渲染，并能保证可以交互。
  这篇博文记录了论文代码部分部署过程中遇到问题及解决方法。

• 运行平台：曙光云计算平台（Linux） with Tesla V100 && CUDA 10.0.130

• 项目源码：https://github.com/mkeeter/mpr

• 编译支持：在正式编译mpr项目之前需要保证安装好mpr项目依赖的代码库或者编译工具，并保证其版本正确

  • cmake ≥ 3.12.0
    cmake安装方法见博文：https://blog.csdn.net/qq_38327353/article/details/107528837
    Note: 编译cmake时出现了当前C++ Compiler不支持C++11的错误。一般来说gcc版本越高，能支持的c++版本越高，在此将gcc从平台初始的5.4升级到了7.5版本，但是仍报出“c++编译器不支持c++11的错误”。在安装高版本的gcc时，需要手动将系统默认的gcc和新安装的gcc-7进行软链接：

    # in /usr/local/bin directory
    sudo ln -sf g++-7 g++
    sudo ln -sf gcc-7 gcc
    ... ... ... 
    

    实际上，将相关文件的软链接全部设定完毕后，编译cmake仍提示相同的错误。在csdn技术博客上参考了一篇测试c++ 编译器是否支持c++11的文章，通过运行包含c++11特性程序的.cpp文件来验证当前环境是否支持c++11，具体测试后发现当前的gcc其实是支持c++11的，因此应该是当前平台上的系统在哪里出了问题（在其他系统并未出现过这种问题）。为此，我注释掉了CMakeList.txt文件中与c++11版本验证相关的代码，再次编译cmake，最终成功完成编译。
  • CUDA 10.0.130
    当前平台上默认安装了10.0.130版本的CUDA，但是并没有将其添加到系统路径中，请参考如下博文将CUDA添加到系统的路径中（在使用博文中的第一种方法时便成功了）：
    https://blog.csdn.net/yinxian9019/article/details/106756280/
    先前在Ubuntu上成功配置了CUDA 9（当前博文要求CUDA 10），配置过程参见博文：
    https://blog.csdn.net/wshixinshouaaa/article/details/83272282

• 编译mpr

  # Install dependencies
  sudo apt install mesa-common-dev ninja-build# Install a recent version of eigen
  wget https://gitlab.com/libeigen/eigen/-/archive/3.3.7/eigen-3.3.7.tar.gz
  tar -zxvf eigen-3.3.7.tar.gz
  cd eigen-3.3.7
  mkdir build
  cd build
  cmake ..
  sudo make install# Install `mpr`
  cd
  git clone git@github.com:mkeeter/mpr
  cd mpr
  git submodule update --init --recursive
  mkdir build
  cd build
  cmake -GNinja -DBIG_SERVER=ON ..
  ninja
  

  上述codes是编译mpr的所有过程。

  • 编译过程中，在执行git clone命令时遇到了git权限的错误：

    git clone git@github.com:mkeeter/mpr
    

    git@github.com: Permission denied (publickey). Could not read from remote repository.
    原因是客户端与服务器端没有生成ssh key，或者生成的ssh key不匹配，解决方法是重新生成一次ssh key，并重新配置一次服务器，具体方法参考博文：
    https://www.jianshu.com/p/7d57ce4147d3

  • 编译过程中，在执行cmake命令时遇到的错误及解决方法总结如下：

    cmake -GNinja -DBIG_SERVER=on ..
    

    • 错误01：
      CMake Error at CMakeLists.txt: 3(project): No CMAKE_CUDA_COMPILER could be found.
      出现这个错误的原因是cmake没有识别到CUDA的路径，所以在保证CUDA安装完毕后需要配置一下CUDA的环境变量，具体方法参见上边提到的博文。

    • 错误02：
      Could not find a package confguration file provided by “Qt5Core” with any of the following names：
      Qt5CoreConfig.cmake
      Qt5Core-Config.cmake
      错误原因是没有缺少安装QT5，可以使用如下代码查看是否安装QT：
      qmake -v
      解决方法是安装QT5。曙光云平台上没有GUI，所以我们需要采用非GUI的安装方法，具体参见博文： https://blog.csdn.net/qq_39519014/article/details/105747835

    • 错误03：
      Could NOT find Boost(missing Boost_INCLUDE_DIR).a
      Boost库是一个成熟且开源的C++库，是C++标准库的后备。
      https://blog.csdn.net/simtwo/article/details/8083598
      这篇博文提供了两种方法安装boost，这里采用了第一种方法，直接采用apt-get install命令安装boost：
      # 搜索所有的boost库
      apt-cache search boost
      # 安装相应的库
      sudo apt-get install libboost-all-dev

    • 错误04：
      No package ‘guile-2.2’ found.
      No package ‘eigen3’ found.
      这里guile-2.2不安装实际对项目的成功编译没有影响。
      eigen3必须安装，上面提供了eigen3的安装方法，亲测是可以使用的。
      安装好eigen3之后即可解决这个问题。

• 运行mpr
  在build目录下执行命令：

  ../run_benchmarks.sh
  

  运行结果中包含三列数据，分别是分辨率大小、帧时间（毫秒）、标准差。
  渲染好的图像存储到了mpr/build/目录下的几个文件夹下，不同模型对应的文件夹分别为：

  prospero
  gears_2d
  architecture
  gears_3d
  bear
  

• 渲染结果
  Part Ⅰ分辨率-时间-标准差
  
  
  Part Ⅱ图像效果

  • architecture
    
  • bear
    
  • gears_2d
    
  • gears_3d
    
  • text benchmark