4.2 SSAO算法屏幕空间环境光遮蔽-编程知识

一、SSAO介绍

AO

环境光遮蔽，全程Ambient Occlustion，是计算机图形学中的一种着色和渲染技术，模拟光线到达物体能力的粗略的全局方法，描述光线到达物体表面的能力。

SSAO

屏幕空间环境光遮蔽，全程 Screen Space Ambient Occlusion，一种用于计算机图形中实时实现近似环境光遮蔽效果的渲染技术。通过获取像素的深度缓冲、法线缓冲来计算实现，来金丝的表现物体在间接光下产生的阴影。

SSAO历史

AO这项技术最早是在Siggraph 2002年会上由ILM（工业光魔）的技术主管Hayden Landis所展示，当时就被叫做Ambient Occlusion。

2007年，Crytek公司发布了一款叫做屏幕空间环境光遮蔽(Screen-Space Ambient Occlusion, SSAO)的技术，并用在了他们的看家作孤岛危机上。

二、SSAO原理

计算深度、法线缓冲
深度->像素坐标
法线->法向半球随机向量
计算像素随机后的坐标（多次采样）
获取随机后深度并比较
判断加权AO
后期（模糊等）

样本缓冲

深度缓冲

- 深度缓冲中的depth值用于当前视点下场景的每一个像素距离相机距离的一个粗略表达，用于重构像素相机空间中的坐标（Z），来劲死重构该视点下的三维场景。

法线缓冲

- 相机空间中的法线信息，用于重构每个像素的“法线-切线-副切线”构成的坐标轴，用于法线半球中的采样随机向量（随机向量用于判断、描述该像素的AO强度）。

法向半球

黑色表示我们需要计算的样本
蓝色向量表示样本的法向量
白色灰色为采样点（很明显，采样点的多少影响最后的渲染效果），其中灰色表示被遮挡采样点（深度大于周围），据此判断最终AO的强度。
右图表示法向球形采样（后背抛弃），原因是该方式采样导致凭证的墙面也会显得灰蒙蒙的，因为和心中一般的样本都会在墙这个几何体上。

三、SSAO算法实现

Buffer

获取深度&法线缓冲数据
C#部分
Shader部分
UnityCG.cginc

如果是延迟渲染这一步可以省略，G-Buffer中可以直接拿到

中间相机空间坐标

重建方法

- 参考链接：Unity从深度缓冲重建世界空间位置 - 知乎
- 本例实现使用其中的“NDC空间中重构”方法得到样本在相机空间中的向量，乘以深度值得到样本的坐标。

从NDC空间重建

- 1.计算样本屏幕坐标（利用Unity内置的函数）
- 2.转化至NDC空间中
- 3.计算相机空间，从中到远屏幕的方向（内置变量_ProjectionParams.z存放相机远平面值far）
- 4.矩阵变换至相机空间中的样本相对相机的方向
- 5.重构相机空间的样本坐标（在像素着色器中）
- 在相机空间中通过样本的相对相机方向以及深度，来拟合重构坐标

构建法向量正交基

设置法向量
生成随机向量（用于构建的正交基随机，而非所有样本计算的到的正交基一致），先归一化
求出切向量，再利用函数cross叉积求副切线向量

AO采样核心

传入给定的随机采样向量，并通过法向量正交基转化至法线半球中的向量。
获取随机坐标点。
转换至屏幕空间坐标
计算随机向量转化至屏幕空间后对应的深度值，并判断累加AO

四、SSAO效果改进

随机正交基（增加随机性）

为了不使求得的法向半球的正交基一致，我们引入随机向量，已求得不用想象的切向量。
利用uv采样一张Noise贴图（如下图4x4像素的Noise贴图，可选择其他尺寸），或者随机向量。
并在C#中传入噪声贴图。

AO累加平滑优化

范围判定（模型边界）

样本采样，可能会采集到的深度差非常大的随机点，会导致边界出现AO，如下图
加入样本深度和随机点的深度值判定（效果如下图）

自身判定

如果随机点深度值和自身一样或者非常接近（可能会导致虽然在同一平面，也会出现AO），如下图

判断深度值的大小时，增加一个变量，来改善问题

AO权重

AO深度判断，非0即1，比较生硬，为其增加一权重，如下图

本例中的权重为：发现半球中随机采样后的点x、y（切线平面）距离样本的距离为参考

模糊

采用基于法线的双边滤波原理（Bilateral Filtering）

五、对比模型烘焙AO

烘焙方式

三维建模软件烘焙AO方式

- 通过三维建模软件（如3DMax），设定好渲染参数，对模型（单一选择模型实体），烘焙AO到纹理。

游戏引擎烘焙AO方式（Unity3D Lighting）

- 通过Unity的Lighting功能（主菜单/Window/Rendering/Lighting Settings）进行整体场景的烘焙，AO信息包含于此。

建模软件烘焙优缺点

优点

1. 单一物体可控性强（通过单一物体的材质球上的AO纹理贴图），可以控制单一物体的AO的强弱；
2. 弥补场景烘焙的细节，整体场景的烘焙（包含AO信息），并不能完全包含单一物体细节上的AO，而通过三维建模软件烘焙到纹理的方式，增加物体的AO细节；
3. 不影响其（Unity场景中）静态或者动态；

缺点

1. 操作较其他方式繁琐，需要对模型进行UV处理，再进行烘焙到纹理；
2. 不利于整体场景的整合（如3DMax烘焙到纹理，只能选择单一物体，针对整体场景的处理工作量巨大）；
3. 增加AO纹理贴图，不利于资源优化（后期可通过其他纹理通道利用整合资源）；
4. 只有物体本身具有AO信息，获取物体之间的AO信息工作量巨大（不是不可能）。

Unity烘焙优缺点

优点

1. 操作简易，整体场景的烘焙，包含AO的选择；
2. 不受物体本身的UW影响，Unity通过Generate Lightmap UVs生成模型第二个纹理坐标数据；
3. 可生成场景中物体与物体之间的AO信息；

缺点

1. 缺少单一物体的细节（可调整参数提高烘焙细节，但换之将增加烘焙纹理数量和尺寸，以及烘焙时间）；
2. 受物体是否静态影响，动态物体无法进行烘焙，获得AO信息。

SSAO优缺点

优点

1. 不依赖场景的复杂度，其效果质量依赖于最终图片像素大小；
2. 实时计算，可用于动态场景；
3. 可控性强，灵活性强，操作简单；

缺点

1. 性能消耗较之上述2种方式更多，计算非常昂贵；
2. AO质量上要比较离线式烘焙（上述2种）不佳（理论上）。

六、SSAO性能消耗

AO核心采样消耗说明

AO法向半球的随机采样

双边滤波的多重采样

本例SSAO算法中，主要核心为计算AO随机法向半球的采样点，并加以半段计算AO权值。

利用For结构代码进行半球堆积向量的采样，If、For等对于GPU计算性能上不友好
采样数的数量（上图的_SmpleKernelCount,针对For循环的次数），过低的采样数得不到好的结果；以64为例，1334*750的分辨率，每个像素计算循环64次，合计1334*750*64次AO核心计算。
循环体重采样，同样以64为例，每个像素计算需要采样64次来求得屏幕深度值法线值。