三角形渲染全貌
- cpu将三角形从硬盘加载到内存
- cpu将内存数据拷贝到gpu显存
- gpu按照渲染管线流程将三角渲染完放到目标framebuffer
- 显示器按照刷新频率从交换区读取三角形信息，显示到屏幕
三角形制作
- 使用3d制作工具创建3d模型
- 三角形每个顶点有自己的属性(位置，法线，uv)
导出和导入
- 使用3d软件将3d模型导出对应的模型文件 (fbx,3ds,dae,abc,ply,obj,x3d,stl)
- 再将3d模型导入游戏引擎，每个引擎有自己支持的格式，将对应的文件加载为引擎自己需要的数据，再加工(比如Unity调整对应的对象属性)后来供游戏引擎改造后最终在游戏应用上渲染使用
渲染
游戏引擎
游戏引擎需要处理的事情
- 将数据加载然后创建需要的对象
- 在CPU端通过相应的规则将不需要的数据舍弃
- 配置GPU端的状态属性，比如shader，渲染流程，模板，深度测试，融合方式，以及GPU端需要的数据从CPU端拷贝到GPU端显存，设置对应的渲染目标buffer
- 将绘制命令发送到GPU，继续第三步
创建网格，CPU端
由于CPU需要从硬盘加载数据到内存，然后再将对应数据发送到GPU端供使用。因为GPU也是连接在CPU的BUS总线，所以需要CPU端发送数据到GPU。
- 所有的API同样的流程
- 为顶点创建缓存
- 为索引创建缓存
创建网格，GPU端
将CPU端的mesh通过硬件抽象层发送到GPU端，本质上是将CPU缓存发送到GPU显存
可见性测试
避免显卡多余的工作，使用可见性测试，将看不见的物件剔除掉，使用以下两种方式：
- 视椎体剔除 (Frustu culling)
- 遮挡剔除 (Occlusion culling)
图形驱动全貌
图形接口
供开发者使用，抽象层次更高，开发者只需按照对应的规则来设置GPU端渲染状态以及属性，同时组装命令，将命令发送出去。
用户模式驱动
驱动这层级，将上层API包装好的结构数据解析转换成GPU端使用的数据。
用户模式-CPU端PM4结构
操作系统层的作用
操作系统这个层级来检查命令的安全性。
CPU 和 GPU 连接桥
环状缓存，CPU指向写指针，GPU指向读指针
GPU 端介绍
命令处理器
从环状缓存读取 Command Buffer，然后从 Command Buffer 解析出 Command，最后增加读缓存指针。
从 packet 解析出三角形信息
Command Buffer 由 packet 组成，packet 里有三角形缓存地址信息。
GPU-命令处理器
设置寄存器值，解析packet 命令。
GPU-几何处理器
处理图片构成，然后将信息发送到着色处理器。
GPU-着色输入处理器
组装任务，发送到运算单元
GPU-运算单元
运算单元可以读/写缓存，执行shader程序
GPU-着色导出处理器
处理运算单元的输出任务
GPU-基础图员汇编器
将组成三角形的顶点发送到光栅化扫描器
光栅化扫描器
检测被三角形覆盖的像素，然后将像素点发送到着色处理器
颜色和深度处理器
根据深度/模板将被剔除的像素舍弃，然后将着色后的片元写入渲染目标缓存
GPU处理完整流程
整个完整渲染流程
几何处理器详细
shader输入处理器（顶点管线）
运算单元 （顶点管线）
- 每个CU包含四个SIMD运算单元
- SIMD包含64个运算单元（线程），这64个运算单元称作Wavefront
- 每个Wavefront对应的Vector寄存器包含64个浮点存储位
- 每个Wavefront对应的Scalar寄存器包含一个浮点存储位
以下对应执行顶点shader的一个例子：
因为每个Wavefront执行的指令都一样，遇到分支的时候，检测对应线程上执行的数据如果无效，将舍弃
下面这张图展示了：最优结果，最坏结果，以及实践平均结果
shader导出处理器（顶点管线）
基础汇编器
使用一系列优化方法，将不需要渲染的三角形舍弃
光栅化处理器
三角形形状和像素点分布的叠加图，这只是理论上用来说明光栅化原理
真实光栅化后，用来合成三角形的像素和三角形形状叠加图，用来理论上说明光栅化的原理
四个像素点为一组，用来像素点的shader处理
光栅化阶段的优化方式
shader 输入处理器（图元阶段）
运算单元（图元阶段）
shader 输出处理器（图元阶段）
颜色/深度处理器
整个过程
显示到屏幕
参考
A trip through the Graphics Pipeline 2011 – Fabian Giesen
Vega Instruction Set Architecture
The AMD GCN Architecture – Layla Mah
Radeon Southern Islands Acceleration (PM4)
Optimizing the Graphics Pipeline with Compute – Graham Wihlidal