Multi resolution representations and interactive visualization of huge unstructured volume meshes [Elektronische Ressource] / vorgelegt von Ralf Sondershaus

Ralf Sondershaus

Sujets

• Wissenschaft

Informations

• Publié par: eberhard_karls_universitat_tubingen
• Publié le: 01 janvier 2008
• Nombre de lectures: 30
• Langue: Deutsch
• Poids de l'ouvrage: 54 Mo

Extrait

Multi Resolution Representations and Interactive
Visualization of Huge Unstructured Volume Meshes
Dissertation
der Fakultat¨ fur¨ Informations und Kognitionswissenschaften
der Eberhard Karls Universit at¨ Tubingen¨
zur Erlangung des Grades eines
Doktors der Naturwissenschaften
(Dr. rer. nat.)
vorgelegt von
Dipl. Inform. Ralf Sondershaus
aus Dresden
Tubingen¨
2007Tag der mundlichen¨ Qualifikation: 11.07.2007
Dekan: Prof. Dr. Michael Diehl
1. Berichterstatter: Prof. Dr. Wolfgang Straßer
2. Prof. Dr. Stefan Gumhold
(Technische Universitat¨ Dresden)Zusammenfassung
Moderne Simulationen erzeugen immer großer¨ werdende Datensatze¨ und stellen Wissenschaftler
vor die Aufgabe, diese Datensatze¨ auszuwerten und zu analysieren. Oft liegen die Daten als reine
Zahlenkolonnen vor und erschweren so eine Auswertung. Die Transformation der Daten in eine
graphische Darstellung ist ein wichtiges Hilfsmittel, um das Ergebnis einer Simulation oder eine
Sammlung gemessener Werte richtig zu interpretieren und auszuwerten. Die vorliegende Arbeit
stellt neue Verfahren zur Aufbereitung solch großer Datenstze vor mit dem Ziel, eine interaktive
graphische Darstellung zu ermoglichen.¨ Dabei steht insbesondere die Aufbereitung auf Comput
ern mit begrenzten Resourcen im Mittelpunkt der vorgestellten Algorithmen.
Diese Arbeit liefert Beitrage¨ zu drei wichtigen Themen auf dem Gebiet der Aufbereitung von
wissenschaftlichen Daten: Reduktion mit garantiertem maximalem Fehler, Bearbeitung großer
Datensatze¨ mit begrenzten Ressourcen und interaktive Visualisierung.
Zu Beginn wird ein automatischer Reduzierer vorgestellt, welcher die Anzahl der gespeicherten
Elemente verringert und dabei den Approximationsfehler zwischen dem originalen Datensatz und
dem reduzierten Datensatz kontrolliert. Der Reduzierer arbeitet global auf der Domane¨ des Daten
satzes, und nicht, wie fast alle bisher bekannten Verfahren, mit vielen kleinen, lokal auf dem
Datensatz arbeitenden Schritten. Damit behebt er den Nachteil dieser Verfahren, in lokale Min
ima zu laufen, und ist bei einem zu den anderen Verfahren vergleichbaren Approximationsfehler
ungefahr¨ um den Faktor 3 5 schneller.
Anschließend wird eine Out of core Datenstruktur vorgeschlagen, welche ein schnelles Bear-
beiten selbst großter¨ Datensatze¨ erlaubt mit einem geringen Bedarf an Hauptspeicher und mini
malen Zugriffen auf Sekundarspeicher¨ . Darauf aufbauend werden zwei Datenstrukturen vorgestellt,
welche den Datensatz in mehreren Auflosungsstufen¨ speichern. Die erste Struktur speichert die
¨ ¨ ¨Auflosungen in einer binaren Hierarchie wahrend die zweite Struktur das Konzept der Multitri
angulation auf Volumennetze anwendet. Eine graphische Darstellung bedient sich dieser zwei
Datenstrukturen und erreicht eine interaktive Visualisierung von sehr großen Datensatzen¨ ohne
sichtbaren Fehler, auch auf Computern mit begrenzten Resourcen.
Das letzte Kapitel der Arbeit stellt drei Techniken fur¨ die Visualisierung vor, welche grundle
gende Probleme bei gegenseitigen Verdeckungen adressieren. Fur¨ Skalarfelder wird eine punkt
basierte Visualisierung vorgeschlagen, welche einen Satz von Isoflachen¨ mit Punkten abtastet und
diese Punkte mit Beleuchtung zeichnet. Fur¨ Vektorfelder stellt die Arbeit eine Ghosting Technik
ivor, welche einen dichten Satz von Stromlinien semi transparent darstellt und nur wenige, vom
Benutzer wahlbare¨ Stromlinien hervorhebt. Im letzten Abschnitt werden Diffusionsflachen¨ ein
gefuhrt¨ und ihre Anwendung fur¨ die Tensorfeld Visualisierung mit dem Spezialfall medizinisches
MRI diskutiert.Abstract
Modern scientists must consume ever bigger volumes of data gushing out of supercomputer simu
lations or high powered sensors. Often, the data are represented as vast blocks of numbers which
need to be transformed into a graphic representation which enables and improves understanding
and analyzation. On their way from raw data to interactive visualizion, huge scientific datasets
need algorithms out of three areas of research: reduction with a controllable approximation er-
ror, out of core techniques for huge datasets and interactive visualization of huge datasets with no
visual error. All three topics are addressed by this thesis.
At the beginning, an automatic simplification technique is presented which reduces the number
of elements of a dataset and controls the approximation error between the original dataset and the
reduced dataset. The algorithm consists of a sequence of three steps which work globally on the
dataset and improves all known approaches that use a sequence of many small local steps by in
creasing numerical stability and avoiding runs into local minima. With an achieved approximation
error that is comparable to other known approaches, the reducer is about 3 5 times faster.
Next, an out of core data structure is introduced which allows for an efficient work on even
biggest unstructured datasets with a low consumption of main memory and minimal accesses to
secondary storage like hard discs. Based on the out of core data structure, two additional data
structures are proposed in order to store huge datasets with multiple levels of resolution. The first
data structure stores all levels of resolutions in a binary hierarchy whereas the second data structure
uses the concept of multi triangulations on unstructured volume datasets.. A rendering framework
uses these data structures to achieve an interactive visualization with a visual error controllable by
the user. Both run on computers with limited ressources even with no visual error.
The last chapter introduces three different visualization techniques addressing fundamental
problems of occlusion during rendering. A point based visualization technique is proposed for
scalar fields. A set of isosurfaces is point sampled and the resulting points are rendered with a
lighting scheme adapted to the scalar field. A ghosting technique is proposed for vector fields. A
dense set of stream lines is calculated but only a few of them are visualized opaque whereas all oth
ers are visualized semi transparent. The user has full control over the selection of the opaque lines.
Finally, diffusion surfaces are introduced and it is shown how they can improve the visualization
of medical MRI data.
iiiAcknowledgements
This work would not have been possible without the encouraging support of many people. First
of all, I want to thank my advisor, Prof. Dr. Dr. E. h. Wolfgang Straßer, for his confidence in
my work and for the possibility to work within the Sonderforschungsbereich 382 (SFB 382) of the
German Research Council (DFG) which was a great experience. Prof. Straßer has always been
able to ask the right questions and to drive research into an appropriate direction.
Special thanks also to Prof. Dr. Stefan Gumhold who suggested to use points as drawing prim
itives for tensor field visualization and supported the early works on DT MRI. Furthermore, I
encourage everybody to discuss multi resolution data structures and their compact representations
with him – Stefan is full of breaking suggestions and offers a complete zoo of great ideas. Discus
sions with him have heavily influenced chapter 5 of this thesis. His lecture on surfaces influenced
the section about topology and space of this thesis.
I want to thank Dr. Uli Bieg from the University of Tubingen¨ for many fruitful disussions about
the usefulness of scientific visualizations. In addition, he provided his Sea dataset as an example
containing both scalar values as well as vector values. He was the first who used my programs to
visualize geological phenomena in his publications.
From EADS, I want to thank Dr. Udo Tremel for giving access to his F16 dataset which is
also populated with a lot of scalar and vector quantities. Both the Sea and the F16 dataset have
really been used in simulations. They have not only populated my collection of sample datasets by
some new datasets never published before but have also influenced the design of my out of core
algorithms due to their difficult geometrical and topological properties.
I would like to thank all colleagues at GRIS for all their cooperative work especially at the time
of lesson preparation. In addition, all of them have took their time to discuss certain ideas and
have maintained a working infrastructure including mail servers and network management.
Last but by far not least I want to thank my wife Melanie. She has never given up to support
me during the last years, has always come up with fresh new thoughts and has managed to create
a lovely home even at hard times.
v