152. Informatik-Kolloquium
Vorträge
Montag, 14.12.2009, 1/336
| 09.00 Uhr | Vorverarbeitung und Interaktives Rendering Volumetrischer Daten |
| Dr. Timo Ropinski (Universität Münster) | |
| Die Vorverarbeitung volumetrischer Daten ist ein fester Bestandteil des interaktiven Volumenrenderings geworden. So werden beispielsweise Gradientenfelder oder Segmentierungen vorab berechnet, um anschließend eine verbesserte Darstellung des volumetrischen Datensatzes zu erlauben. Durch die Möglichkeiten heutiger Grafikhardware, kann diese Vorverarbeitung weiter ausgebaut und direkt auf GPUs durchgeführt werden. Dadurch kann in vielen Fällen ein erheblicher Geschwindigkeitszuwachs erzielt werden, wobei im Idealfall sogar bei komplexen Vorverarbeitungsschritten eine interaktive Parameterwahl während des Renderings ermöglicht wird. In meinem Vortrag werde ich zwei Beispiele aus dem Bereich Real-Time Volumenrendering vorstellen, die die Möglichkeiten der Volumenvorverarbeitung für eine verbesserte Darstellung aufzeigen. Im ersten Teil möchte ich darauf eingehen, wie Konzepte aus der Bildverarbeitung eingesetzt werden können, um ein interaktives Rendering mit diffuser Interreflektion zu ermöglichen. Dazu werde ich zeigen, wie diese Effekte durch die Vorberechnung und das Clustering von lokalen Histogrammen realisiert werden können. Im zweiten Teil des Vortrags möchte ich auf die Berücksichtigung von Schatten und Streuungs-Effekten bei der globalen Volumenillumination eingehen. Ich werde einen effizienten GPU-basierten Algorithmus vorstellen, der Vorverarbeitung und Rendering kombiniert, um globale Volumenillumination in Echtzeit zu simulieren. | |
|
|
|
| 11.00 Uhr | Oberflächenextraktion von unstrukturierten Punktdaten |
| Dr. Paul Rosenthal (Universität Bremen) | |
|
Die Extraktion von Oberflächen ist eine Standardmethode für die Visualisierung von Volumendaten. Viele verschiedene Algorithmen für die unterschiedlichsten Anwendungen existieren. Dennoch gab es bisher keinen Algorithmus, der in der Lage war, Oberflächen direkt aus unstrukturierten Punktdaten zu extrahieren. Hierbei gehen wir davon aus, dass für die Datenpunkte weder Topologie noch Konnektivität bekannt sind. Wir stellen einen neuen Visualisierungsansatz vor, der diese Aufgabe direkt auf den unstrukturierten Punktdaten realisiert. Dabei werden die Daten weder über einem strukturierten Gitter interpoliert, noch wird eine Triangulierung erzeugt. Der Algorithmus besteht aus zwei Schritten: dem Extrahieren der Oberflächenpunkte und dem Rendern der Punktwolke. Die eigentliche Extraktion von Oberflächenpunkten basiert auf der linearen Interpolation zwischen geeigneten Datenpunkten auf verschiedenen Seiten der Oberfläche. Die benötigten Nachbarinformationen werden durch die Approximation von Voronoi-Nachbarn erhalten. In Regionen mit wenig Datenpunkten und stark variierendem Datenfeld kann die lineare Interpolation zu Fehlern führen. Um dies zu vermeiden, kann ein Level-Set Ansatz für die Glättung und Vereinheitlichung der Daten benutzt werden. Typischerweise arbeiten Level-Set Methoden auf regelmäßigen Gittern. Wir hingegen stellen eine Level-Set Methode vor, die allein auf den unstrukturierten Punkten arbeitet. Die benötigten Ableitungen werden durch die Methode der kleinsten Quadrate approximiert. Die Ausgabe des Extraktionsschrittes ist eine Fläche in Punktwolkenrepräsentation. Wie bei den ursprünglichen Datenpunkten sind auch hier keine Informationen über Topologie oder Konnektivität verfügbar. In Beibehaltung der Grundidee der gesamten Methode, soll auf die geometrische Rekonstruktion der Oberfläche verzichtet werden. Stattdessen werden die Punkte der Oberfläche gerendert und die Fähigkeiten der GPU benutzt, um etwaige Löcher in der dargestellten Oberfläche im Bildraum zu füllen. Die Leistungsfähigkeit des vorgestellten Visualisierungsansatzes wird mit zahlreichen Beispielen belegt. |
|
|
|
|
| 13.00 Uhr | Effiziente Anfragen und Anwendungen von Geometrischen Constraints. |
| Dr. Christoph Fünfzig (Université des Bourgogne) | |
| In diesem Vortrag werde ich zunächst eine Datenstruktur für schnelle Kollisionstests auf unstrukturierten, großen Dreiecksmengen vorstellen. Die Datenstruktur verwendet ein sphärisches Distanzfeld, welches mipmap-ähnlich gespeichert werden kann. Eine Variante kann auch für schnelle Strahlanfragen auf einem regulär-abgetasteten Höhenfeld verwendet werden. Anschließend gebe ich einen kurzen Überblick über geometrische Constraints, die beim Zusammenfügen von Modellteilen zu einem Gesamtmodell eine große Rolle spielen. Ich beschreibe einen neuen Löser für geometrische Constraints unter Verwendung eines Bernstein Polytopes und linearer Programmierung. Dieser kann auch bei der Rekonstruktion der Objektpose für AR verwendet werden. | |
