77379

СОВРЕМЕННЫЕ МЕТОДЫ ВИЗУАЛИЗАЦИИ БОЛЬШИХ И СВЕРХБОЛЬШИХ ОБЪЁМНЫХ ДАННЫХ

Научная статья

Информатика, кибернетика и программирование

Методы визуализации больших объёмных данных активно развиваются в том числе благодаря новым аппаратным средствам. В данной работе рассматриваются различные подходы к визуализации объёмных данных как с программной так и с аппаратной стороны актуальные на сегодняшний день. Также рассматривается специфика представления объёмных данных в памяти видеокарты и следующие из этого особенности и ограничения распределение задачи визуализации между GPU и CPU...

Русский

2015-02-02

30.5 KB

2 чел.

СОВРЕМЕННЫЕ МЕТОДЫ ВИЗУАЛИЗАЦИИ БОЛЬШИХ И СВЕРХБОЛЬШИХ ОБЪЁМНЫХ ДАННЫХ

И.О. Михайлов, В.Л. Авербух

УрФУ, Институт математики и механики имени Красовского УрО РАН, Екатеринбург

Методы визуализации больших объёмных данных активно развиваются, в том числе благодаря новым аппаратным средствам. В данной работе рассматриваются различные подходы к визуализации объёмных данных, как с программной, так и с аппаратной стороны, актуальные на сегодняшний день.

В настоящее время наблюдается тенденция использования для трудоёмких вычислений ресурсов видеокарты, как правило, для этого используются технологии позволяющие производить универсальные вычисления на видеокарте. Однако для задач визуализации в некоторых случаях возможно использование шейдеров являющихся более распространённой и доступной технологией. В работе произведено сравнение технологий GPGPU (CUDA, OpenCL и других) и шейдеров (HLSL, GLSL). Также рассматривается специфика представления объёмных данных в памяти видеокарты и следующие из этого особенности и ограничения, распределение задачи визуализации между GPU и CPU, преимущества и сложности данного подхода. Так как существующие аппаратные средства позволяют достичь значительной производительности, при базовом подходе бросания лучей (raycasting), были разработаны новые и адаптированы существующие методы позволяющие повысить качество и реалистичность итогового изображения. К таким методам относятся, в частности, построение дополнительных лучей в неоднородных областях (мультисэмплинг) и уменьшение шага луча с целью снижения шума.

Также для повышения детализации и качества финального изображения используются предобработка и постобработка. Проводится предварительное вычисление нормалей к изоповерхности объёмных данных для построения реалистичного освещения. Для динамического освещения используется метод бросания лучей к источнику света, после построения базового изображения объекта. Так возможно применение постэффектов которые используются в традиционной полигональной компьютерной графике таких как динамический диапазон яркости(High Dynamic Range) и глубина резкости (Depth of field).

Для компактного представления данных в памяти и трассировки лучей используются окто-деревья и kd-деревья. В работе рассматриваются некоторые их модификации позволяющие повысить эффективность использования данных структур. Одним из вариантов такой модификации являются окто-деревья и kd-деревья с ранней остановкой ветвления, в данных деревьях большинство листьев представляют собой не отдельные воксели, а плотные 3-мерные массивы вокселей. Таким образом, можно достичь выигрыша, как по быстродействию, так и по памяти. За счёт комбинированного использования деревьев и облака точек обеспечивается эффективное хранение данных в памяти. При этом одиночные воксели хранятся в облаке точек, а плотные группы вокселей в дереве, благодаря чему достигается плотная упаковка данных. При работе с объемными данными часто возникает необходимость разбиения данных как в памяти одного компьютера, так и в распределенной системе. Проанализированы различные критерии разбиения данных, подходы к обработке границы между областями данных. Также рассмотрены способы представления и визуализации регулярных некубических сеток и других структур, актуальных для задач кристаллографии.

Работа выполнена при поддержке Программы фундаментальных исследований УрО РАН “Информационные, управляющие и интеллектуальные технологии и системы”, проект 12-П-1-1034.