Fakultät Informatik

Interaktive Visualisierung zeitabhängiger Volumendaten

Author:  Dario Kardas, September 2003

Die Volumenvisualisierung wird seit jeher mit hohen Ansprüchen an die Resourcen der Visualisierungssysteme verbunden. Der Grund hierfür liegt in der Größe typischer Volumendatensätze (z. Zt. 128 Megabyte pro Datensatz). Mitterweile hat die Technik einen Stand erreicht, bei dem selbst Mainstream-PCs (x86-Architektur in der Preisklasse um 1500€) in der Lage sind, das von modernen CT- oder MR-Scannern gelieferte 3D-Material interaktiv zu visualisieren.

Diese Arbeit beschäftigt sich deshalb mit einen weiteren Schritt im Bereich der Volumenvisualisierung: die interaktive Visualisierung zeitabhängiger 3D-Daten. Hier wird nicht, wie bisher, ein statisches Volumen dargestellt, sondern eine Folge statischer Volumina hintereinander angezeigt (Volumen-Video). Damit kommen die traditionellen Probleme der Volumenvisualisierung erneut auf: die zu verarbeitende Datenmenge steigt proportional zur gewünschten Bildrate bei der Darstellung, d.h. um Interaktivität zu erreichen (>10 Bilder pro Sekunde), muss man in der Lage sein, mehr als 1 Gigabyte 3D-Daten pro Sekunde zu visualisieren.

Das Ziel erreicht man sicherlich nicht durch die einfache serielle Anwendung bisheriger (statischer) Verfahren. Die Idee besteht darin, die Programmierbarkeit moderner Mainstream-Graphikkarten auszunutzen: die Volumendaten werden in einem Vorverarbeitungsschritt mittels geeigneter Verfahren komprimiert, in diesem Zustand in den Texturspeicher der Graphikkarte geladen und während des Renderns von der Graphikhardware dekomprimiert. Damit wird die benötigte Bandbreite zwischen Haupt- und Graphikspeicher reduziert und der Flaschenhals am AGP-Bus umgangen.

Der Hauptbestandteil meiner Diplomarbeit beschäftigt sich mit der Entwicklung geeigneter Kompressionsverfahren und deren Gegenstücke in GPU-Code (Cg, C for Graphics). Sämtliche Verfahren basieren auf dem Prinzip der Vektorquantisierung, deren Outputs sich hervorragend mit Standardmitteln aus der hardwaregestützten Rastergraphik decodieren lassen.

Weiterer Schwerpunkt ist die Unterstützung von Streaming. Hier spielt der kontinuierliche Upload von Volumendaten eine wesentliche Rolle, d.h. während ein Zeitschritt gerendert wird, wird der nächste simultan in den Texturspeicher der Graphikkarte übertragen. Dadurch soll auch gewährleistet sein, dass potentiell unendlich lange Sequenzen von Volumina abgespielt werden können.

+
+
+
 

News

Matthias Niessner, our new Professor from Stanford University, offers a number of interesting topics for  master theses.

 

PhD positions on   Computational Fabrication and 3D Printing and  Photorealistic Rendering for Deep Learning and Online Reconstruction are available at the Computer Graphics & Visualization group.