type
Post
status
Published
date
Jul 16, 2021
slug
summary
毕设的大致内容是对一篇论文的复现。说人话的话，就是将时变的三维体数据（格式是三维raw数据，每个时间步一个文件）分割成不同特征（一个特征就是一“块”），并实现对特征的逐帧跟踪，然后用CUDA和C++程序将结果显示为可交互的视频，可以实现视角改变，旋转、缩放等。
其中特征分割和跟踪的算法、体绘制...
tags
category
icon
password
毕设的大致内容是对一篇论文的复现。说人话的话，就是将时变的三维体数据（格式是三维raw数据，每个时间步一个文件）分割成不同特征（一个特征就是一“块”），并实现对特征的逐帧跟踪，然后用CUDA和C++程序将结果显示为可交互的视频，可以实现视角改变，旋转、缩放等。
其中特征分割和跟踪的算法、体绘制交互式视频是本项目的重点。
详细一点的说法：
本课题的方法依赖于合并树，这种数据结构很适合描述在标量场中等值集的相关情况，由此，合并树可以将标量场进行一个层次的分割，从而实现特征的提取与划分。在特征提取步骤中，首先需要处理数据，用涡流提取的方式从时变三维矢量场中得到三维标量场的数据。然后通过Carr提出的方法，计算得到数据集的合并树，并使用用拓扑简化的方法来有效处理噪声数据集。这样我们可以得到不同区域的分割，并将相似的区域聚在一起。
提取完特征后，我们需要进行特征追踪。本方法使用了形心距离、直方图相似性两种尺度加权来度量这些区域之间的空间相似性，并把它转化为图数据结构的权边，这样我们就可以将相似性的问题研究抽象成一个有向无环图，并通过求解全局最短路径的算法来进行全局时间的区域跟踪。
最后，我们需要将跟踪得到的特征和原始数据集，使用CUDA架构进行GPU并行计算的可视化，以提高性能。我们采用光线投射算法进行体绘制，给予交互效果，并且将不同时间步制作成了动画效果。
本文试图用较为通俗易懂的方式说明一下以上内容，也在此记录一下学到的东西，给之后的自己做参考。
研究背景：为什么需要做时变标量场的特征追踪？
时变标量场
在物理学和医学图像处理中，我们经常需要用到标量场或者矢量场来表示事物的情况。比如，当我们要研究天气时，比如研究某个海洋表面空气温度场，这就是一个标量场。温度是一种只有大小没有方向的量。
三维标量场，比如一块区域的温度场。传递函数使用颜色冷暖（色相值）来表示温度高低。
又比如，物理课中的电场线，就是将电场进行直观化的一种方法，与上述不同的是，电场强度是一个矢量。所以我们使用矢量场表示。而在天体物理学中，我们用标量场来表示黑洞附近扭曲的引力势。下图也是一个类似的例子。
一个二维的标量场图，猜测此图可能是在表示天体引力势大小。“L”应该是平衡的拉格朗日点。（不一定对）
关于科学可视化除了上述的颜色表征与等高线图外，还有许多别的方法，标量和矢量场也有不同的表示方式，而时变标量场的意思是随着时间变化的标量场，在原来的基础上再增加了一个维度。于是可视化的表示方法就更多了，详见之前写的文章：
什么是特征追踪
特征是一块特殊的区域，这些是专家们感兴趣的部分。如下图，这是本次使用的数据集。每一块红色线框标识的就是一个特征。比如计算宇宙学中的暗物质晕，以及燃烧科学中的火焰。
上图中深蓝色的是被我们选中的特征。我们在视频的一帧中选中一个特征后，需要在后面几帧都能跟住它。
在时变标量场体数据中，“特征”具有特殊的研究意义。跟踪特征的演化过程，不仅可以提高对科学现象的理解，而且还会对演化事件的机制产生新的有价值的见解。
国内外现有方法的缺陷
·（1）度量相似性只关注空间维度，但有一些相似性只有同时考虑时空维度才能发现。
·（2）不能得到一个按照层次聚类的特征跟踪结果。且特征跟踪结果受噪声干扰大，
·（3）特征跟踪依赖于相邻两时间步，存在局部最优解问题，而这会导致跟踪中断。
为了提高特征追踪的效果，需要有新的办法予以改进。
数据集
本次sh
合并树
等值集
合并树
DAG图构建
和C讨论了。
老师提出了形心距离。
数据可视化：体绘制与交互式视频
体绘制、传递函数与程序编码
动画效果实现思路
设计animation函数，并使用opengl内置的GlutTimeFunc实现每隔50ms调用一次animation函数。
其中animation函数的设计思路是：调用一次initCuda函数，重置传入CUDA的体数据纹理，并再次调用d_render函数进行光线投射，并调用glutPostRedisplay函数进行重绘制。【那个流程里的内核是drender吗，还是cuda的kernel】
本来以为这样运行速度会较慢，但在2060显卡和普通intel i7 CPU的配置下运行十分流畅，能够达到可交互视频的要求。
视频单帧截图：
能够流畅地跟踪。
更换不同的视角和缩放比例