Pokročilé zobrazování objemových dat na GPU

Abstract

Vizualizace objemových dat, konkrétně vizualizace isoploch nachází uplatnění v mnoha oblastech jako například medicína, antropologie, či vědecká vizualizace obecně. Je to ale metoda výpočetně náročná a dosáhnout interaktivních zobrazovacích rychlostí na běžných procesorech je problematické. Nicméně moderní spotřební gra fické akcelerátory (GPU) dávají k dispozici vysoce výkonné, masivn paralelní procesory s dnes už dostatečně obecnými možnostmi jejich programování, díky čemuž představují atraktivní platformu pro uvedené zobrazovací techniky. V této práci zkoumáme možnosti urychlení vizualizace isoploch založených na metodě vrhání paprsku pomocí oktalového stromu, postavené na systému NVIDIA CUDA. Analyzujeme a vybíráme typ průchodu oktalovým stromem, který je vhodný pro implementaci na GPU a na základě této analýzy implementujeme hybridní průchod objemovými daty, ve kterém kombinujeme bezzásobníkový průchod stromem s přímým průchodem mřížkou objemových dat, založeným na algoritmu DDA. Výslednou metodu jsme integrovali do aplikace WisS pro zobrazování antropologických dat, vyvinuté v diplomové práci [9]. Naše implementace dosahuje až 3,5-násobného zrychlení oproti původnímu DDA algoritmu, které významně zlepšuje interaktivitu aplikace WisS na velkých datových množinách. Na závěr poukazujeme na několik...

Volume data visualization, namely isosurfaces rendering is of use in many areas like medicine, anthropology or scienti c visualization in general. However, it is a compute-demanding technique and the real-time rendering frame rate is hard to achieve on common CPUs. However, the recent consumer graphics accelerators (GPUs) provide a high performance massively-parallel processors with reasonable general programming possibilities and thus present attractive platform for implementing mentioned rendering technique. In this work we explore the possibilities of the octree-based acceleration of ray tracingbased isosurfacing built on NVIDIA CUDA framework. We analyze and choose the octree traversal type suitable for the GPU implementation, and according to the analysis we implement a hybrid volume traversal combining the stackless variant of octree traversal and direct DDA-based grid traversal. We integrated the implementation into the WisS application { the anthropological data visualization software developed in [9]. Our implementation achieves up to 3.5-times acceleration when compared to the original DDA-based algorithm what results in notably improved the interactivity of the WisS application when used on large datasets. In the end we point on several general problems that analogical approaches on GPU have to...