四面体网格化的粒子数据特征可视化

发布时间：2020-01-18 15:16

【摘要】：天文粒子数据的可视化对科学家研究宇宙的结构和演化的过程有非常大的帮助,特别是借助于时序可视化可以表现复杂的结构特征,是其他方法无法达到的.文中分析了现有的粒子绘制方式,提出了一种优化的四面体网格粒子绘制算法.算法在数据处理阶段,按粒子编号切分成N个数据片,同时计算不同时刻同一粒子运动状态标记量;在组建四面体阶段,根据周期性边界条件和粒子的运动状态,将粒子数据组成四面体网格;保持不同时刻四面体的组成粒子不变,然后对这些四面体进行投影和绘制.文中算法内存占用小并且适合并行化处理.通过实验,将可视化结果与粒子投影的绘制算法对比,证明文中算法在展现宇宙的结构特征上有很大的优势,并且使宇宙的纤维结构更加连贯完整.
【图文】：

ch等[4]提出了向量量化压缩技术,并且利用GPU加速实现了大规模天文粒子数据在单节点的直接投影绘制.但是,这种方式需要对原始数据做大量的预处理和计算,并且在预处理时丢弃了粒子的编号信息,所以难以应用于时序数据可视化.另一类是将粒子重新组织成其他结构后进行绘制,例如,Kaehler等[5]提出的暗物质可视化方法,将暗物质粒子重新组织成四面体,并且保持四面体在模拟过程中的组成粒子不变,然后经过投影和体绘制得到了非常好的可视化效果.但在实验过程中该算法对于不同的天文粒子数据集会出现一些问题.例如,在图1a所示初始时刻图的四周会出现黑色边框,并且随着模拟的推进,黑色边框会如图1b所示进行移动,在某些时刻会出现如图1c所示不正常的特征线.另外,算法的内存占用较高,绘制大规模数据比较困难.如何对大规模天文数据时序可视化,如何清晰表现模拟过程中产生的结构特征,这些都有待于进一步的探索研究[6].本文提出一种天文数据处理方式和四面体组建方式,将数据在预处理阶段提取位置与粒子编号并切片处理,在组建四面体阶段根据周期性边界条件建立连通关系,并且根据四面体的物理运动特征还原四面体偏移前的运动形态,运用体绘制的算法得出可视化结果,通过GPU和多节点进行加速.本文算法在解决出现非正常结构特征的同时,减少了内存消耗,内存占用为文献[5]算法的10%,之后再进行并行优化使算法更适合绘制大规模数据.最后通过对比实验,证明了本文算法的有效性和可视化结果的真实性.a.T0时刻黑色的边框b.中间时刻黑色边框的移动c.某些时刻不正常的特征图1非正常的结构特征

榻ń锥涡枰，

本文编号：2570886