Please use this identifier to cite or link to this item: http://cuir.car.chula.ac.th/handle/123456789/28636
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorPizzanu Kanongchaiyos-
dc.contributor.authorRinchai Bunlutangtum-
dc.contributor.otherChulalongkorn University. Faculty of Engineering-
dc.date.accessioned2013-01-23T06:52:50Z-
dc.date.available2013-01-23T06:52:50Z-
dc.date.issued2011-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/28636-
dc.descriptionThesis (M.Eng.)--Chulalongkorn University, 2011en
dc.description.abstractComputational cost is one of the major problems in animating smoke. Recently, adaptive grid refinement using octree structure has been proposed which is a successful method for reducing the computational cost of detail-preserving fluid simulation. Although octree grid is optimized for details, viewing angle is not addressed. Smoke distant from the viewing screen or beyond the viewing frustum, which usually has less visual attention and is unnecessary for high-detail simulation, can be optimized for speed. However, applying such view-dependent optimization to the octree grid directly might cause animation artifacts and loss in natural fluid behaviors. In this thesis, we have presented a method for view-dependent adaptive grid refinement, extending the traditional octree grid by considering the viewing frustum, as well as the variation in fluid quantities as criteria for grid refinement. In our method, refinement conditions with adaptive thresholds are proposed to optimize the grid for both viewing angle and details. The proposed method preserves visual details and fluid behaviors which allows high-detail smoke animations with a relatively less computational cost. In addition, particles, which are more flexible to conform to obstacle-fluid boundaries, are integrated to enhance animation and reduce artifacts caused by dynamic refinements. Overall, the method provides a flexible framework for optimization that can be applied for various fluid simulations.en
dc.description.abstractalternativeการจำลองควันหรือของไหลประเภทต่างๆซึ่งเป็นปรากฏการณ์ตามธรรมชาติที่มีความซับซ้อนสูงและใช้เวลาในการคำนวนมาก คุณภาพและความสมจริงที่ได้จึงขึ้นอยู่กับเวลาในการคำนวณเป็นปัจจัยควบคุมหลัก ในงานวิจัยก่อนหน้าได้มีการนำเสนอการปรับแต่งตาราง (Grid Refinement) เพื่อลดจำนวนของโหนดในโดเมนจำลอง (Simulation Domain) ลง ผลลัพท์ก็คือการจำลองใช้เวลาประมวลผลสั้นลง และภาพที่ได้มีรายละเอียดสูงขึ้น อย่างไรก็ตามเราพบว่าตารางการจำลอง (Simulation Grid) ยังสามารถลดรูปเพื่อการจำลองที่เร็วยิ่งขึ้นได้ โดยการนำข้อมูลจากมุมมองกล้องมาพิจารณาเป็นส่วนหนึ่งในขั้นตอนการปรับแต่งตาราง (Grid refinement). แนวคิดก็คือ ควันหรือของไหลที่อยู่ไกลจากกล้อง ย่อมมีขนาดที่เล็กลงเสมอ เราจึงสามารถลดความละเอียดของไหลที่อยู่ไกลลงได้โดยที่ไม่ทำให้คุณภาพของภาพผลลัพท์ที่ได้ด้อยลง งานวิจัยนี้จึงได้นำเสนอวิธีการปรับแต่งตารางตามมุมมองกล้อง (View-Dependent Adaptive Grid Refinement) โดยพิจารณาจาก ระยะห่างระหว่างของไหลกับกล้อง (fluid-camera distance), องศารับภาพ (viewing angle), ขนาดภาพผลลัพท์ (output resolution) ซึ่งสามารถนำไปใช้เพิ่มความเร็วในการประมวลผลการจำลองควัน และของไหลประเภทต่างๆ โดยที่ยังสามารถคงคุณภาพและรายละเอียดของภาพผลลัพท์สูงสุดได้ นอกจากนี้เรายังได้นำเสนอการนำอนุภาคมาใช้ในการแสดงผล เพื่อปรับปรุงภาพผลลัพท์ที่ได้ให้ดียิ่งขึ้น วิธีการที่เราได้นำเสนอทั้งหมดในงานวิจัยนี้ มุ่งเน้นให้สามารถนำไปประยุกต์ใช้ได้จริงในทางปฏิบัติ ทั้งกับการจำลองควันและการจำลองของไหลประเภทต่างๆen
dc.format.extent7834468 bytes-
dc.format.mimetypeapplication/pdf-
dc.language.isoenes
dc.publisherChulalongkorn Universityen
dc.rightsChulalongkorn Universityen
dc.subjectSmoke -- Computer simulationen
dc.subjectFluids -- Computer simulationen
dc.subjectComputational complexityen
dc.subjectComputational grids (Computer systems)en
dc.titleAdaptive grid refinement using view-dependent octree for smoke simulationen
dc.title.alternativeการปรับตารางกริดแบบปรับตัวได้โดยใช้ต้นไม้อัฐภาคสำหรับการจำลองควันen
dc.typeThesises
dc.degree.nameMaster of Engineeringes
dc.degree.levelMaster's Degreees
dc.degree.disciplineComputer Engineeringes
dc.degree.grantorChulalongkorn Universityen
dc.email.advisorpizzanu@cp.eng.chula.ac.th-
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
rinchai_bu.pdf7.65 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.