Hauptseminar ComputergrafikWintersemester 2011/2012


VerantwortlichUmfang | 2 SWS |
Studiengänge| Studiengang | Fachsem. | V | Ü | P | Vertiefungsgebiet | Prüfung | | Ingenieurinformatik | 5 | 0 | 2 | 0 | KTS; MIKS; MT; TKA; TKT; IHS | | | Ingenieurinformatik (Master) | 2 | 0 | 2 | 0 | KTS | | | Informatik | 5 | 0 | 2 | 0 | AS; BMT; ET; FZT; IKT; MA; MB; MI; MT; WW | |
Voraussetzungen

Termine | Die Einführungsveranstaltung findet am Dienstag, den 11.10.2011 von 17:00 bis 18:30 Uhr im Sr HU 201 statt.
|  | Auswahl der Themen und Termine per Anmeldeformular.
|  | Einführungsvortrag von drei bis fünf Minuten Länge, in dem das gewählte Thema kurz vorzustellen ist, durch jeden Teilnehmer am Dienstag, den 8.11.2011, von 17:00 Uhr bis 18:30 Uhr im Sr HU 201.
|  | Erster Vortragstermin ist Dienstag, der 15.11.2011.
|  | Es ist eine ca. 20-seitige schriftliche Ausarbeitung zum Thema anzufertigen und bis Mittwoch, den 29.02.2012 beim zuständigen Betreuer abzugeben. |
Die einzelnen Vorträge finden an folgenden Terminen statt: | Zeit | Ort | Vortragender | | Dienstag, 11.10.2011 17:00 | Sr HU 201 | Einführungsveranstaltung | | Dienstag, 18.10.2011 | - | - | | Dienstag, 25.10.2011 | - | - | | Dienstag, 01.11.2011 | - | - | | Dienstag, 08.11.2011 | - | - | | Dienstag, 15.11.2011 | - | - | | Dienstag, 22.11.2011 | - | - | | Dienstag, 29.11.2011 | - | - | | Dienstag, 06.12.2011 | - | - | | Dienstag, 13.12.2011 | - | - | | Dienstag, 03.01.2012 | - | - | | Dienstag, 10.01.2012 17:00 | Sr HU 201 | Einführungsvorträge | | Dienstag, 17.01.2012 | - | - | | Dienstag, 24.01.2012 | - | - | | Dienstag, 31.01.2012 17:00 | Sr HU 201 | Dmytro Horevych | | Dienstag, 31.01.2012 17:45 | Sr HU 201 | |
Bei Bedarf werden weitere Vortragstermine hinzugefügt. Bitte wenden Sie sich dazu an Markus Färber. Ausarbeitung | Vorlage für die Ausarbeitung (PDF-Datei siehe unten)
|  | Abgabe der Ausarbeitung: Mittwoch, der 29.02.2012 |
Bewertung | Alle anwesenden Mitarbeiter erstellen ein Gutachten zum Vortrag (Datei siehe unten). Der Mittelwert aller Gutachten ergibt die Bewertung.
|  | Die schriftliche Ausarbeitung wird vom jeweiligen Betreuer bewertet. |


Themen | Die Themenliste wird derzeit überarbeitet und ergänzt. |
| Die Themen werden noch überarbeitet und erweitert. |
| |
Betreuer
| Thema
| Bearbeiter
| Vortrag
|
| A
| Visualisierung, Rendering und Modellierung
|
| A.1 |
Professor Beat Brüderlin |
Bidirectional Texture Function BTF
BDRFs sind meistens hoch-dimensionale (4- bis 7-dimensionale) Funktionen. Die Universität Bonn (Prof. Klein) beschäftigt sich damit, diese Funktionen empirisch an Materialien zu erfassen und als Textur zu speichern. Durch die hohe Dimension entstehen dabei sehr große Datenmengen. Die Forschung beschäftigt sich unter anderem damit, die Daten durch Kompression zu reduzieren, möglichst ohne die Qualität zu beeinträchtigen und dabei gleichzeitig die Echtzeitfähigkeit zu gewährleisten. Auf der Webseiten befinden sich einige Artikel, die als Hintergrundinformation dienen können, z. B.:- Gero Müller, Jan Meseth, Reinhard Klein:
Compression and Real-Time Rendering of Measured BTFs Using Local PCA. Proceedings of Vision, Modeling and Visualisation 2003, November 2003, pp. 271-280. - Martin Rump, Ralf Sarlette, Reinhard Klein:
Efficient Resampling, Compression and Rendering of Metallic and Pearlescent Paint. Proceedings of Vision, Modeling and Visualisation 2009, pp. 11-18.
|
|
|
| A.3 |
Dipl.-Inf. Johannes Ghiletiuc |
Punktewolken-Rendering oder Wasser sieht man nur, weil es nicht überall ist
Als Alternative zur Dreiecksrasterisierung existiert u. a. der Ansatz des Punktewolken-Rendering. Punktewolken können sowohl direkt aus Partikelsystemen (z. B. Flüssigkeiten, Feuer usw.) entstehen als auch aus Polygonen generiert werden. Objekte in Form von Punktewolken lassen sich einfach handhaben aber nur schwer in Echtzeit rendern. Einige Verfahren erstellen dazu in einem Vorberechnungsschritt ein Dreiecksnetz aus der Punktewolke. Dieser Vorgang ist langsam und fehlerbehaftet, da die beliebige Lage der Punkte im Raum enorm komplexe Dreiecksnetze erzeugen kann.
In [Dobrev et al.] wird eine rein bildbasierte Methode vorgeschlagen, um Punktewolken in Echtzeit anzuzeigen. Man beachte, dass über die eigentliche Punktewolke keine Annahmen gemacht werden. Der Algorithmus erstellt aus einfachen Punkten (als Rendering-Primitiv) eine sichtbare Oberfläche ohne Löcher. Insbesondere können sich die Punkte frei bewegen, da die Oberfläche der Wolke in jedem Frame neu berechnet wird.
Aufgabenstellung für dieses Thema:
Implementierung des Algorithmus aus [Dobrev et al.] (soweit wie nötig), um eine dynamische Partikelwolke anzuzeigen. Der Algorithmus besteht effektiv aus einer Sammlung von Shadern, die im Post-Processing über eine Punktewolke gelegt gelegt werden. Kenntnisse einer Programmiersprache sind notwendig, im Idealfall sind OpenGL/Direct3D-Kenntnisse vorhanden. Das Thema kann auch als Basis für eine Studienjahresarbeit dienen.
Literatur:
|
|
|
| A.4 |
Dipl.-Inf. Johannes Ghiletiuc |
Dreiecksbasierte Detailverminderung
Im Gegensatz zu rein bildbasierten Verfahren existieren dreiecksbasierte Detailverminderungs-Verfahren. Je nach Anwendungsfall können diese wesentlich höhere Kompressionsraten erreichen, ohne einen unbeschränkt großen Detailverminderungs-Fehler zu erzeugen. Unter anderem gilt dies für Objekte mit wenigen bzw. einem einzigen Oberflächen-Material. Ebenfalls können diese Verfahren dazu verwendet werden, vorhandene bildbasierte Detailverminderungsverfahren zu unterstützen (siehe z. B. [Jeschke und Wimmer]). Im Rahmen des Hauptseminars ist, aufbauend auf [Melax], ein Detailverminderungsalgorithmus zu implementieren. Eine kreative Erweiterung zur Erhöhung der Tauglichkeit für texturierte Dreiecksnetze ist erwünscht.
Literatur:Voraussetzungen:- Notwendig: Programmierkenntnisse in C++
- Hinreichend: Erfahrungen in OpenGL/Direct3D-Programmierung
|
|
|
| A.5 |
Dipl.-Inf. Markus Färber |
Marching-Cubes-Algorithmus
Der Marching-Cubes-Algorithmus zur Visualisierung von Isoflächen volumetrischer Daten ist anschaulich zu erklären, nach Möglichkeit mit Hilfe einer prototypischen Implementierung. Es ist weiterhin zu untersuchen, wie sich der Algorithmus (evtl. auf Grafikkarten) parallelisieren lässt.
Literatur:- Wikipedia-Artikel: Marching-Cubes-Algorithmus
- Gunnar Johansson, Hamish Carr:
Accelerating Marching Cubes with Graphics Hardware. Proceedings of the 2006 conference of the Center for Advanced Studies on Collaborative research, Toronto, ON, Canada, 2006. - Frank Goetz, Theodor Junklewitz, Gitta Domik:
Real-Time Marching Cubes on the Vertex Shader. Eurographics 2005 Short Presentations, Dublin, Irland, August 2005. - Paul Mackeras:
A Fast Parallel Marching-Cubes Implementation on the Fujitsu AP1000. Technical Report TR-CS-92-10, Australian National University, Canberra, Australia, 1992.
|
|
|
| A.6 |
Dipl.-Inf. Johannes Ghiletiuc
Dipl.-Inf. Markus Färber |
Berechnung der Ähnlichkeit zweier Bilder
Gegeben sind zwei Bilder, die mit verschiedenen Rendermethoden erstellt wurden. Es ist ein Algorithmus vorzustellen (und gegebenenfalls zu implementieren), der ein Ähnlichkeitsmaß zwischen beiden Bildern ermöglicht.
Literatur: |
|
|
| C
| Themen aus dem Projekt «Digitale Mechanismen- und Getriebebibliothek DMG-Lib»
|
| C.1 |
Dipl.-Inf. Ulf Döring |
Möglichkeiten der automatischen Merkmalsanalyse und Namensgebung für Gelenkketten
Mit Hilfe von Programmen lässt sich für einen gegebenen Mechanismus und die Position seiner Antriebsglieder die Position sämtlicher anderer Glieder bestimmen. Dies ermöglicht eine Analyse der Bewegungseigenschaften des jeweiligen Mechanismus.
In VDI-Richtlinien (u. a. 2145 und 2127) sowie einer Vielzahl von Veröffentlichungen (eine Dissertation zu dem Thema kann zur Verfügung gestellt werden) sind eine Reihe von Begriffsdefinitionen zu Eigenschaften sowie Festlegungen für eine darauf beruhende Namensgebung enthalten. Es ist ein Vorgehen zu finden (und zu beschreiben), nach dem Merkmalsanalyse und Namensgebung auf Basis einer Software zur kinematischen Analyse vorgenommen werden können.
Ein Beispiel zur historischen Namensgebung für sogenannte Viergelenkketten
kann hier in der DMG-Lib gefunden werden.
Eine spätere Implementierung wird angestrebt. |
|
|
| C.2 |
Dipl.-Inf. Ulf Döring |
Fast Curve Matching with Binary Trees
Getriebe werden oft zur Lösung bestimmter Führungsaufgaben eingesetzt. Hierbei soll z.B. ein ausgewählter Punkt eine bestimmte Bahn abfahren. Für Konstrukteure besteht nun das Problem, sowohl die Art des Getriebes als auch die entsprechenden Parameter zu wählen. Basierend auf einem (sehr großen) Speicher an analysierten Getrieben soll diese Konstrukteursarbeit unterstützt werden.
In einer abgeschlossenen Diplomarbeit wurden bereits erste Untersuchungen gemacht, wie sich für handskizzierte Kurven passende Getriebe finden lassen.
Im Hauptseminar sind die wesentlichen Aspekte der Arbeit zusammenzufassen, zu werten sowie Erweiterungsmöglichkeiten vorzuschlagen.
|
|
|
| C.3 |
Dipl.-Inf. Ulf Döring |
Untersuchung von Möglichkeiten zur Umsetzung von Hypervideo mittels HTML5
Hypervideos eignen sich sehr gut, um verschiedene digitale Objekte in einem Wissensraum zu vereinen und durch eine ansprechende Visualisierung zur Beschäftigung mit den dargestellten Inhalten anzuregen sowie den Zugriff auf vertiefende Informationen zu ermöglichen. In der DMG-Lib wurde ein Hypervideo mit Flash realisiert. Die dort genutzten Visualisierungs- und Interaktionselemente sind zu analysieren sowie die Umsetzungsmöglichkeiten dieser oder ähnlicher DMG-Lib-relevanter Elemente mittels HTML5 zu untersuchen. Vor- und Nachteile verschiedener Umsetzungen sind zu vergleichen und gegebenenfalls die Probleme einer Realisierung mittels HTML5 zu diskutieren. Als Referenzbrowser für Beispiele soll eine aktuelle Version von Firefox dienen. |
|
|
| E
| Themenangebote des Sonderforschungsbereiches 622 Nanopositionier- und Nanomessmaschinen
|
| E.1 |
Dipl.-Ing. Torsten Machleidt |
Grenzen und Möglichkeiten des Lichtschnittverfahrens zur Gewinnung von 3D-Informationen
- Grundlagen zur Methodik des Lichtschnittverfahrens
- Grenzen des Verfahrens
- Anwendung und Bewertung bzgl. des Einsatzes in einer Nanomessmaschine
|
|
|
| E.2 |
Dipl.-Ing. Torsten Machleidt |
Untersuchung des Einsatzes von Miniprojektoren zur strukturierten Beleuchtung von Mikrooberflächen mit dem Ziel der 3D-Messung
- Recherche zu Miniprojektoren
- Grundlagen zur 3D-Messung mittel strukturierter Beleuchtung
- Anwendungsmöglichkeiten in der NPMM
- Bewertung der Verfahren
|
|
|
| E.3 |
Dipl.-Ing. Torsten Machleidt |
Untersuchungen zur Nutzung der Rechenleistung eines NVIDIA TESLA C870 GPU Computing Processors zur schnellen Messdatenverarbeitung
- Darstellung der Architektur des Computing Prozessors
- Einarbeitung in das Softwareentwicklungstool CUDA
- Diskussion der Möglichkeiten im Vergleich zu einer Grafikkarte
- Programmierung einfacher Bildverarbeitungsverfahren
- Test mit dem Computing Prozessor und Vergleich der Ergebnisse
|
|
|
| F
| Themenangebote des Zentrum für Bild- und Signalverarbeitung e. V.
|
| F.1 |
Dipl.-Ing. Torsten Machleidt |
Verfahren zur Rapportbestimmung bei Bahnenware bei mehrfacher
Musterwiederholung in einem Rapport
Gesucht wird ein Verfahren, das trotz mehrfacher Wiederholung eines Musters in einem Rapport anhand lokaler Inhomogenitäten/Störungen die richtige Periode findet. |
|
|
| F.2 |
Dipl.-Ing. Torsten Machleidt |
Klassifizierung von dreidimensionalen Texturen (3D-Mikrostruktur) anhand ihrer BRDF-Funktion (bidirektionale Reflektanzfunktion)
Dazu soll die (ebene) Oberfläche aus mehreren Richtungen beleuchtet und mit einer feststehenden oder beweglichen Kamera beobachtet werden, so dass ein vektorielles Bild entsteht. Für dieses Bild sind mögliche Klassifikationsansätze zu untersuchen. |
|
|
| F.3 |
Dipl.-Ing. Erik Sparrer |
Untersuchung zur Parallelisierung von morphologischen Entfaltungsalgorithmen unter Verwendung einer GP-GPU
Ein existierender Algorithmus soll auf mögliche Ansätze zu Parallelisierung durch CUDA, nVidias freie und neuartige Erweiterung zur Programmiersprache C, untersucht werden. Ziel ist es die langwierige Berechnung durch die Ausnutzung der Parallelprozessorstruktur von GPUs handelsüblicher Grafikkarte zu beschleunigen.
- Einlesen in die Dokumentation von CUDA
- Untersuchen des bestehenden sequentiellen Algorithmus
- Implementieren von möglichen parallelen Algorithmen
Literatur:
|
|
|
| F.4 |
Dipl.-Ing. Erik Sparrer |
Untersuchungen zu Eigenschaften von High Power LEDs und Aufbau einer Datenbank
Zur Thematik High Power LEDs soll eine Zusammenfassung gegeben werden, in der insbesondere eine Abgrenzung zu Niederstrom-LEDs vorgenommen werden soll.
Weiterhin sollen Hersteller von Hochleistungs-LEDs ausfindig gemacht werden und deren Produktpalette in eine bestehende Datenbank integriert werden.
- Einarbeiten in die Thematik Power LEDs
- Recherchieren von High-Power LED-Herstellern
- Erweitern der bestehenden Datenbank
Literatur:
|
|
|
| F.5 |
Dipl.-Ing. Rico Nestler |
Anwendung meta-heuristischer Optimierungsverfahren zur Bildrestauration
Meta-heuristische Optimierungsverfahren, wie z. B. der physikalisch motivierte Simulated Annealing Algorithmus (SA), sind eine interessante Alternative für die Minimierung von hochdimensionalen reellen Funktionalen, wie sie z. B. bei der Bildrestauration häufig auftreten. Diese Verfahrensklasse erlaubt im Gegensatz zum klassischen Gradientenabstieg, der abhängig vom Startpunkt oft in lokalen (suboptimalen) Minima eines Funktionals endet, das Finden einer besseren Lösung, da diese lokalen Minima im Zuge der Optimierung auch wieder verlassen werden können. Die Aufgabe des Hauptseminars ist es, einen Überblick über diese Verfahrensklasse zu erarbeiten (Prinzip, Varianten, Anwendungen) und dabei das SA-Verfahren selbst im Detail zu betrachten. Das SA-Verfahren ist am Beispiel der pixonenbasierten Bildrestauration zu testen. Gegenstand der pixonenbasierten Entfaltung ist die Schätzung einer Bildlösung, die sowohl parametrische Bildelemente (Bildmodell) als auch diesen Bildelementen zugeordnete Signal-beiträge umfasst. Das SA-Verfahren ist hier alternativ zum klassischen Gradientenabstieg für die Schätzung der Bildelementeparameter des Bildmodells vorgesehen.
Voraussetzungen:
- sehr gute Kenntnisse in angewandter Mathematik
- Programmierkenntnisse in IDL, C++
Einarbeitung:
- Prinzip Pixonenmethode und vorhandener IDL-Programmcode «pixonenbasiertes Restaurationsverfahren»
|
|
|
| F.6 |
Dipl.-Ing. Rico Nestler |
Überblick zu alternativen Optimierungsansätzen im Bereich der Bildrestauration
Im Bereich der Bildrestauration werden die zu schätzenden Bildparameter häufig durch Minimierung sogenannter multivariater Lösungsfunktionale ermittelt. Klassische Ansätze dies zu tun sind Gradientenabstiegsverfahren, wie zum Beispiel der konjugierte Gradientenalgorithmus (CG) oder meta-heuristische Optimierungsverfahren, wie z. B. der physikalisch motivierte Simulated Annealing Algorithmus (SA). Insbesondere wenn die gesuchte Lösung aus einem diskreten Set von Elementen besteht, sind vor allem gradientenbasierte Verfahren problematisch, da hier nur Informationen an diskreten Werte des Parameterraums zur Verfügung stehen. Ein Beispiel hierfür ist die pixonenbasierte Entfaltung. Gegenstand der pixonenbasierten Entfaltung ist die Schätzung einer Bildlösung, die sowohl parametrische Bildelemente (Bildmodell) aus einem endlichen Set als auch diesen Bildelementen zugeordnete Signalbeiträge umfasst. Das pixonenbasierte Bildmodell wirkt hierbei als leistungsfähiger Regularisationsansatz. Die Aufgabe des Hauptseminars ist es, einen Überblick über Optimierungsverfahren und Prinzipien zu erarbeiten, die unter dieser Bedingung geeignet sind. Das Rechercheergebnis ist den bekannten Verfahren (CG, SA) gegenüberzustellen. Bedarfsweise kann der Nachweis an kleineren Programmierbeispielen demonstriert werden.
Voraussetzungen:
- sehr gute Kenntnisse in theoretischer Informatik und angewandter Mathematik
- Programmierkenntnisse in IDL, C++ für Tests
Einarbeitung:
|
|
|
| |
Siehe Webseite des ZBS. |

 |

Dateien |