<div class="csl-bib-body">
<div class="csl-entry">Geyer, L. (2022). <i>Adaptive Sampling in position based fluids</i> [Diploma Thesis, Technische Universität Wien]. reposiTUm. https://doi.org/10.34726/hss.2022.92665</div>
</div>
-
dc.identifier.uri
https://doi.org/10.34726/hss.2022.92665
-
dc.identifier.uri
http://hdl.handle.net/20.500.12708/19979
-
dc.description
Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers
-
dc.description.abstract
Position-Based Fluids (PBF) gehören zu den Lagrange-Flüssigkeitssimulationsmethoden, basieren auf Smoothed Particle Hydrodynamics (SPH) und erweitern das Position-Based Dynamics (PBD) Framework um die Möglichkeit, Flüssigkeiten zu simulieren. PBD verwendet Constraints, um Objektpositionen so anzupassen, dass physikalische Gesetze möglichst eingehalten werden. Im Fall von PBF werden Flüssigkeiten durch Partikel repräsentiert, deren Positionen mittels Constraints so kontrolliert werden, dass eine Kompression von Teilen der Flüssigkeit unterbunden wird. Während die ursprüngliche Version von PBF fest definierte Werte für Masse und Ruhedichte für alle Partikel vorsieht, beschreibt diese Diplomarbeit eine allgemeinere und vielseitigere Variante, in der Partikel variable Mengen an Flüssigkeit repräsentieren können. Das ermöglicht es, die Flüssigkeit mit regional variierendem Detailgrad zu simulieren, wodurch Einsparungen im Bereich des Speicherverbrauchs und der Berechnungsdauer erzielt werden können. Wir beschreiben eine Vorgehensweise, in welcher der gewünschte Detailgrad jeder Flüssigkeitsregion auf seiner Distanz zum Rand der Flüssigkeit basiert. Mittels Merging und Splitting werden die Partikel dynamisch an den gewünschten Detailgrad angepasst. Weiters beschreibt diese Diplomarbeit den Zusammenhang zwischen der Partikeldichte und der in PBF verwendeten Kernelgröße sowie Methoden, um die Kernelgröße entsprechend an den lokalen Detailgrad anzupassen. Die Vor- und Nachteile dieser Methoden werden aufgezeigt und unser bester Ansatz wird einer eingehenden mathematischen Analyse unterzogen, die die erwartete Partikelanzahl sowie die zu erwartende Anzahl von Nachbarpaaren für Positionen innerhalb der Flüssigkeit abschätzt. Aus dieser Analyse geht hervor, dass bei hinreichender Flüssigkeitstiefe sowohl die Anzahl der Partikel als auch die Anzahl der Nachbarpaare im Vergleich zur ursprünglichen PBF-Version deutlich reduziert werden können.
de
dc.description.abstract
Position-Based Fluids (PBF) are a Lagrangian fluid-simulation method and are an implementation of Smoothed Particle Hydrodynamics integrated into the Position-Based Dynamics (PBD) framework. In PBD, constraints applied to object positions are used to enforce a variety of physical laws. In the case of PBF, the fluid is represented by particles and constraints are added that prevent fluid compression. The original PBF method defines all particles to be of equal mass and rest density. In this thesis, we propose a method for generalizing PBF to allow particles to represent varying amounts of fluid. This enables the fluid to be simulated with regionally varying levels of detail with the intent to reduce memory consumption and to increase performance. For each fluid region, we compute the targeted level of detail based on its distance to the fluid boundary, and use merging and splitting strategies to adapt the particles accordingly. We discuss the relation of the particle density to the kernel width used in PBF and provide several approaches for adapting the kernel width to fit the local level of detail. The advantages and disadvantages of each approach are evaluated and a streamlined implementation-variant is proposed which has advantageous properties for larger bodies of fluid. This streamlined solution bases the kernel width entirely on the boundary distance. Its approach is mathematically analyzed in regard to the expected number of particles and neighbor pairs for varying fluid body sizes. The mathematical analysis as well as measurements done in our test implementation show that while our method might increase the neighbor pair count for shallow fluids, it greatly reduces the number of particles and neighbor pairs if the fluid is sufficiently deep, giving the opportunity to significantly lower the computational effort in these cases.
en
dc.language
English
-
dc.language.iso
en
-
dc.rights.uri
http://rightsstatements.org/vocab/InC/1.0/
-
dc.subject
Position-Based Fluids
de
dc.subject
Particle-Based Fluid Simulation
de
dc.subject
Partikelbasierte Flüssigkeitssimulation
de
dc.subject
Position-Based Fluids
en
dc.subject
Particle-Based Fluid Simulation
en
dc.title
Adaptive Sampling in position based fluids
en
dc.title.alternative
Adaptives Sampling in Positionsbasierten Flüssigkeiten
de
dc.type
Thesis
en
dc.type
Hochschulschrift
de
dc.rights.license
In Copyright
en
dc.rights.license
Urheberrechtsschutz
de
dc.identifier.doi
10.34726/hss.2022.92665
-
dc.contributor.affiliation
TU Wien, Österreich
-
dc.rights.holder
Lukas Geyer
-
dc.publisher.place
Wien
-
tuw.version
vor
-
tuw.thesisinformation
Technische Universität Wien
-
dc.contributor.assistant
Unterguggenberger, Johannes
-
tuw.publication.orgunit
E193 - Institut für Visual Computing and Human-Centered Technology
-
dc.type.qualificationlevel
Diploma
-
dc.identifier.libraryid
AC16506621
-
dc.description.numberOfPages
81
-
dc.thesistype
Diplomarbeit
de
dc.thesistype
Diploma Thesis
en
dc.rights.identifier
In Copyright
en
dc.rights.identifier
Urheberrechtsschutz
de
tuw.advisor.staffStatus
staff
-
tuw.assistant.staffStatus
staff
-
tuw.advisor.orcid
0000-0002-9370-2663
-
tuw.assistant.orcid
0000-0001-6453-8158
-
item.fulltext
with Fulltext
-
item.grantfulltext
open
-
item.languageiso639-1
en
-
item.mimetype
application/pdf
-
item.openairetype
master thesis
-
item.cerifentitytype
Publications
-
item.openaccessfulltext
Open Access
-
item.openairecristype
http://purl.org/coar/resource_type/c_bdcc
-
crisitem.author.dept
E193 - Institut für Visual Computing and Human-Centered Technology