Computer graphics. Volumen und marching cubes. Dr. Ernst Kruijff
|
|
- Erica Günther
- vor 6 Jahren
- Abrufe
Transkript
1 Computer graphics Volumen und marching cubes Dr. Ernst Kruijff Institute of Visual Computing 3DMi group Bonn-Rhein-Sieg University of Applied Sciences 3 Dm group
2 Sources Andre Hinkenjann, Vorlesung Computergrafik Oliver Jato, Vorlesung Computergrafik Carlos Andujar, Marching Cubes Algorithm Slides von Computer Science /Swansea University
3 Volumenvisualisierung Direkte n CFD: Computational Fluid Dynamics n Simulationen der numerischen Strömungsmechanik auf 3D Gittern (Finite Elemente / Volumina Methode) num3sys.inria.fr American Institute of Physics
4 Direkte Volumenvisualisierung Dämpfung von Röntgenstrahlen (Hounsfield Units) Windgeschwindigkeiten in Simulation von Hurricane Isabel
5 Direkte Volumenvisualisierung Globale Ozeantemperaturen in einer Klimasimulation 5
6 Volumenvisualisierung Motivation: Direkte n Informationen, Phänomene und Modelle ohne Oberflächen darstellen: inhomogene Regionen n Visualisierung von Participating Media: Fluid, Gas, Rauch, n Visualisierung von wissenschaftlichen Daten Skalare: Temperatur, Druck, Gewebedichte, Feldstärke, Vektoren: Gradienten, Richtung, Geschwindigkeit, Beschleunigung, Wikipedia graphics.stanford.edu
7 Volumenvisualisierung Direkte n Volumenvisualisierung allgemein: Repräsentation, Extraktion, Manipulation und Darstellung von Informationen, denen der Wertebereich dreidimensionaler Funktionen zugrunde liegt [Arie E. Kaufman: Volume Visualization, In: ACM Comput. Surv. 28, 1996] n Definitionsbereich einer 3D Funktion Punkte im 3D Raum sind Informationsträger n Wertebereich einer 3D Funktion Skalar- oder Vektorfeld über begrenzendes Volumen n Volumenrendering: Prozess der Darstellung eines solchen Feldes mit Methoden der Computergrafik [James D. Foley et al.: Computer Graphics: Principles and Practice, Addison-Wesley, 1996]
8 Volumenvisualisierung Direkte n Direkte Volumenvisualisierung n Einfluss der Voxel auf Projektionsfläche ergibt Farben der Bildpunkte n n Vorteile n n n n Information des Volumens wird vom Datenraum in den Bildraum projeziert Einblick in das Innere eines Datensatzes Keine zeitaufwändige Erzeugung von Flächen Kein zusätzlicher Speicher für Flächen Dynamische Daten: zeitvariante Daten, Live-Simulation, Clipping n Unterteilung der direkten Verfahren: n Objektraumverfahren, Bildraumverfahren, Frequenzraumverfahren
9 Volumenvisualisierung Direkte n Welche Schritte sind zur Bildgenerierung notwendig? n Volumenrendering Pipeline n Traversierung: Wie wird ein Volumen durchlaufen? n n n n n Rekonstruktion: Wie wird der Wert an einem Ort bestimmt? Gradientenberechnung: Wie werden Normalen berechnet? Klassifikation: Welche Voxel sind von Interesse? Schattierung: Welche Farbe soll ein Voxel bekommen? Komposition: Wie wird aus den Voxeln die Farbe eines Bildpunktes ermittelt? n Wir schauen hier nur einige Visualisierungsverfahren an!
10 Volumenvisualisierung Direkte n Objektraumverfahren (Vorwärtsprojektion) n Auswirkung der Voxel auf Projektionsfläche berechnen n Komposition aller Voxelbeiträge bestimmt Ausgabe werden nicht in Detail auf Techniken eingehen n Algorithmen: Splatting, Projected Tetrahedra (unstrukt. Gitter), Shear-Warp Faktorisierung (auf CPUs sehr schnell), Slicing (mit GPUs, Object aligned oder View aligned)
11 Volumenvisualisierung Direkte n Bildraumverfahren (Rückwärtsprojektion) n Volumen für jeden Bildpunkt abtasten n n Sehstrahlen durch Bildpunkte schneiden Voxel Hohe Qualität, jedoch ungeordnete Speicherzugriffe n Typischer Vertreter: Ray Casting n n Grundsätzlich Effekte wie beim Ray Tracing möglich Reflektion, Refraktion, Streuung, Lichtquellen, Schatten,, aber extrem Aufwändig n Frequenzraumverfahren n Abbildung des Volumens in 3D Frequenzraum durch Fourier Transformation (kontinuierliche, aperiodische Signale werden in ein kontinuierliches Spektrum zerlegt)
12 Alterna3v: Oberfläche sta: direkte Visualisierung? Rekonstruktion von Gewebeoberflächen aus Computer-Tomographie (CT) Scan Beispiel zwei unterschiedliche Isooberflächen Rekonstruktion der Rekonstruktion der Hautoberfläche Knochenoberfläche
13 Visualisierungspipeline Bildgenerierung Visualisierung Ausgabe
14 Visualisierungspipeline Bildgenerierung Visualisierung Ausgabe
15 Marching cubes Beliebter Algorithmus zur isosurface extraction Original Lorensen, W.E. and Cline, H.E. (1987). Marching cubes: A high resolution 3D surface construction algorithm. ACM Computer Graphics, 21(4). (SIGGRAPH '87) Update (closed meshes) Claudio Montani, Riccardo Scateni and Roberto Scopigno. A modified look-up table for implicit disambiguation of Marching Cubes. The Visual Computer, 10(6),
16 Marching cubes Von Voxel bis Triangle Mesh Voxels marching cubes triangle mesh
17 Datenstruktur Voxel: Volume Element Ist die 3D Entsprechung eines Pixels: Picture Element Voxel liegen in Eckpunkten des Gitters Zelle: durch acht Voxel an den Eckpunkten definierter Würfel.
18 Input Voxels welche ein scalar field repräsentieren v = f(x,y,z) Kann aber muss nicht binär sein Values in IR Binary values
19 Input Prüfen ob sample innerhalb oder außerhalb der Oberfläche ist Isovalue = Values in IR 6 Isovalue = 4 8 6
20 Output Input Modell Binär à Oberfläche separiert Punkte innerhalb/außerhalb Input Modell nicht Binär à Isosurface welcher alle Punkte mit gleicher isovalue verbindet
21 Marching cubes - Beispiel Gesucht: Oberfläche längs konstantem Schwächungswert 600 (Isooberfläche), z.b. Knochenoberfläche Schicht k+1 Cube/Zelle Schicht k z y Pixel mit Schwächungswert / Grauwert x
22 Marching cubes 30 (0) 30 (0) Schwächungswerte von Gewebe ( Wasser (normiert auf 20 (0) 30 (0) Gewebe Hounsfield Units z 30 (0) y x 20 (0) (0) (1) Knochen Knochen Niere Blut Wasser 0 Fett Luft -1000
23 Marching cubes: Idee Traversier ( march ) durch alle Quader (cubes) welche durch 2x2x2 an einander grenzende Samples geformt wird Für jeder Quader: generiere einen Satz von Dreiecke welche die Output Isosurface innerhalb des Quaders repräsentiert
24 Ablauf Für jeder Quader werden wir : Geometrie: Vertices des Isosurface bestimmen Topologie: Die Vertices verbinden mittels Dreiecke
25 Das Prinzip Raster Zahlen in Zellen repräsentieren Werte von irgend ein physikalischer Eigenschaft Wir wollen zeigen wo f(x) = 5 ist a) Linear interpolieren b) Punkte auf Umriss bestimmen c) Punkte mit einander verbinden
26 Ablauf Unter Annahme das das Feld kontinuierlich ist: Kanten (edges) mit sign change (innerhalb/ausserhalb) werden geschnitten durch Isosurface X X X 6 8 X X 8 X 6 8 X X X
27 Marching Cubes genauere Schritte 1. Zellenanalyse 2. Klassifiziere jeder Vertex als innerhalb oder außerhalb 3. Indexierung 4. Kantenliste aus table[index] 5. Interpoliere Kanten 6. Berechne Gradienten 7. Beachte ambiguous cases 8...nächste Zelle Source: hrp://cs.swan.ac.uk/~csbob/teaching/
28 Marching Cubes Schritt 1 Step 1: Zelle ist definiert durch Eckpunkte (i,j+1,k+1) (i+1,j+1,k+1) (i,j,k+1) (i+1,j,k+1) (i,j+1,k) (i+1,j+1,k) (i,j,k) (i+1,j,k) Source: hrp://cs.swan.ac.uk/~csbob/teaching/
29 Marching Cubes Schritt 2 Step 2:. Klassifizier jeder Vertex: innerhalb oder außerhalb Außerhalb surface (value > isosurface value) Innerhalb surface (value <= isosurface value) iso = isovalue =7 =inside =outside Source: hrp://cs.swan.ac.uk/~csbob/teaching/
30 Marching Cubes Schritt 3 Step 3: Nutze binary labeling um Index zu erstellen aus Binärwert ergibt sich der case! v4 v8 v3 v7 inside =1 outside= v5 v v1 v2 Index: v1 v2 v3 v4 v5 v6 v7 v8 Source: hrp://cs.swan.ac.uk/~csbob/teaching/
31 Schritt 4 - Eckenkombinationen Viele der Konfiguration sind symmetrisch und können gruppiert werden Result: wenige cases Case... config 1 config 2 config 4
32 Schritt 4 Eckenkombinationen Vorsicht: in der Übung ist die Tabelle vollständig! Step 4: Kantenliste aus table[index]: Für jeder Index, schaue in LUT Es gibt 256 (2 8 ) Eckenkombinationen (Fläche-Würfel-Schnitte). Reduzierung durch Rotationssymmetrie und Umkehrung der Bits => 15 relevante Fälle
33 Marching Cubes Schritt 4 Step 4 cont. Kantenliste aus table[index] Beispiel Index = triangle 1 = e4,e7,e11 triangle 2 = e1, e7, e4 triangle 3 = e1, e6, e7 triangle 4 = e1, e10, e6 e4 e11 e1 e7 e6 e10 Source: hrp://cs.swan.ac.uk/~csbob/teaching/
34 Nochmal: Dreiecke und LUT Marching cubes benutzt einen LUT (look-up table) mit 256 Einträge die Beschreiben wie die Dreiecke innerhalb des Quaders aufgebaut werden Zahl der Dreiecke Für jedes Dreeick: Indices (a,b,c) der vertices vom Dreieck. Jeder Index ist ein Zahl welche beschreibt welcher Kante (Kanten sind auch durch nummeriert!) des Quaders den Vertex beinhaltet. 0 Triangles for config 0 1 Triangles for config 1 2 Triangles for config Triangles for config 255
35 ... Beispiel Kante! V6 4 V V7 V à Konfiguration 51 gibt die Dreiecke! V0 3 2 V1 0 Triangles for config 0 1 Triangles for config 1 51 { {8, 9, 10}, {9, 11, 10} } V4 1 V5
36 Marching Cubes Schritt 5 Step 5: Für jeder Dreiecks-Kante, finde Vertex Lokation entlang Kante, nutze lineare Interpolation i i+1 x =10 =0 T=5 T=8 Source: hrp://cs.swan.ac.uk/~csbob/teaching/
37 Vertices bestimmen Vertices werden durch Interpolation bestimmt P 1 (x1,y1,z1) v 1 =f(x1,y1,z1) P=(x,y,z)? P 2 =(x2,y2,z2) X 8 v=f(x,y,z) v 2 =f(x2,y2,z2) V V P = P 2 V V 1 + P 1 V 2 V 2 1 V 2 V 1
38 Vertices bestimmen Vertices werden durch Interpolation bestimmt P 1 =(0,1,0) v 1 =2 P=(0,0.667,0) P 2 =(0,0,0) X 8 v=4 v 2 =8 P = (0,1,0) (0,0,0) P=(0,0.667,0)
39 Marching Cubes Schritt 6 Step 6: Berechne Normale à Siehe Mathe Einführung Vorlesung 2 Source: hrp://cs.swan.ac.uk/~csbob/teaching/
40 Marching Cubes Schritt 7 Step 7: Beachte ambiguous cases Ambiguous cases: 3, 6, 7, 10, 12, 13 Angrenzende Vertices: verschiedene states Diagonale Vertices: gleicher state Lösung : wähle der Richtige or or letzter Punkt: gehen wir hier nicht auf ein Source: hrp://cs.swan.ac.uk/~csbob/teaching/
41 Marching Cubes - Summary Summary 256 Cases Reduziert zu 15 cases durch Symmetrie Ambiguity in cases 3, 6, 7, 10, 12, 13 Kann Löcher verursachen, aber, gehen wir hier nicht auf ein Bis 5 Dreiecke per cube Source: hrp://cs.swan.ac.uk/~csbob/teaching/
42 Marching cubes Algorithmus 1 zur Generierung einer Isooberfläche mit Wert i for (z = 0; z < Anzahl der Schichten - 1; z++) { Lese Schicht z, z+1 in den Speicher; for (y = 0; y < y-auflösung - 1; y++) { for (x = 0; x < x-auflösung - 1; x++) { b = BerechneBitstring(i,Eckwert(x,y,z),Eckwert(x+1,y,z),...,Eckwert(x,y+1,z+1)); GeneriereDreiecke(i,b,Eckwert(x,y,z),...); } } } Speicherbedarf: quadratisch, ok für Standardauflösungen J Laufzeit: kubisch L
43 Effiziente Realisierung: Octrees Schwachstelle: Alle Würfel werden durchlaufen, auch wenn sie nicht zur gesuchten Isooberfläche beitragen. Wie kann für weite Bereiche schnell bestimmt werden, ob die Isooberfläche darin enthaltene Würfel schneidet? Lösung: Hierarchisierung mittels Octrees
44 Octrees Rekursive Unterteilung des Raumes in 8 kongruente Würfel => =>... => =>... Datenstruktur: Baum mit Verzweigungsgrad 8 (Octree) Anzahl der Baumebenen: log 2 (Kantenauflösung)
45 Octree...und nochmal: Volum teilen in 8 Teile (octant) Baum aufauen welche Polygonen in jeder octant beinhaltet Wenn ein octant mehr als Minimum Zahl von Polygone hat: weiter aukeilen No@z: Octree ist ähnlich wie ein quadtree (2D) wikimedia commons Wich@g: Ein Octree ist ein gewurzelter Baum, dessen Knoten jeweils entweder acht direkte Nachfolger oder gar kein Nachfolger haben
46 Octrees zur Beschleunigung der Isooberflächengenerierung Die Blätter des Octrees verweisen jeweils auf 8 benachbarte Cubes und enthalten jeweils das Maximum und Minimum aller Eckwerte ihrer Cubes. Alle inneren Knoten enthalten das Maximum und Minimum der Werte ihrer Söhne. 10/ / / / / 1000
47 Octrees zur Beschleunigung der Isooberflächengenerierung Algorithmus 2 zur Generierung einer Isooberfläche mit Wert i GeneriereOberfläche(Knoten k, Wert i) { if (k ist Blatt) { Teste und generiere Dreiecke in allen acht Cubes von k; return; } if ( (Maximum von k < i) ODER (Minimum von k > i) ) return; else { GeneriereOberfläche(1. Sohn von k, i);... GeneriereOberfläche(8. Sohn von k, i); } }
48 Octrees zur Beschleunigung der Isooberflächengenerierung GeneriereOberfläche(Wurzel, ~20) GeneriereOberfläche(Wurzel, 600) Speicher: kubisch L, aber Komprimierung des Octrees möglich Zeit: J, falls große, zusammenhängende Bereiche ausschließbar Vorverarbeitungsschritt zum Aufbau des Octrees ist notwendig. Für wiederholte Generierung von Oberflächen mit verschiedenen Isowerten aber vertretbar.
49 Zusammenfassung Volumen werden u.a. im wissenschaftlichtechnischen Bereich und in der medizinischen Informatik visualisiert. Ein oberflächenbasiertes Verfahren ist der MC Algorithmus. Er generiert aus Datenwürfeln eine hochaufgelöste Oberfläche. Beschleunigung der Generierung von Oberflächen durch Vorverarbeitung in einen Octree möglich. Hierarchisierung ist Standardwerkzeug der Informatik.
50 ÜBUNG! Lesen...wie funktioniert Marching cubes Aufgabe (nächste 2 Wochen!) Rekonstruier Isooberfläche aus Skull Datensatz Selber Wert wählen (experimentieren) Mehr Datensätze auf volvis.org Code sample: Tutorial08
Marching Cubes - Erstellung von Polygonmodellen aus Voxelgittern
Marching Cubes - Erstellung von Polygonmodellen aus Voxelgittern Matthias Kirschner Advanced Topics in Computer Graphics - WS06/07 Marching Cubes - Erstellung von Polygonmodellen aus Voxelgittern Matthias
MehrVolumenverarbeitung und Optimierung II
Volumenverarbeitung und Optimierung II Praktikum Medizinische GPU Verfahren Susanne Fischer sanne@uni-koblenz.de Institut für Computervisualistik Universität Koblenz-Landau 9. Dezember 2006 Susanne Fischer
MehrVisualisierung und Volumenrendering 2
Institut für Computervisualistik Universität Koblenz 06.07.2012 Inhaltsverzeichnis 1 Literatur 2 Wiederholung 3 DVR Volumen Literatur Real-Time Volume Graphics Volumenrendering CG Shader Beispiele Volumen
MehrKlasse räumlicher Indexstrukturen, die den Datenraum rekursiv in 4 gleich große Zellen unterteilen (Quadranten NW, NE, SW, SE)
4.4 Quadtrees Überblick Klasse räumlicher Indexstrukturen, die den Datenraum rekursiv in 4 gleich große Zellen unterteilen (Quadranten NW, NE, SW, SE) Verwaltung von Punkten, Kurven, Flächen usw., häufig
Mehr{0,1} rekursive Aufteilung des Datenraums in die Quadranten NW, NE, SW und SE feste Auflösung des Datenraums in 2 p 2 p Gitterzellen
4.4 MX-Quadtrees (I) MatriX Quadtree Verwaltung 2-dimensionaler Punkte Punkte als 1-Elemente in einer quadratischen Matrix mit Wertebereich {0,1} rekursive Aufteilung des Datenraums in die Quadranten NW,
MehrModellierung. Oliver Hartmann
Modellierung Oliver Hartmann oliver.hartmann@uni-ulm.de Inhalt Boolesche Operationen Splines B-Splines Bezier-Kurven NURBS Anwendung Sculpting Volumengrafik Marching Cubes Ray Casting Texture Mapping Boolesche
MehrDarstellungsarten für 3D-Körper. Boundary Representation (BRep):
Darstellungsarten für 3D-Körper Boundary Representation (BRep): Darstellung eines (verallgemeinerten) Polyeders durch das System seiner Ecken, Kanten und Facetten Abspeichern durch (Teilgraphen des) vef-graphen
Mehr4.4 Quadtrees. Literatur
4.4 Quadtrees Überblick Klasse räumlicher Indexstrukturen, die den Datenraum rekursiv in 4 gleich große Zellen unterteilen (Quadranten NW, NE, SW, SE) Verwaltung von Punkten, Kurven, Flächen usw., häufig
Mehr5. Gitter, Gradienten, Interpolation Gitter. (Rezk-Salama, o.j.)
5. Gitter, Gradienten, Interpolation 5.1. Gitter (Rezk-Salama, o.j.) Gitterklassifikation: (Bartz 2005) (Rezk-Salama, o.j.) (Bartz 2005) (Rezk-Salama, o.j.) Allgemeine Gitterstrukturen: (Rezk-Salama, o.j.)
MehrMichael Bender Martin Brill. Computergrafik. Ein anwendungsorientiertes Lehrbuch. 2., überarbeitete Auflage HANSER
Michael Bender Martin Brill Computergrafik Ein anwendungsorientiertes Lehrbuch 2., überarbeitete Auflage HANSER Inhaltsverzeichnis Vorwort XI 1 Einleitung 1 1.1 Die Entwicklung der Computergrafik 1 1.2
MehrComputergrafik. Michael Bender, Manfred Brill. Ein anwendungsorientiertes Lehrbuch ISBN Inhaltsverzeichnis
Computergrafik Michael Bender, Manfred Brill Ein anwendungsorientiertes Lehrbuch ISBN 3-446-40434-1 Inhaltsverzeichnis Weitere Informationen oder Bestellungen unter http://www.hanser.de/3-446-40434-1 sowie
MehrComputer graphics. Triangulierung. Dr. Ernst Kruijff. Institute of Visual Computing 3DMi group Bonn-Rhein-Sieg University of Applied Sciences.
Computer graphics Triangulierung Dr. Ernst Kruijff Institute of Visual Computing 3DMi group Bonn-Rhein-Sieg University of Applied Sciences 3 Dm group smatherma0er Sources Gabriel Zachmann, Vorlesung Computergrafik,
Mehr(1) Geometrie. Vorlesung Computergraphik 3 S. Müller U N I V E R S I T Ä T KOBLENZ LANDAU
(1) Geometrie Vorlesung Computergraphik 3 S. Müller KOBLENZ LANDAU KOBLENZ LANDAU Organisatorisches Vorlesung CG 2+3 Die Veranstaltung besteht aus 2 Teilen, wobei in der Mitte und am Ende eine Klausur
MehrSeminar. Visual Computing. Poisson Surface Reconstruction. Peter Hagemann Andreas Meyer. Peter Eisert: Visual Computing SS 11.
Poisson Surface Reconstruction Peter Hagemann Andreas Meyer Seminar 1 Peter Eisert: SS 11 Motivation Zur 3D Darstellung von Objekten werden meist Scan-Daten erstellt Erstellung eines Dreieckmodells aus
MehrQuadtrees und Meshing
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 19.06.2012 Motivation: Meshing von Platinenlayouts Zur Simulation der Hitzeentwicklung
MehrComputer Graphik II Tesselierung impliziter Kurven und Flächen
Computer Graphik II impliziter Kurven und Flächen 1 impliziter Flächen Problem: Nullstellenmenge kann nicht explizit berechnet werden! Lösung: ApproximaCon der Fläche auf Zellen Beispiel 2D: f p ( )
MehrQuadtrees und Meshing
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 19.06.2012 Motivation: Meshing von Platinenlayouts Zur Simulation der Hitzeentwicklung
MehrRay Tracing. 2. Ray Tracing-Prinzip und -Algorithmen. 3. Schnittpunkt- und Normalenberechnung
1. Vorbemerkungen 2. -Prinzip und -Algorithmen 3. Schnittpunkt- und Normalenberechnung 4. Verbesserte -Techniken 4.1 Supersampling 4.2 Adaptives Supersampling 4.3 Stochastisches Supersampling 4.4 Verteiltes
MehrVorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 22.04.2014 Überlagern von Kartenebenen Beispiel: Gegeben zwei verschiedene Kartenebenen,
MehrQuadtrees und Meshing
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 24.06.2014 Motivation: Meshing von Platinenlayouts Zur Simulation der Hitzeentwicklung
MehrQuadtrees und Meshing
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 21.06.2011 Motivation: Meshing von Platinenlayouts Zur Simulation
MehrGeometrierepräsentation
Geometrierepräsentation Forderungen an Repräsentationsform: 1. mächtig (eine sinnvolle Menge von Objekten modellierbar) 2. eindeutig (es muß klar sein, was repräsentiert wird) H E D A F G C B Punkte, Linien,
MehrHigh Performance Computing Blatt 7
Dr. Andreas Borchert Institut für Numerische Mathematik Prof. Dr. Stefan Funken Universität Ulm Prof. Dr. Karsten Urban Sommersemester 03 Markus Bantle, Kristina Steih High Performance Computing Blatt
MehrDatenstrukturen und Algorithmen. 7. Suchen in linearen Feldern
Datenstrukturen und Algorithmen 7. Suchen in linearen Feldern VO 708.031 Suchen in linearen Feldern robert.legenstein@igi.tugraz.at 1 Inhalt der Vorlesung 1. Motivation, Einführung, Grundlagen 2. Algorithmische
MehrVorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 24.04.2011 Überlagern von Kartenebenen Beispiel: Gegeben zwei verschiedene Kartenebenen,
MehrProseminar Informatik in der Medizin. Generierung von dreidimensionalen Oberflächenmodellen aus Schichtbildern Der Marching Cubes Algorithmus
Proseminar Informatik in der Medizin Generierung von dreidimensionalen Oberflächenmodellen aus Schichtbildern Der Marching Cubes Algorithmus Tobias Gaugler tobias.gaugler@ira.uka.de Betreuer: Sascha Däuber
MehrGeometrische Algorithmen Voronoi-Diagramme. Lernmodul 7: Geo-Algorithmen und -Datenstrukturen - Voronoi-Diagramme
Folie 1 von 32 Geometrische Algorithmen Voronoi-Diagramme Folie 2 von 32 Voronoi-Diagramme Übersicht Problemstellung Animation zur Konstruktion eines Voronoi-Diagramms Definition, Eigenschaften eines Voronoi-Diagramms
MehrGeometrie 2. Julian Fischer Julian Fischer Geometrie / 30
Geometrie 2 Julian Fischer 6.7.2009 Julian Fischer Geometrie 2 6.7.2009 1 / 30 Themen 1 Bereichssuche und kd-bäume 1 Bereichssuche 2 kd-bäume 2 Divide and Conquer 1 Closest pair 2 Beispiel: Points (IOI
MehrVorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 24.04.2011 Überlagern von Kartenebenen Beispiel: Gegeben zwei verschiedene Kartenebenen,
MehrVorlesung Geometrische Algorithmen Generierung von Nicht-uniformen Netzen Sven Schuierer
Vorlesung Geometrische Algorithmen Generierung von Nicht-uniformen Netzen Sven Schuierer Uberblick 1. Anwendung 2. Anforderungen an Netze 3. Quadrantenbaume Quadrantenbaume fur Punktemengen Bestimmung
MehrBeschleunigungsverfahren für Raytracing Grids Hierarchische Grids Bewertung Fazit
Überblick Einführung Beschleunigungsverfahren für Raytracing Grids Hierarchische Grids Fazit Einführung Gewöhnliche Beschleunigungsverfahren & Raumunterteilung entworfen und optimiert für effizientes Traversieren
MehrConservative Volumetric Visibility with Occluder Fusion
Conservative Volumetric Visibility with Occluder Fusion Worum geht es? Ausgangspunkt komplexe Szene, wie Städte, Straßenzüge, etc. Ziel effiziente Berechnung von nicht sichtbaren Regionen Begriffe / Definitionen
MehrQuad-trees. Benjamin Niedermann Übung Algorithmische Geometrie
Übung Algorithmische Geometrie Quad-trees LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann 02.07.2014 Übersicht Übungsblatt 11 - Quadtrees Motivation:
Mehr3D - Modellierung. Arne Theß. Proseminar Computergraphik TU Dresden
3D - Modellierung Arne Theß Proseminar Computergraphik TU Dresden Gliederung Darstellungsschemata direkte Constructive Solid Geometry (CSG) Generative Modellierung Voxelgitter indirekte Drahtgittermodell
MehrSeminar How to make a PIXAR movie
Seminar How to make a PIXAR movie Übersicht Punktwolken Volumenmodelle Oberflächenmodelle Polygonmodelle Parametrische Oberflächen Subdivision Surfaces Punktwolken Punktwolke: eine Menge ungeordneter kartesischer
Mehr0 Einführung. Computergrafik. Computergrafik. Abteilung für Bild- und Signalverarbeitung
F1 Inhaltsverzeichnis 1 Hardwaregrundlagen 2 Transformationen und Projektionen 3 Repräsentation und Modellierung von Objekten 4 Rasterung 5 Visibilität und Verdeckung 6 Rendering 7 Abbildungsverfahren
MehrVolumenrendering. Modellierung der visuellen Erscheinung von semitransparenten, beleuchteten Objekten. Marcel Petrick
Volumenrendering Modellierung der visuellen Erscheinung von semitransparenten, beleuchteten Objekten Marcel Petrick Einleitung Anwendung zur Visualisierung von Skalarfunktionen dreidimensionaler Variablen
MehrEchtzeitfähige hige Verfahren in der Computergrafik. Lehrstuhl für f r Informatik Computer Grafik und Visualisierung TUM
Echtzeitfähige hige Verfahren in der Computergrafik Prof. Dr. Rüdiger R Westermann Lehrstuhl für f r Informatik Computer Grafik und Visualisierung TUM Lehr- und Forschungsinhalte Visualisierung Darstellung
MehrÜbungsblatt 7 - Voronoi Diagramme
Karlsruher Institut für Technologie Algorithmische Geometrie Fakultät für Informatik Sommersemester 2012 ITI Wagner Martin Nöllenburg/Andreas Gemsa Übungsblatt 7 - Voronoi Diagramme 1 Voronoi-Zellen Sei
MehrKollisionserkennung
1 Kollisionserkennung von Jens Schedel, Christoph Forman und Philipp Baumgärtel 2 1. Einleitung Wozu wird Kollisionserkennung benötigt? 3 - für Computergraphik 4 - für Simulationen 5 - für Wegeplanung
MehrComputergrafik. Ein anwendungsorientiertes Lehrbuch. Bearbeitet von Michael Bender, Manfred Brill
Computergrafik Ein anwendungsorientiertes Lehrbuch Bearbeitet von Michael Bender, Manfred Brill 1. Auflage 2003. Taschenbuch. 528 S. Paperback ISBN 978 3 446 22150 5 Format (B x L): 16,9 x 24,1 cm Gewicht:
MehrComputergraphik II. Level-of-Detail. Oliver Deussen Level-of-Detail 1
Level-of-Detail Oliver Deussen Level-of-Detail 1 Motivation: Scanner und andere Meßgeräte liefern b-reps mit hohen Auflösungen Beispiel: 3D-Abtastung einer Karosserie ergibt 30 Mio Dreiecke Probleme: ineffizient
MehrInformatik II Prüfungsvorbereitungskurs
Informatik II Prüfungsvorbereitungskurs Tag 4, 23.6.2016 Giuseppe Accaputo g@accaputo.ch 1 Programm für heute Repetition Datenstrukturen Unter anderem Fragen von gestern Point-in-Polygon Algorithmus Shortest
MehrVisualisierung, WS 09/10
Visualisierung Volumenvisualisierung 29.01.2010 1 Übersicht Volumendaten: Grundlagen Begriffsbestimmung Visualisierungspipeline für Volumendaten Methoden der Volumenvisualisierung Dekompositionsmethoden
MehrRaytracing. Beschleunigungsverfahren
Raytracing Beschleunigungsverfahren Naives/brute force Raytracing Komplexität: mxn p Auflösung des Bildes Anzahl der Primitives O (mxnxp) nur für die Primärstrahlen Raytracing Beschleunigungsverfahren
MehrSeminar Ausgewählte Themen der medizinischen Visualisierung
1 Ausgewählte Themen der medizinischen Visualisierung Institut für Informatik 08.07.2011 Arbeitsgruppe Visualisierung und Computergrafik (VisCG) Organisatorisches Veranstalter: Prof. Dr. Klaus Hinrichs,
MehrAlgorithmen und Datenstrukturen
1 Algorithmen und Datenstrukturen Wintersemester 2016/17 13. Vorlesung Binäre Suchbäume Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I 2 Dynamische Menge verwaltet Elemente einer sich ändernden Menge
MehrEINI LW. Einführung in die Informatik für Naturwissenschaftler und Ingenieure. Vorlesung 2 SWS WS 11/12
EINI LW Einführung in die Informatik für Naturwissenschaftler und Ingenieure Vorlesung 2 SWS WS 11/12 Fakultät für Informatik Technische Universität Dortmund lars.hildebrand@udo.edu http://ls1-www.cs.uni-dortmund.de
Mehr3 Repräsentation und Modellierung von Objekten. 3.1 Motivation
3.1 Motivation Es existieren verschiedenste Einflussfaktoren auf die verwendete Modellierungsmethode und Objektrepräsentation: - Objekt existiert real oder nur in der Computerdarstellung - Herstellung
Mehr7. Sortieren Lernziele. 7. Sortieren
7. Sortieren Lernziele 7. Sortieren Lernziele: Die wichtigsten Sortierverfahren kennen und einsetzen können, Aufwand und weitere Eigenschaften der Sortierverfahren kennen, das Problemlösungsparadigma Teile-und-herrsche
MehrGraphische Datenverarbeitung Visualisierungstechniken. Prof. Dr. Elke Hergenröther
Graphische Datenverarbeitung Visualisierungstechniken Prof. Dr. Elke Hergenröther Visualisierungstechniken Visualisierung: Visualisierung bedeutet sichtbar machen, darstellen. Die CG beschränkt sich dabei
MehrQuadtrees. Christian Höner zu Siederdissen
Quadtrees Christian Höner zu Siederdissen Quadtrees Zum Verständnis benötigt... Was sind Quadtrees Datenstruktur Wofür Quadtrees Operationen auf dem Baum Vor- und Nachteile (spezialisierte Formen) Zum
MehrGeometrische Algorithmen Punkt-in-Polygon-Suche. Lernmodul 7: Geo-Algorithmen und -Datenstrukturen - Punkt-in-Polygon-Suche
Folie 1 von 51 Geometrische Algorithmen Punkt-in-Polygon-Suche Folie 2 von 51 Punkt-in-Polygon-Suche Übersicht Praxisbeispiel/Problemstellung Zählen von Schnittpunkten Schnitt einer Halbgerade mit der
MehrAlgorithmische Geometrie: Arrangements und
Algorithmische Geometrie: Arrangements und Dualität Nico Düvelmeyer WS 2009/2010, 19.1.2010 Überblick 1 Strahlenverfolgung und Diskrepanz 2 Dualität Dualitäts-Abbildung Transformation des Problems zur
MehrProgramm heute. Algorithmen und Datenstrukturen (für ET/IT) Übersicht: Graphen. Definition: Ungerichteter Graph. Definition: Ungerichteter Graph
Programm heute Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 07 Dr. Stefanie Demirci Computer Aided Medical Procedures Technische Universität München 7 Fortgeschrittene Datenstrukturen Graphen
MehrBlendaX Grundlagen der Computergrafik
BlendaX Grundlagen der Computergrafik Beleuchtungsmodelle (Reflection Models) 16.11.2007 BlendaX Grundlagen der Computergrafik 1 Rendering von Polygonen Der Renderingprozess lässt sich grob in folgende
MehrParallele Algorithmen in der Bildverarbeitung
Seminar über Algorithmen - SoSe 2009 Parallele Algorithmen in der Bildverarbeitung von Christopher Keiner 1 Allgemeines 1.1 Einleitung Parallele Algorithmen gewinnen immer stärker an Bedeutung. Es existieren
MehrPolygontriangulierung
Übung Algorithmische Geometrie Polygontriangulierung LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Andreas Gemsa 05.05.2011 Ablauf Besprechung ÜB3 Korrektheitsbeweis
MehrMedizinische Visualisierung
Medizinische Visualisierung Vorlesung 8 09.01.2013, Universität Koblenz-Landau Dr. Matthias Raspe SOVAmed GmbH Themenüberblick Medizinische Grundlagen Anatomische Grundlagen Bildgebende Verfahren Datenrepräsentation,
MehrOtto-von-Guericke Universität Magdeburg
Otto-von-Guericke Universität Magdeburg Fakultät für Informatik Lehrstuhl für Visualisierung Klausur Visualisierung Datum: 08.02.2013 Zugelassene Hilfsmittel: Lineal Bearbeitungszeit: 120 Minuten Bearbeiter:
MehrEntscheidungsbäume aus großen Datenbanken: SLIQ
Entscheidungsbäume aus großen Datenbanken: SLIQ C4.5 iteriert häufig über die Trainingsmenge Wie häufig? Wenn die Trainingsmenge nicht in den Hauptspeicher passt, wird das Swapping unpraktikabel! SLIQ:
MehrGeradenarrangements und Dualität von Punkten und Geraden
Vorlesung Algorithmische Geometrie von Punkten und Geraden INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 12.06.2012 Dualitätsabbildung Bisher haben wir Dualität für planare
MehrEffiziente Erzeugung qualitativ hochwertiger Bilder anhand punktbasierter Geometriedaten
Effiziente Erzeugung qualitativ hochwertiger Bilder anhand punktbasierter Geometriedaten Referent: Arndt Ebert 1 2 Ziel des Vortrags Einordnung der point based representation (PBR) und Grundlagen Effiziente
MehrEinführung in das Visualization ToolKit. Institut für Simulation und Graphik, Otto-von-Guericke Universität Magdeburg
Einführung in das Visualization ToolKit VTK Einführung: Gliederung Was ist VTK? VTK-Konzept Vorstellung MeVisLab VTK Beispiel in MeVisLab 2/26 Was ist VTK? Freie Software-Bibliothek für 3D Graphik und
MehrPolygontriangulierung
Übung Algorithmische Geometrie Polygontriangulierung LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann 07.05.204 Ablauf Vergabe der Projekte Übungsblatt
MehrPunktlokalisierung. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 22.05.2012 Nachtrag: Dynamische Bereichsabfragen Letzte Woche: kd-trees und Range-Trees
MehrMatthias Treydte Fakultät für Informatik TU Chemnitz
Einführung MRM / LOD Matthias Treydte Fakultät für Informatik TU Chemnitz Übersicht 1. 2. 3. 4. 5. 6. 7. Wozu das Ganze? Wie kann man Polygonzüge vereinfachen? Wie sind Vereinfachungen zu bewerten? Welche
MehrVisualisierung und Volumenrendering I
Institut für Computervisualistik Universität Koblenz 05.07.2012 Inhaltsverzeichnis 1 Motivation 2 Volumendaten 3 Pipeline 4 Transferfunktionen 5 Gradienten 6 Volumenvisualisierung 7 IVR 8 DVR Wissenschaftliche
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen B7. Balancierte Bäume 1 Marcel Lüthi and Gabriele Röger Universität Basel 13. April 2018 1 Folien basieren auf Vorlesungsfolien von Sedgewick & Wayne https://algs4.cs.princeton.edu/lectures/33balancedsearchtrees-2x2.pdf
MehrGeometrische Algorithmen
Geometrische Algorithmen Thomas Röfer Motivation Scan-line-Prinzip Konvexe Hülle Distanzprobleme Voronoi-Diagramm Rückblick Manipulation von Mengen Vorrangwarteschlange Heap HeapSort swap(a, 0, 4) 1 5
Mehr4.4 Glättung von Kanten
4.4 Glättung von Kanten Es wurden verschiedene Aspekte zur Beleuchtung von Modellen und Szenen vorgestellt. Es gibt zwei Arten von Licht, das Hintergrundlicht und Licht von Lichtquellen, wobei hier zu
MehrVoronoi-Diagramme. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 29.05.2011 Das Postamt-Problem b(p, q) = {x R 2 : xp = xq } p q h(p, q) h(q, p) = {x :
MehrAlgorithmen II Vorlesung am
Algorithmen II Vorlesung am 03.12.2013 Algorithmische Geometrie: Schnitte von Strecken Sweep-Line INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrPolygontriangulierung
Vorlesung Algorithmische Geometrie Polygone triangulieren LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 26.04.2011 Das Kunstgalerie-Problem
MehrGeradenarrangements und Dualität von Punkten und Geraden
Vorlesung Algorithmische Geometrie von Punkten und Geraden INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 17.06.2014 1 Dualitätsabbildung Bisher haben wir Dualität für planare
MehrAlgorithmen und Datenstrukturen Übung #4 BFS/DFS, Wachstum von Funktionen
Platzhalter für Bild, Bild auf Titelfolie hinter das Logo einsetzen Algorithmen und Datenstrukturen Übung #4 BFS/DFS, Wachstum von Funktionen Christian Rieck, Arne Schmidt 22.11.2018 Heute 12 Breiten-
MehrInformatik II, SS 2014
Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 20 (23.7.2014) All Pairs Shortest Paths, String Matching (Textsuche) Algorithmen und Komplexität Vorlesungsevaluation Sie sollten alle eine
MehrGeradenarrangements und Dualität von Punkten und Geraden
Vorlesung Algorithmische Geometrie von Punkten und Geraden INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 12.06.2012 Dualitätsabbildung Bisher haben wir Dualität für planare
MehrPunktlokalisierung. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 24.05.2011 Motivation Gegeben eine Position p = (p x, p y )
MehrWiederholung. Objekte) Hauptkosten beim Pathtracing Ziel: Beschleunigung durch Reduktion der Schnittpunktstestzahl. Ansätze
Wiederholung Pathtracing = Schnittpunktstests mit Geometrie: primäre Augstrahlen, Schattenstrahlen, sekundäre Strahlen Problem: Komplexität! (mindestens linear mit der Anzahl der Objekte) Hauptkosten beim
MehrAlgorithmische Geometrie 3. Schnitte von Liniensegmenten
Algorithmische Geometrie 3. Schnitte von Liniensegmenten JProf. Dr. Heike Leitte Computergraphik und Visualisierung Inhaltsverzeichnis 1. Einführung 2. Konvexe Hülle 3. Schnitte von Liniensegmenten 4.
MehrSeminar. Algorithmische Geometrie
Seminar Algorithmische Geometrie WS 2000/2001 Thema: Konvexe Hülle Mirko Dennler 21439 Inhaltsverzeichnis Konvexe Hülle 1. Problemstellung 3 2. GRAHAMS SCAN 4-5 3. JARVIS' MARCH 5-6 4. QUICK HULL 6-7 5.
MehrRelationen und DAGs, starker Zusammenhang
Relationen und DAGs, starker Zusammenhang Anmerkung: Sei D = (V, E). Dann ist A V V eine Relation auf V. Sei andererseits R S S eine Relation auf S. Dann definiert D = (S, R) einen DAG. D.h. DAGs sind
MehrHallo Welt für Fortgeschrittene
Hallo Welt für Fortgeschrittene Geometrie II Benjamin Zenke Informatik 2 Programmiersysteme Martensstraße 3 91058 Erlangen Inhalt Closest Pair Divide & Conquer Bereichssuche Gitterverfahren k-d-tree Sweep-Line-Algorithmen
MehrAlgorithmen und Datenstrukturen Wintersemester 2018/2019 Übung#5, Christian Rieck, Arne Schmidt
Institute of Operating Systems and Computer Networks Algorithms Group Algorithmen und Datenstrukturen Wintersemester 208/209 Übung#5, 3.2.208 Christian Rieck, Arne Schmidt Konvexe Hülle Konvexe Hülle:
Mehr4.7 Globale Beleuchtungsmodelle
Erinnerung: - Ein lokales Beleuchtungsmodell berücksichtigt nur das direkt einfallende Licht einer Lichtquelle - Nur lokale Beleuchtung + konstante ambiente Beleuchtung, um reflektiertes und gebrochenes
MehrInformatik II, SS 2016
Informatik II - SS 2016 (Algorithmen & Datenstrukturen) Vorlesung 10 (27.5.2016) Binäre Suchbäume II Algorithmen und Komplexität Zusätzliche Dictionary Operationen Dictionary: Zusätzliche mögliche Operationen:
MehrAlgorithmen und Datenstrukturen. Bäume. M. Herpers, Y. Jung, P. Klingebiel
Algorithmen und Datenstrukturen Bäume M. Herpers, Y. Jung, P. Klingebiel 1 Lernziele Baumstrukturen und Ihre Verwendung kennen Grundbegriffe zu Bäumen anwenden können Baumstruktur in C anlegen können Suchbäume
MehrG. Zachmann Clausthal University, Germany
lausthal Informatik II Suchen lausthal University, ermany zach@in.tu-clausthal.de Problemstellung egeben ist eine Menge von Datensätzen {A1,...,An} esucht sind die Datensätze, deren Schlüssel (Key) = A[i].key
MehrAllgemeine Regeln zur Optimierung
Allgemeine Regeln zur Optimierung "Premature Optimization is the Root of All Evil" [Knuth] Erst naïv und langsam implementieren, dann optimieren! Nach jeder (möglichst kleinen) Optimierung einen Benchmark
Mehr5 BINÄRE ENTSCHEIDUNGS- DIAGRAMME (BDDS)
5 BINÄRE ENTSCHEIDUNGS- DIAGRAMME (BDDS) Sommersemester 2009 Dr. Carsten Sinz, Universität Karlsruhe Datenstruktur BDD 2 1986 von R. Bryant vorgeschlagen zur Darstellung von aussagenlogischen Formeln (genauer:
MehrNichtrealistische Darstellung von Gebirgen mit OpenGL
Nichtrealistische Darstellung von Gebirgen mit OpenGL Großer Beleg Torsten Keil Betreuer: Prof. Deussen Zielstellung Entwicklung eines Algorithmus, der die 3D- Daten einer Geometrie in eine nichtrealistische
MehrProgramm heute. Algorithmen und Datenstrukturen (für ET/IT) Suchen. Lineare Suche. Such-Algorithmen. Sommersemester Dr.
Programm heute Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 0 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Fortgeschrittene Datenstrukturen Such-Algorithmen
MehrGrundlagen: Algorithmen und Datenstrukturen
Grundlagen: Algorithmen und Datenstrukturen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 00
MehrPunkt-in-Polygon-Suche Übersicht
Folie 1 von 43 Punkt-in-Polygon-Suche Übersicht! Praxisbeispiel/Problemstellung! Zählen von Schnittpunkten " Schnitt einer Halbgerade mit der Masche " Aufwandsbetrachtung! Streifenkarte " Vorgehen und
MehrGeometrie. Hallo Welt! für Fortgeschrittene Simon Kuhnle. 11. Juli
Geometrie Hallo Welt! für Fortgeschrittene 2008 Simon Kuhnle sisikuhn@stud.informatik.uni-erlangen.de 11. Juli 2008 Simon Kuhnle Geometrie 11.07.2008 1 / 33 Übersicht Übersicht 1 Grundlagen 2 ccw 3 Konvexe
MehrAlgorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen
Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Rekonstruktion kontinuierlicher Daten Interpolation multivariater Daten Ulrich Rüde Lehrstuhl für Systemsimulation Sommersemester
Mehr2.4. Triangulierung von Polygonen
Als drittes Problem haben wir in Kapitel 1 die Triangulierung von Polygonen identifiziert, die etwa bei der Überwachung eines Museums durch Kameras auftritt. F70 F71 Definition und Theorie: Definition
MehrAlgorithmen und Datenstrukturen 1
Algorithmen und Datenstrukturen 1 6. Vorlesung Martin Middendorf / Universität Leipzig Institut für Informatik middendorf@informatik.uni-leipzig.de studla@bioinf.uni-leipzig.de Merge-Sort Anwendbar für
Mehr