CN102938160A - 基于细节捕获和形态校正的流体动画渲染方法 - Google Patents
基于细节捕获和形态校正的流体动画渲染方法 Download PDFInfo
- Publication number
- CN102938160A CN102938160A CN201210509971XA CN201210509971A CN102938160A CN 102938160 A CN102938160 A CN 102938160A CN 201210509971X A CN201210509971X A CN 201210509971XA CN 201210509971 A CN201210509971 A CN 201210509971A CN 102938160 A CN102938160 A CN 102938160A
- Authority
- CN
- China
- Prior art keywords
- field
- high precision
- fluid
- velocity field
- details
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Processing Or Creating Images (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种计算机图像处理技术领域的基于细节捕获和形态校正的流体动画渲染方法,通过在初始场景上根据Navier-Stokes方程进行流体模拟并对速度场进行优化;然后采用半拉格朗日方法根据优化高精度速度场对相应的密度场和温度场进行更新,以用于渲染和下一帧模拟;最后将更新后的密度场渲染为流体动画。本发明可以通过速度很快的离散正弦变换算子捕获很多绚丽的细节,又可以通过降采样或八叉树方法对原始模拟方法中的最耗费时间的部分降低计算规模,同时对结果进行校正,达到同时加快模拟速度又保持流体模拟细节的作用。与现有技术相比,本发明拥有更快的模拟速度,并且能够获得更加精确的流体动画细节。
Description
技术领域
本发明涉及的是一种计算机图像处理技术领域的方法,具体是一种基于细节捕获和形态校正的流体动画渲染方法。
背景技术
在计算机图形学领域,流体动画,包括水,烟,爆炸以及类似的现象,因为其丰富和绚丽的细节,开始变得越来越流行,使得电影,动画,游戏等领域中都采用增加流体动画的绚丽程度的手段来吸引眼球。而且由于流体细节的复杂,使得流体模拟变得非常困难,因而吸引了越来越多的科学家投入流体模拟领域。
现在流体模拟中比较令人信服的方法是欧拉法,由Jos Stam在《SIGGRAPH》上发表的《Stable Fluids》(1999年)中,对原始的模拟方法进行了改进,在当时来说,获得了更理想的流体动画细节和更稳定的流体模拟结果,该方法的完整过程是先将流体速度场进行对流,然后对其应用外力项,最后进行压强项操作,即根据当前速度场和不可压缩条件,构建泊松方程,求解压强场,并利用求解出来的压强场更新速度场;这三步其实是对Navier-Stokes方程的分解,其中压强项操作是这个方法的精髓所在,它使得流体模拟的结果更稳定并且更接近与现实中的不可压缩流体的性质,但是同样的压强项操作也是这种方法的缺陷所在,它变成了基于这种方法的流体动画的模拟速度最大的瓶颈。在这个方法被提出之后的近十年时间中,大部分流体动画研究领域中的科学家都将精力集中在对这个方法的改进上,而以该流体模拟方法为基础的改进研究主要集中在两个方面:一是如何增加流体动画的细节;一是如何加快流体模拟的速度。到目前为止,流体模拟中并没有效果比较信服同时模拟速度更快的改进方法。
经过对现有技术的检索发现,中国专利文献号CN102339326A,公开日2012-02-01,记载了一种“分析模拟缝洞型油藏流体流动的方法”,该方法提出了基于Navier-Stokes方程与Darcy方程耦合的油藏数值模拟方法,主要包括:(1)建立复杂介质Navier-Stokes与Darcy耦合数学模型;(2)Navier-Stokes与Darcy耦合模型的数值计算方法;(3)将岩体与裂缝分开造型,各自造型不存在困难,对于裂缝的描述也清晰容易,裂缝数量及空间产状不受限制,特别是不要求裂缝上的节点与基岩节点完全重合,使得三维工作容易很多。并编写了数值模拟程序来实现本方法,本方法发展了缝洞型油藏数值模拟理论和方法,科学地实现了对缝洞型油藏的模拟。但该技术因涉及现实生活的基础设施,对模拟结果的计算精度要求导致该方法的模拟速度比较慢,不适合流体动画的要求,而且该方法局限于缝洞型油藏流体流动现象,对于一般的流体动画模拟则适用性不足。
谭捷在《基于物理的流体动画研究》(上海交通大学,硕士论文,2009)中提出了一套通用的基于层次化网格的多层流体动画框架,用以解决目前流体模拟中传统欧拉方法所面临的诸多问题,如边界条件的离散、多尺度细节的捕捉等等。但该技术在不同层次之间压强场的处理理论性不足,而且计算结果与正确解,即最高精度网格上面求解泊松方程的结果,相似性不足,另外层次化网格的构造非常繁琐。
任威在《大规模三维云实时模拟方法》(计算机辅助设计与图形学学报,2010,22(4))中提出一种大规模三维云实时模拟方法。在云建模方面,利用Navier-Stokes流体力学公式模拟云的动态生成,提出一种基于八叉树的模型化简策略,减少了云模型粒子数;在渲染阶段,提出一种基于Cell的绘制更新策略,结合Impostor技术自动混合绘制三维云与Impostor,实现了大规模三维云的实时模拟.实验结果表明,该方法基于物理的方法模拟云,同时在绘制阶段根据视点的移动实时更新,效果逼真;与同类方法相比,基于Cell的绘制策略更新时计算量更小,有效地避免了绘制更新时常见的抖动和跳变问题。但该技术中八叉树的模型化简策略只是用于加速绘制更新步骤,并没有对流体模拟的步骤进行加速,而且该方法同样局限于云流动的现象,不适用于一般的流体动画模拟。
发明内容
本发明针对现有技术存在的上述不足,提出一种基于细节捕获和形态校正的流体动画渲染方法,可以通过速度很快的离散正弦变换算子捕获很多绚丽的细节,又可以通过降采样或八叉树方法对原始模拟方法中的最耗费时间的部分降低计算规模,同时对结果进行校正,达到同时加快模拟速度又保持流体模拟细节的作用。与现有技术相比,本发明拥有更快的模拟速度,并且能够获得更加精确的流体动画细节。
本发明是通过以下技术方案实现的,本发明通过在初始场景上根据Navier-Stokes方程进行流体模拟并对速度场进行优化;然后采用半拉格朗日方法根据优化高精度速度场对相应的密度场和温度场进行更新,以用于渲染和下一帧模拟;最后将更新后的密度场渲染为流体动画。
本发明具体包括以下步骤:
步骤一,根据需要得到的流体动画的要求,对模拟空间进行网格化,并设置初始场景;
所述的初始场景包括:设置初始速度场、初始密度场和初始温度场、流体模拟过程中的力场条件和边界条件,以及时间步长。
本步骤确定了流体模拟的过程,流体模拟根据初始速度场不断的得到下一帧符合力场和边界条件的速度场,然后根据这个速度场去更新密度场,用于渲染,最后得到流体动画。
步骤二,在初始场景上根据Navier-Stokes方程进行流体模拟并通过细节捕获和形态校正对速度场进行优化,得到优化高精度速度场。
所述的流体模拟是指:在初始场景的速度场上采用半拉格朗日的方法进行Navier-Stokes方程中的对流项的计算,得到对流模拟后的速度场,并在该对流后的速度场上根据初始场景的流体模拟过程中的力场条件对速度场进行更新。
所述的优化包括:
细节捕获:对更新后的速度场构建泊松方程,并且利用离散正弦变换算子计算结果,然后用光滑迭代方法迭代,得到高精度速度场;
形态校正:根据迭代后的高精度速度场计算高精度散度场,然后利用降采样或者八叉树方法对高精度散度场进行降维操作,得到低精度的散度场,在这个低精度散度场上构建偏差泊松方程,求解偏差泊松方程,得到低精度的偏差速度场,将这个低精度的偏差速度场上采样之后与细节捕获得到的高精度速度场进行结合,以校正细节捕获的结果,得到优化高精度速度场。
所述的细节捕获,具体包括以下步骤:
1)通过高精度速度场按照原有压强项的方式构建泊松方程;
2)用离散正弦变换算子求解泊松方程,得到高精度压强场;
3)用光滑迭代方法在高精度压强场的基础上迭代,得到离散正弦变换算子没有捕获完全的细节,得到完全高精度压强场;
4)用完全高精度压强场对速度场进行更新,得到包含流体细节的高精度速度场。
所述的迭代次数为3-4次;
所述的形态校正,具体包括以下步骤:
i)利用高精度速度场计算每个网格的散度,得到高精度散度场;
ii)将高精度散度场降采样得到规整低精度散度场,并:
a)根据规整低精度散度场构建低精度偏差泊松方程,或
b)根据流体模拟过程中的边界条件构建八叉树,由生成的八叉树的结构分布高精度散度场,得到以八叉树结构分布的散度场,并在这个散度场上生成偏差泊松方程,该偏差泊松方程将会比直接在高精度散度场上构建的泊松方程规模要小许多倍;
iii)对偏差泊松方程采用预处理共轭梯度法求解,得到对应的规整低精度压强场或八叉树结构分布压强场;
iv)利用规整低精度压强场或八叉树结构分布压强场计算偏差速度场,然后将偏差速度场进行上采样得到偏差高精度速度场,并将其与高精度速度场结合,得到优化高精度速度场。
因为步骤iii)降低了计算规模,所以可以达到加速模拟的目的,对于这个降维之后的偏差泊松方程,一般采用预处理共轭梯度法来进行求解。
所述的八叉树方法中八叉树的构建是由初始场景中的流体模拟过程中的边界条件确定,在边界条件复杂的地方,分布八叉树结构的小网格,在流体中则分布大网格;
步骤三,采用半拉格朗日方法根据优化高精度速度场对相应的密度场和温度场进行更新,以用于渲染和下一帧模拟;最后将更新后的密度场渲染为流体动画。
所述的渲染采用pbrt(基于物理的渲染引擎Physically based rendering toolkit)渲染引擎进行。
有益效果
1、本发明采用了离散正弦变换算子和将高精度偏差泊松方程降采样或八叉树降维的操作,这与原来的压强项操作相比,计算算法的效率变高,计算规模成倍数的减少,从而将流体模拟的速度大幅度的增加;
2、本发明采用了细节捕获操作捕获了许多绚丽的流体动画细节,又通过形态校正来对流体模拟动画结果进行修正,最终达到保持流体动画细节的目的。
附图说明
图1为本发明流程图。
图2为实施例效果对比图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例1
本实施例中采用了烟上升的流体动画场景,场景被障碍物包住,烟从场景下方的圆孔中,不断地往上冒,在场景的半空中放置一个圆球,烟从下方圆孔往上冒的过程中遭遇到圆球,并在圆球附近产生大量的流体细节,造成非常绚丽的流体动画效果,本实施例采用传统流体模拟框架进行说明。
如图1所示,本实施例包括如下步骤:
步骤一,根据上述的场景设置,将整个场景空间分成128*256*128的网格,设置流体模拟的初始速度场为0,在场景圆孔附近设置初始的密度场为1,初始的温度场为310,根据场景要求设置边界条件,即生成一个标识数组obstacle,在圆球占有的网格设置成true,设置时间步长为Δt=0.05,设置从密度场和温度场产生外力的系数alpha=0.1和beta=1/273.0;
步骤一的作用是设置整个流体模拟的系数和初始状态以及一些用户指定的参数,之后的流体模拟就会根据这些参数和初始状态生成每帧的密度场,最终用于渲染。
步骤二,在步骤一所设置的速度场上,根据Navier-Stokes方程进行模拟,不断地去更新速度场,包括如下具体步骤:
第一步,在速度场上,进行Navier-Stokes方程中的对流项的计算,采用半拉格朗日的方法来进行对流,这一步中产生大部分的凌乱的细节,流体动画的绚丽的部分在这里生成;
半拉格朗日方法是首先将速度场u备份一份u_temp,然后对于u_temp中的每个速度,分别做如下操作,找到该速度对应的空间位置p,然后用该速度回溯到一时间步长之前的位置p~=p-u_temp*Δt,然后线性插值得到p~处的速度u_temp~,然后将u_temp~设置成u中对应位置的速度;
第二步,在第一步对流之后的速度场上,根据力场来更新速度场,这里考虑外力的作用,使得流体按照用户的需求进行改变;
这里的力场是通过密度场density和温度场temp的共同作用得到,即force=(alpha*density-beta*(temp-ambient_temp))*gravity,这里ambient_temp=273.0,gravity=9.8;
而从力场到速度场的更新是采用u+=force*Δt的方式来更新速度场,这种方式是解微分方程中的显式欧拉方法,具有一阶精度;
第三步,进行细节捕获操作,从这一操作开始就是对原有的压强项操作进行修改,而所谓的压强项操作是指从当前速度场u,在无散性要求和边界条件的限制下,算出当前的压强场,然后利用这个压强场的梯度来计算每个网格中u的变化,更新u,这样得到的u既满足无散性要求又满足边界条件;
所谓无散性要求对网格i,j,k来讲实际上是指ui-1/2,j,k+ui,j-1/2,k+ui,j,k-1/2-ui+1/2,j,k-ui,j+1/2, k-ui,j,k+1/2=0,而边界条件实际上是指速度u在边界的法向上的速度应该等于边界的速度;
压强项操作中,对于每个网格都可以列出一个方程,对于网格i,j,k,该方程的未知数是它自己的压强pi,j,k,和它附近网格的压强pi+1,j,k,pi,j+1,k,pi,j,k+1,pi-1,j,k,pi,j-1,k,pi,j, k-1,它们线性组合的结果应该是ui-1/2,j,k+ui,j-1/2,k+ui,j,k-1/2-ui+1/2,j,k-ui,j+1/2,k-ui,j,k+1/2,在这些网格都为流体的情况下,这些线性系数应该分别是6,-1,-1,-1,-1,-1,-1,如果附近网格有一个是边界,则将6减1,对应的-1变0,然后对线性组合的结果进行修改,如果该网格正好是边界,则对应这个网格的方程不需要进行处理,这样就可以得到数目和网格数目相同的方程组,这里采用预处理共轭梯度法来解这个方程组;
解完方程组得到的压强场p用于更新速度场u,ui+1/2,j,k+=(pi+1,j,k-pi,j,k)*Δt,这里也是显式欧拉方法;
细节捕获操作则是将压强项操作中的预处理共轭梯度法替换成了离散正弦变换算子,这个算子的特点是速度非常快,而且能够捕获到流体模拟中的大部分细节,在这个的基础上,用光滑迭代方法迭代三到四次,例如jacobi和超松弛迭代,再多捕获一些细节,但是由于算法的缺陷,仍然需要接下来的形态校正操作;
第四步,利用第三步的结果,进行形态校正操作,该操作的具体内容是,根据压强项操作的步骤,再次构建散度场df,将df降采样到规整的低精度的散度场dd,低精度散度场的值为与其网格对应的高精度网格们的值之和;
即:
dd i,j,k=df 2*i,2*j,2*k+df 2*i+1,2*j,2*k+df 2*i,2*j+1,2*k+df 2*i,2*j,2*k+1+df 2*1+1,2*j+1,2*k+df 2*i,2*j+1,2*k+1+df 2*1+1, 2*j,2*k+1+df 2*i+1,2*j+1,2*k+1,
或者,按照构建的八叉树结构生成相应结构的低精度的散度场dd,其值为在这个八叉树网格内部所有的高精度网格中心的值之和;
然后,在规整的散度场或者按照八叉树网格分布的散度场上,进行压强项操作,其中散度场的计算结果则由上述结果代替,还是一般采用预处理共轭梯度法进行求解,计算出压强场之后,根据显示欧拉方法计算偏差速度场ub,这个速度场是规整的或者按照八叉树结构分布的;
最后,从规整的或者按照八叉树分布的偏差速度场ub上,线性插值得到一个规整的高精度的偏差速度场ubf,细节捕获的结果速度场udc与ubf之和uf,即为形态校正的结果,也是这一帧流体模拟的结果,这一操作主要通过降采样或者八叉树的应用使计算规模下降了许多倍,从而加快了计算速度,并且对细节捕获的缺陷进行了修正;
八叉树网格的构建决定于步骤一设置的边界条件,具体是标识边界的数组obstacle,构建八叉树网格首先是得到一个低精度的网格,低精度的网格的大小要比高精度网格的大小要大,对于低精度网格,如果其中一个大网格同时具有obstacle标识的高精度网格和没有被obstacle标识的高精度网格,则将这个大网格细分,然后再对细分之后的网格判断是否同时具有obstacle标识和没有被obstacle标识的高精度网格,如果是则对这个细分之后的网格继续细分,直到细分到网格和高精度网格一样大小,最终得到按照边界条件分布的八叉树网格。
步骤三,根据步骤二中得到的高精度的速度场uf,这里采用半拉格朗日的方法来更新密度场density和温度场temp,用于渲染和下一帧模拟;
步骤四,把步骤三得到的密度场渲染成实际的流体动画,这里采用pbrt渲染引擎进行渲染。
本实施例的效果如图2所示,图(a)是128*256*128网格上的正确解,即在此精度网格上求解泊松方程的结果,图(b)是本方法在64*128*64网格上进行形态校正的结果,图(c)是本方法在32*64*32网格上进行形态校正的结果,图(d)是64*128*64网格上的正确解,图(e)是Lentine在2010年Siggraph上面发表的《A novel algorithmfor incompressible flow using only a coarsegridprojection》论文中的方法,其中全局网格是128*256*128,而粗化网格是64*128*64,从图中可以看出,本方法与现有技术相比更相似于高精度网格上的正确解。
本发明可以应用于流体动画生产领域,能极快地生成想要的流体动画效果且更相似于准确解,即高精度网格上求解泊松方程的结果,它可以用来作为精确解的预览,以便提前知道最终效果的大致形式,并调整模拟参数或者边界条件等。
Claims (7)
1.一种基于细节捕获和形态校正的流体动画渲染方法,其特征在于,通过在初始场景上根据Navier-Stokes方程进行流体模拟并对速度场进行优化;然后采用半拉格朗日方法根据优化高精度速度场对相应的密度场和温度场进行更新,以用于渲染和下一帧模拟;最后将更新后的密度场渲染为流体动画;所述的优化包括:
细节捕获:对更新后的速度场构建泊松方程,并且利用离散正弦变换算子计算结果,然后用光滑迭代方法迭代,得到高精度速度场;
形态校正:根据迭代后的高精度速度场计算高精度散度场,然后利用降采样或者八叉树方法对高精度散度场进行降维操作,得到低精度的散度场,在这个低精度散度场上构建偏差泊松方程,求解偏差泊松方程,得到低精度的偏差速度场,将这个低精度的偏差速度场上采样之后与细节捕获得到的高精度速度场进行结合,以校正细节捕获的结果,得到优化高精度速度场。
2.根据权利要求1所述的方法,其特征是,所述流体动画渲染方法具体包括以下步骤:
步骤一,根据需要得到的流体动画的要求,对模拟空间进行网格化,并设置初始场景;
步骤二,在初始场景上根据Navier-Stokes方程进行流体模拟并通过细节捕获和形态校正对速度场进行优化,得到优化高精度速度场;
步骤三,采用半拉格朗日方法根据优化高精度速度场对相应的密度场和温度场进行更新,以用于渲染和下一帧模拟;最后将更新后的密度场渲染为流体动画;
所述的初始场景包括:初始速度场、初始密度场和初始温度场、流体模拟过程中的力场条件和边界条件,以及时间步长。
3.根据权利要求1或2所述的方法,其特征是,所述的流体模拟是指:在初始场景的速度场上采用半拉格朗日的方法进行Navier-Stokes方程中的对流项的计算,得到对流模拟后的速度场,并在该对流后的速度场上根据初始场景的流体模拟过程中的力场条件对速度场进行更新。
1、根据权利要求1所述的方法,其特征是,所述的细节捕获,具体包括以下步骤:
1)通过高精度速度场按照原有压强项的方式构建泊松方程;
2)用离散正弦变换算子求解泊松方程,得到高精度压强场;
3)用光滑迭代方法在高精度压强场的基础上迭代,得到离散正弦变换算子没有捕获完全的细节,得到完全高精度压强场;
4)用完全高精度压强场对速度场进行更新,得到包含流体细节的高精度速度场。
4.根据权利要求4所述的方法,其特征是,所述的迭代次数为3-4次。
5.根据权利要求1所述的方法,其特征是,所述的形态校正,具体包括以下步骤:
i)利用高精度速度场计算每个网格的散度,得到高精度散度场;
ii)将高精度散度场降采样得到规整低精度散度场,并:
a)根据规整低精度散度场构建低精度偏差泊松方程,或
b)根据流体模拟过程中的边界条件构建八叉树,由生成的八叉树的结构分布高精度散度场,得到以八叉树结构分布的散度场,并在这个散度场上生成偏差泊松方程,该偏差泊松方程将会比直接在高精度散度场上构建的泊松方程规模要小许多倍;
iii)对偏差泊松方程采用预处理共轭梯度法求解,得到对应的规整低精度压强场或八叉树结构分布压强场;
iv)利用规整低精度压强场或八叉树结构分布压强场计算偏差速度场,然后将偏差速度场进行上采样得到偏差高精度速度场,并将其与高精度速度场结合,得到优化高精度速度场。
6.根据权利要求1或6所述的方法,其特征是,所述的形态校正,所述的八叉树方法中八叉树的构建是由初始场景中的流体模拟过程中的边界条件确定,在边界条件复杂的地方,分布八叉树结构的小网格,在流体中则分布大网格。
7.根据权利要求1或2所述的方法,其特征是,所述的渲染采用pbrt渲染引擎进行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210509971.XA CN102938160B (zh) | 2012-12-03 | 2012-12-03 | 基于细节捕获和形态校正的流体动画渲染方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210509971.XA CN102938160B (zh) | 2012-12-03 | 2012-12-03 | 基于细节捕获和形态校正的流体动画渲染方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102938160A true CN102938160A (zh) | 2013-02-20 |
CN102938160B CN102938160B (zh) | 2014-12-31 |
Family
ID=47697053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210509971.XA Expired - Fee Related CN102938160B (zh) | 2012-12-03 | 2012-12-03 | 基于细节捕获和形态校正的流体动画渲染方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102938160B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103236073A (zh) * | 2013-04-24 | 2013-08-07 | 清华大学 | 基于流场分解与调制的流体控制模拟方法与装置 |
CN104268943A (zh) * | 2014-09-28 | 2015-01-07 | 北京航空航天大学 | 一种基于欧拉-拉格朗日耦合方法的流体仿真方法 |
CN105279781A (zh) * | 2015-10-23 | 2016-01-27 | 山东师范大学 | 基于多精度融合的流体动画生成方法 |
CN106023286A (zh) * | 2016-05-25 | 2016-10-12 | 上海交通大学 | 基于数据驱动的流体动画加速生成方法 |
WO2023241642A1 (zh) * | 2022-06-17 | 2023-12-21 | 华为技术有限公司 | 一种渲染方法以及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080319722A1 (en) * | 2004-02-17 | 2008-12-25 | Pixar | Water Particle Manipulation |
CN102339326A (zh) * | 2010-07-16 | 2012-02-01 | 中国石油化工股份有限公司 | 一种分析模拟缝洞型油藏流体流动的方法 |
CN102402791A (zh) * | 2011-10-24 | 2012-04-04 | 克拉玛依红有软件有限责任公司 | 一种基于gpu的三维流体模拟方法 |
KR20120110439A (ko) * | 2011-03-29 | 2012-10-10 | 주식회사 매크로그래프 | 거품 파티클 생성 장치 및 거품 파티클 생성 방법 |
-
2012
- 2012-12-03 CN CN201210509971.XA patent/CN102938160B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080319722A1 (en) * | 2004-02-17 | 2008-12-25 | Pixar | Water Particle Manipulation |
CN102339326A (zh) * | 2010-07-16 | 2012-02-01 | 中国石油化工股份有限公司 | 一种分析模拟缝洞型油藏流体流动的方法 |
KR20120110439A (ko) * | 2011-03-29 | 2012-10-10 | 주식회사 매크로그래프 | 거품 파티클 생성 장치 및 거품 파티클 생성 방법 |
CN102402791A (zh) * | 2011-10-24 | 2012-04-04 | 克拉玛依红有软件有限责任公司 | 一种基于gpu的三维流体模拟方法 |
Non-Patent Citations (1)
Title |
---|
任威等: "大规模三维云实时模拟方法", 《计算机辅助设计与图形学学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103236073A (zh) * | 2013-04-24 | 2013-08-07 | 清华大学 | 基于流场分解与调制的流体控制模拟方法与装置 |
CN104268943A (zh) * | 2014-09-28 | 2015-01-07 | 北京航空航天大学 | 一种基于欧拉-拉格朗日耦合方法的流体仿真方法 |
CN104268943B (zh) * | 2014-09-28 | 2017-05-03 | 北京航空航天大学 | 一种基于欧拉‑拉格朗日耦合方法的流体仿真方法 |
CN105279781A (zh) * | 2015-10-23 | 2016-01-27 | 山东师范大学 | 基于多精度融合的流体动画生成方法 |
CN105279781B (zh) * | 2015-10-23 | 2018-06-08 | 山东师范大学 | 基于多精度融合的流体动画生成方法 |
CN106023286A (zh) * | 2016-05-25 | 2016-10-12 | 上海交通大学 | 基于数据驱动的流体动画加速生成方法 |
WO2023241642A1 (zh) * | 2022-06-17 | 2023-12-21 | 华为技术有限公司 | 一种渲染方法以及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN102938160B (zh) | 2014-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Stava et al. | Inverse procedural modelling of trees | |
Boeykens | Using 3D Design software, BIM and game engines for architectural historical reconstruction | |
US7983884B2 (en) | Water particle manipulation | |
CN109147048A (zh) | 一种利用单张彩色图的三维网格重建方法 | |
CN102938160B (zh) | 基于细节捕获和形态校正的流体动画渲染方法 | |
WO2012031161A1 (en) | Interactive filling simulation on 3d injection molding models | |
Liu et al. | Meshless simulation of brittle fracture | |
JP2009545067A (ja) | グラフィックスプロセッサ上の物理シミュレーション | |
CN105243237B (zh) | 一种装配工艺结构树的构建方法 | |
KR102205845B1 (ko) | 입자에 기반한 모델링 방법 및 장치 | |
CN110717269A (zh) | 一种基于网格和粒子耦合的流体表面细节保护方法 | |
CN106023286A (zh) | 基于数据驱动的流体动画加速生成方法 | |
Ratican et al. | A proposed meta-reality immersive development pipeline: Generative ai models and extended reality (xr) content for the metaverse | |
Zheng et al. | An improved local remeshing algorithm for moving boundary problems | |
Jia et al. | CPU–GPU Parallel framework for real‐time interactive cutting of adaptive octree‐based deformable objects | |
US11301988B2 (en) | Reverse engineering data analysis system, and integrated circuit component data processing tool and method thereof | |
CN105825024B (zh) | 一种实现焦化厂鼓风冷凝工段协同式三维仿真的方法 | |
Liu et al. | Automatic sizing functions for unstructured mesh generation revisited | |
Dawes | Turbomachinery computational fluid dynamics: asymptotes and paradigm shifts | |
CN103942376A (zh) | 一种应用于实时头发运动仿真的碰撞修正方法 | |
Li et al. | Interactive elastic motion editing through space–time position constraints | |
Kravtsov et al. | Embedded Implicit Stand‐Ins for Animated Meshes: A Case of Hybrid Modelling | |
CN106570934A (zh) | 针对大场景的空间隐函数建模方法 | |
CN115062554B (zh) | 生物组织状态的模拟方法、系统及存储介质 | |
Vilbrandt et al. | Digitally interpreting traditional folk crafts |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20141231 Termination date: 20171203 |
|
CF01 | Termination of patent right due to non-payment of annual fee |