Virtualización de nubes de puntos de gran tamaño

Abstract

La visualización de nubes de puntos de gran tamaño es un desafío debido a problemas como la excesiva cantidad de memoria necesaria, la rasterización ineficiente de puntos o la presencia de huecos en las representaciones visuales. Para abordar estas limitaciones, se propone un enfoque basado en meshlets, pequeñas unidades de geometría que permiten administrar más eficiente de la memoria y optimizaciones en el rendimiento del renderizado. Se diseña una metodología compuesta por un sistema de nivel de detalle dirigido por GPU, un sistema de memoria virtual encargado de cargar y descargar puntos bajo demanda, una rasterización software más eficiente que la proporcionada por las APIs gráficas y un algoritmo de rellenado de huecos que pretende mejorar la visualización ocultando parte de los mismos. La metodología propuesta es capaz de visualizar nubes de varios mil millones de puntos, manteniendo una media de 150 FPS y sin una perdida de calidad aparente.

Visualizing large point clouds is challenging due to issues such as excessive memory requirements, inefficient point rasterization, and gaps in visual representations. To address these limitations, an approach based on meshlets—small geometry units—is proposed, enabling more efficient memory management and rendering performance optimizations. A methodology is designed, comprising a GPU-driven level of detail system, a virtual memory system responsible for loading and unloading points on demand, more efficient software rasterization than that provided by graphic APIs, and a gap-filling algorithm aimed at improving visualization by hiding some of these gaps. The proposed methodology can visualize clouds of several billion points, maintaining an average of 150 FPS without apparent quality loss.