Dynamic Immersive Massive-Scale CFD Post-Processing in the Unity Game Engine

Abstract

Currently, neither built-in nor third-party support exists for computational fluid dynamics (CFD) post-processing techniques or the handling of common visualization file formats. This thesis presents a solution for visualizing massive-scale polygonal CFD datasets in Unity. The viability of immersive massive-scale CFD post-processing in Unity was examined through a mixed-reality application developed around this solution utilizing near-state-of-the-art hardware and data from a rapid compression expansion machine simulation. The performance of the solution was measured through benchmarks and the functionality of the application was determined through hands-on testing.

Multiple implemented optimizations are explored, including some improvements on approaches from the literature. These include the parallelization of multiple steps throughout the data pipeline and the use of a low-level rendering interface of Unity.

The developed visualization solution achieves runtime data loading times ranging from 2.9 to 47.1 seconds resulting in pre-processed transient datasets ranging in size from 1.54 to 25.95 gigabytes. Basic post-processing techniques were successfully implemented in the developed application. In benchmarking, the application reached the headset’s optimal frame rate of 90 in static viewing of individual objects and averaged a frame rate of over 58 during transient playback.

Tällä hetkellä laskennallisen virtausdynamiikan (CFD) jälkikäsittelylle tai sen visualisoinnin yleisille tiedostomuodoille ei ole lainkaan pelimoottorien sisäistä eikä kolmannenkaan osapuolen tukea. Tässä opinnäytetyössä esitetään ratkaisu massiivisen mittakaavan CFD polygonimuotoisten aineistojen visualisointiin ja tämän päälle kehitetty sovellus näiden aineistojen jälkikäsittelyyn yhdistetyssä todellisuudessa (MR). Unityn mahdollisuuksia CFD-jälkikäsittelyyn selvitettiin tutkimalla ratkaisun suorituskykyä ja jälkikäsittelyä sovellukseen onnistuneesti kehitettyjä toimintoja. Suorituskyvyn ja toimintojen toimivuuden vahvistamiseksi hyödynnettiin visualisaatio dataa oikeasta nopeasta puristus-laajennuskoneen (RCEM) simulaatiosta.

Opinnäytetyön projektissa esitetään monta optimisaatiota, jotka osa ovat jatkokehitetty aiemmasta kirjallisuudesta. Optimisaatiot keskittyvät suuressa osassa datan prosessoinnin eri vaiheiden rinnakkaislaskeistamiseen ja Unityn matalan tason renderöinti rajapinnan hyödyntämiseen.

Käytetyn visualisointidatan eri kappaleiden ajoaikainen lataus tai esiprosessointi mitattiin vaihtelevaksi 2.9 ja 47.1 sekunnin välillä, kun esiprosessoidun datan suuruus vaihteli välillä 1.54 ja 25.95 gigatavua tai miljardia tavua. Keskeiset jälkikäsittelyn toiminnot toteutettiin sovellukseen onnistuneesti. Suorituskyvyn mittauksissa sovellus ylsi MR-lasien optimaaliseen 90 ruutua sekunnissa nopeuteen staattisesti visualisaatiota tarkasteltaessa ja 58 keskiarvoon ajallisen visualisointiaineiston toiston päällä ollessa.