Body-fitted tracking of 2d open curves with a level set based mesh evolution method

Resumen Técnico: Seguimiento de Curvas Abiertas 2D Ajustadas al Cuerpo mediante un Método de Evolución de Malla Basado en Conjuntos de Niveles

Planteamiento del Problema
El artículo aborda el desafío numérico de realizar el seguimiento del movimiento de curvas abiertas (o colecciones de curvas abiertas disjuntas) en un espacio bidimensional. Si bien existe una literatura significativa para el seguimiento de dominios o fronteras cerradas, el tratamiento de objetos abiertos —curvas con extremos contenidos estrictamente dentro del dominio computacional— sigue siendo difícil. Los métodos puramente Lagrangianos (basados en partículas) suelen tener problemas de robustez ante grandes deformaciones y cambios topológicos, requiriendo un remuestreo frecuente. Por el contrario, los métodos puramente Eulerianos (malla fija, por ejemplo, el Conjunto de Niveles estándar) carecen de una discretización explícita ajustada al cuerpo, lo que dificulta la realización de cálculos geométricos y mecánicos precisos (como la evaluación de la curvatura o la resolución de problemas de valores en la frontera sobre la curva) sin recurrir a aproximaciones. El objetivo es reconciliar estos requisitos: mantener una representación discretizada precisa para los cálculos, permitiendo al mismo tiempo una evolución robusta y arbitraria de la forma de la curva.

Metodología
La estrategia propuesta emplea un enfoque híbrido que acopla dos representaciones complementarias de la curva $\Gamma$ en cada iteración del proceso de evolución:

1. Representación de Malla Explícita: La curva se discretiza como una colección de aristas pertenecientes a una malla triangular conforme del dominio computacional total. Esto permite realizar cálculos geométricos y mecánicos de alta precisión (por ejemplo, el Método de Elementos Finitos) directamente sobre la curva.
2. Representación de Conjunto de Niveles Implícita: La curva se captura simultáneamente utilizando dos funciones escalares auxiliares, $\phi$ y $\psi$, definidas en todo el dominio.
   • $\phi$ define una curva cerrada $\tilde{\Gamma}$ (el conjunto de nivel cero) que extiende la curva abierta $\Gamma$.
   • $\psi$ delimita el segmento abierto $\Gamma$ dentro de $\tilde{\Gamma}$ (específicamente, $\Gamma = \{x \mid \phi(x)=0, \psi(x)<0\}$).
   • Los extremos $\Sigma$ se definen donde $\phi(x)=0$ y $\psi(x)=0$.
   • Se impone una condición de ortogonalidad ($\nabla\phi \cdot \nabla\psi = 0$) cerca de los extremos para evitar colisiones indeseables de los conjuntos de niveles.

Flujo de Trabajo Algorítmico
La evolución procede mediante un bucle iterativo (Algoritmo 1) que alterna entre estas representaciones:

1. De la Malla al Conjunto de Niveles: A partir de la curva mallada actual, se generan dos funciones de conjunto de niveles. Esto implica calcular distancias no señaladas y distancias señaladas mediante el Método de Marcha Rápida (Fast Marching Method) para construir $\phi$ (extendiendo la curva a un lazo cerrado) y $\psi$ (definiendo el segmento abierto).
2. Cálculo de Velocidad: Se calcula el campo de velocidad $V$ que impulsa el movimiento. Este paso utiliza la malla explícita para obtener cantidades geométricas precisas (por ejemplo, la curvatura) o para resolver problemas de valores en la frontera (por ejemplo, dinámica de fluidos o elasticidad) mediante el Método de Elementos Finitos.
3. Evolución del Conjunto de Niveles: Las ecuaciones de evolución para $\phi$ y $\psi$ (ecuaciones de tipo advección) se resuelven sobre un paso de tiempo $\Delta t$ utilizando el Método de las Características (integración de Runge-Kutta). Esto actualiza la curva implícitamente, manejando de forma robusta las grandes deformaciones y los cambios topológicos.
4. Del Conjunto de Niveles a la Malla: Las nuevas funciones de conjunto de niveles se convierten de nuevo en una malla triangular de alta calidad, ajustada al cuerpo. Esto implica un paso de extracción de isosuperficie (marching triangles) para crear una malla inicial de baja calidad, seguido de operadores de remuestreo local (división de aristas, colapso, intercambio, reubicación de vértices) para restaurar la calidad de los elementos preservando la discretización explícita de la curva.

Contribuciones Clave

• Acoplamiento Novedoso: El artículo introduce un marco algorítmico específico que cambia fluidamente entre una malla ajustada al cuerpo (para precisión) y una representación de dos conjuntos de niveles (para robustez) específicamente para curvas abiertas.
• Generación de Doble Conjunto de Niveles: Detalla un método para generar el par de funciones de conjunto de niveles ($\phi, \psi$) a partir de una malla lineal, asegurando la condición de ortogonalidad en los extremos y la extensión correcta de la curva abierta en un lazo cerrado.
• Estrategia de Remuestreo: Describe un procedimiento de remuestreo orientado a la calidad que extrae la curva de los conjuntos de niveles y regenera una malla de alta calidad, un paso crítico para mantener la estabilidad numérica en simulaciones físicas.
• Marco de Optimización de Forma: El método se integra en un contexto de optimización de forma utilizando el método de variación de frontera de Hadamard, derivando derivadas de forma para funcionales que involucran tanto el volumen de la curva como sus extremos.

Resultados y Aplicaciones
La metodología se valida a través de varias simulaciones físicas y problemas de optimización:

• Advección Analítica: Una prueba de referencia que involucra una curva sometida a una gran deformación y que regresa a su estado inicial demuestra una alta precisión (error de distancia de Hausdorff $\approx 10^{-3}$) a pesar de un estiramiento extremo.
• Enrollamiento de Lámina de Vórtice: El método simula la dinámica de una lámina de vórtice 2D, donde la velocidad está determinada por una integral débilmente singular sobre la curva. Los resultados muestran una buena concordancia con las referencias Lagrangianas existentes.
• Optimización de Perímetro Anisotrópico: El marco optimiza curvas abiertas para minimizar la longitud anisotrópica (métrica de Riemann) en presencia de campos de viento y restricciones topográficas, encontrando con éxito rutas óptimas que desvían el camino contra el viento.
• Fabricación Aditiva: El método optimiza la trayectoria del láser para la Fusión por Haz de Electrones. El objetivo es fundir una región específica en un lecho de polvo mientras se evita fundir fuera de ella, sujeto a ecuaciones de difusión de calor. La optimización logra dar forma a la trayectoria del láser para coincidir con la geometría del objetivo.
• Reconstrucción de Fracturas: Se resuelve un problema inverso para reconstruir una línea de falla subterránea a partir de mediciones de desplazamiento superficial. El método minimiza la diferencia de mínimos cuadrados entre los desplazamientos observados y predichos, recuperando con éxito la inclinación de un patrón de falla conocido.

Significado y Reivindicaciones
El artículo afirma ofrecer una metodología robusta y ajustada al cuerpo que supera las limitaciones de los enfoques puramente Lagrangianos o Eulerianos para curvas abiertas. Al combinar la precisión geométrica de las representaciones de malla con la flexibilidad topológica de los métodos de Conjunto de Niveles, permite realizar cálculos mecánicos y geométricos precisos incluso durante evoluciones de gran magnitud.

Los autores son modestos respecto al alcance, señalando que:

• La implementación actual es en 2D, aunque la metodología está diseñada con una extensión a 3D en mente (trabajo que está en curso).
• Los cambios topológicos (ramificaciones, uniones) se manejan naturalmente por el aspecto del Conjunto de Niveles, pero no son el foco principal de los ejemplos presentados.
• La implementación en 2D puede ser menos eficiente que los resolvedores planos especializados, pero sirve como prueba de concepto para una tecnología destinada a aplicaciones en 3D (por ejemplo, optimización de cáscaras, pantallas electromagnéticas).

El trabajo se presenta como un paso preliminar hacia un marco general de superficies abiertas en 3D, donde los resultados actuales en 2D sirven para validar los componentes algorítmicos centrales.