通过多摄像头的光场成像的三维流场测定

以下视频的总体目标是介绍一种能够获得三维速度场的三维成像技术。该技术通过使用经过校准的相机采集采样光场所需的图像来实现。第二步是对光场进行重新参数化，从而生成一组焦点堆栈图像，形成流动场的三维表征。

接下来，使用互相关算法对焦栈进行后处理，以获得三维速度场矢量。结果展示了在用作测试平台的振动合成声带模型尾流中，时间分辨的三维流动场。同时还展示了该技术应用于气泡场的结果。

请继续。该技术相较于现有方法的主要优势在于，我们能够在含有更多颗粒、气泡或液滴的流体体积中进行测量。该方法可为流体流动提供深入见解，并可拓展至其他应用领域，例如火焰形态的测量、速度在燃烧过程中的作用，甚至可用于测量动物群体（如鸟群）的集体行为。

通常，初次接触该技术的人员会遇到困难，因为数据量可能非常庞大而令人难以应对，但我们认为已经为该方法的使用制定了一套详尽的操作指南。好的。该方法的可视化演示至关重要，因为摄像机和校准装置的设置与使用单个摄像机的方法存在显著差异。我们将在斯科特·汤普森博士的杨百翰大学生物流体实验室进行这些实验，并得到其实验室研究生杰西·戴利的协助。

第一步是确定测量体积的大小，以及研究流体流动实验所需的时空分辨率。此处，该方法将用于对合成声带诱导的气流进行三维合成孔径粒子图像测速，以分析其流动对称性的损失。测量体积为 50 × 50 × 25 立方毫米，需捕捉的最短时间尺度为 10 微秒。

接下来，估算实验中将存在的光学密度，以确定生成具有高信噪比重聚焦图像所需的相机数量。在粒子图像中，较高的示踪粒子密度在此时需要更多的相机。对于 O 对称性实验，还应计算每个像素的粒子数。将相机以阵列配置安装在支架上，使每台相机能够从不同视角观测测量区域。

接下来，设置阵列中剩余相机之间的间距。增大相机之间的间距可提高深度维度的空间分辨率，但会降低可分辨的总深度范围。用于数据采集。

在查看时，将相机连接到中央计算机。在测量区域中心放置一个视觉目标，例如校准网格。以相机阵列中心相机的图像作为参考，前后移动整个相机阵列框架，使其与测量区域的距离适当，以达到所需的放大倍数或调整相机位置，使测量区域中心的视觉目标在每个相机图像中大致居中。

将每个相机镜头的光圈完全打开，调整每个相机对准视觉目标。将一个校准目标放置在测量区域的后部，确保该目标位于每个相机的视野范围内。

如果未调整到位，则需重新调节相机与测量区域之间的距离和/或相机间距。使用位于测量区域前端的校准靶标重复上述步骤，并反复迭代，直至所有相机均能同时看到前端和后端。

关闭每台相机的光圈，直到目标处于焦点位置。当每台相机的测量区域中目标位于任意位置时，光圈缩小后可能需要额外照明。首先，根据应用于流场的具体测量方法，确定照亮测量区域的合适方式。

本演示中使用的是 1000 赫兹的双脉冲激光器。使用光学透镜将激光聚焦成一个覆盖测量区域的光场。最后，在准备采集数据时，需准备好将适合用于粒子图像测速（PIV）的示踪粒子引入该区域。

对称性测量方法如参考文献所述。经验法则是，对于使用八台或更多相机的大多数实验，每像素0.05至0.15个粒子的图像密度是合适的。在相机数量固定的情况下，每像素的粒子数会减少。

对于较大体积的深度尺寸，关键步骤是校准。校准可以使用示踪粒子或不使用示踪粒子进行。

若采用本演示中的多相机自校准算法，需在测量体积内建立一个参考坐标系。此处，将校准网格置于声带的中心位置。相对于参考坐标系保持固定方向，使用具有已知几何形状的物体作为校准目标。在此情况下，多相机自校准算法中的校准网格或校准目标的位置可以是任意的，仅需精确控制其中一个位置。

这建立了参考坐标系。在每个相机中，拍摄目标在每个位置的图像。识别每个相机图像中的目标点。对于每次自校准的图像，目标上每个已识别的点必须位于各相机所成图像中的对应位置。

然而，仅需对与精确定位目标相关的点明确其在参考坐标系中的位置。为了获取用于定量时间分辨光场成像的数据，所有相机和照明光源必须精确同步。在本实验中，采用编程的外部脉冲发生器来触发相机曝光和照明序列。

为采集大量数据做好准备，包括仔细考虑数据文件的命名方式。通过确保示踪粒子处于流动状态，并通过选定的触发方式启动相机采集和照明序列，开始实验数据的获取。为了生成用于采集数据的合成重聚焦体积，需创建一个三维焦栈。

为此，需在重聚焦体积中定义各焦平面之间的间距以及整体的重聚焦深度。如参考文献所述，通常将焦平面间距设为深度分辨率的一半，而总重聚焦深度则由所有相机视场重叠的区域决定。这些焦平面将垂直于参考坐标系的 Z 轴。

此处焦平面间距约为 0.16 毫米，总重聚焦深度为 20 毫米，处理后可获得约 128 个分辨清晰的焦平面。进行图像预处理，以改善背景噪声并校正图像间强度差异。建立各相机、图像平面与各合成焦平面之间的变换关系。将图像重投影至合成焦平面上。

应用尺度变换并对图像进行重采样。此操作可在 MATLAB 中完成。根据平面到平面的变换，对每个合成焦平面应用加性或乘性合成孔径重聚焦算法。

作为验证，将重聚焦应用于校准图像的一个平面，以检查重建结果是否符合预期。当在 z 等于 13.3 毫米处的一个校准平面上应用加法方法时，随着焦平面栈从后向前扫描，图像会依次进入和退出焦点。最后，我们通过左侧的重聚焦图像和右侧中央相机拍摄的校准网格图像，展示每个校准平面上的聚焦效果。

在完成所有目标平面的重聚焦处理后，对图像进行去噪处理，通过基于重聚焦图像的强度直方图进行阈值分割，以保留处于焦点内的颗粒。接下来，将经过阈值处理的图像切片堆叠起来，形成一个三维体数据，该过程称为重建。完成重建后，可从该三维体数据中获取定量信息。

此处展示了一个高质量原始颗粒图像的示例，该图像来自单个相机的损失对称图像。这些图像中的颗粒在黑色背景上均匀分布，并具有高对比度。这是种子密度适当且校准准确的实验结果。

合成孔径重聚焦图像从左到右依次显示了不同深度平面上的清晰粒子，分别为负七毫米、零毫米和七毫米深度处的图像。要利用这些数据，需要进行一个称为重建的处理步骤。在此过程中，应用了强度阈值化方法，以保留每个深度平面上处于焦点内的粒子。

随后将焦平面堆叠以在此处生成一个体数据。相同深度的图像在两个不同的时间点显示。该阈值体数据随后可被输入到 interrogation 体数据中，其中包含足够数量的粒子，用于进行粒子图像测速分析。

这是针对由合成声带产生的射流三维矢量场在多个时间步长下采集的示例数据。左侧展示了每个时间步整个三维速度场的不对称视图。在中心位置显示了 Z 等于 5 毫米处 XY 平面的切片以及 YZ 平面的切片。

在 t 等于 0 毫秒时，右侧显示 X 为 14 毫米处的情况。此时声带处于闭合状态，流场中速度极小。在 1 毫秒时，射流中的最大速度沿正横向方向运动，并在 2 至 4 毫秒期间强度逐渐减弱。

折叠在五毫秒时闭合，从而降低射流速度，随后循环重复。该数据代表了某一瞬时的单次速度场，与通常展示的平均值形成对比。光场成像的另一个应用是气泡流的研究。

此处显示的是由射流冲击水面时夹带空气而形成的气泡区域。通过暂停视频并逐步调整图像的不同深度平面，可以重新聚焦，观察气泡进入和移出焦平面的过程。

此静态图像从左至右依次显示了来自相机阵列的含气泡流场的原始图像，以及在负10毫米、零毫米和10毫米深度处重新聚焦后的图像。圆圈标示了一个位于负10毫米深度平面上的气泡，该气泡在其他平面上则消失不见。一旦掌握，校准和数据采集通常可在约四小时内完成，而在此过程中，合成孔径重聚焦处理可在约12小时内完成。由于该流程步骤繁多且采集的数据量大，保持高度的条理性至关重要。

通过此实验流程，可对丰富的数据集进行分析，以获得关于多相流中气泡尺寸分布等物理问题的深入理解。该技术将为物理生物学等领域的研究人员铺平道路，使其能够研究蝴蝶飞行的流体动力学特性或鸟群三维聚集结构。观看本视频后，您应能很好地掌握如何准确设置光场成像相机并对其进行精确校准，如何在软件中对图像执行合成孔径处理，以及如何利用所获得的体数据进行后续分析。

有关示例代码、数据集和教程信息，请访问我们的网站。请注意，与 Tad Truscott 一起工作可能极其危险，在其实验室工作时务必采取充分的预防措施，例如穿戴防弹护具。