Name: Ermittlung 3D Flow Felder via Multi-Kamera-Light Field Imaging (Video) | JoVE Journal
Uploaded: 2013-03-06T12:00:00.000+00:00
Duration: 14 min 25 s
Description: Lernen Sie die quantitative 3D-Strömungsfeldrekonstruktion mit Light Field Imaging und kalibrierten Kameraarrays. Diese Methode ermöglicht präzise Geschwindigkeitsmessungen in dichten Partikelumgebungen für die Fluiddynamik.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Wir möchten NSF CMMI # 1126862 für die Finanzierung der Ausrüstung und Entwicklung der synthetischen Apertur-Algorithmen an der BYU danken, In-house-Labor Independent Research (ILIR) Fonds (überwacht durch Dr. Tony Ruffa) für die Finanzierung der Ausrüstung und Entwicklung bei NUWC Newport und NIH / NIDCD Gewährung R01DC009616 für die Finanzierung SLT, DJD und JRN und Daten in Bezug auf die Stimmlippen Experimente und der Universität Erlangen Graduate School in Advanced Optical Technologies (SAOT) zur teilweisen Unterstützung der SLT. Schließlich ist der Rocky Mountain NASA Space Grant Consortium für die Finanzierung JRN.

Ein. 3D Light Field Imaging-Setup <ol><li> Starten durch Bestimmung der Größe des Meßvolumens sowie die zeitliche und räumliche Auflösung für die Untersuchung der Fluidströmung Experiment untersucht erforderlich. </li><li> Schätzung der optischen Dichte, die vorhanden sein werden in dem Experiment, um die Anzahl der Kameras erforderlich refokussiert Bilder mit gutem Signal-Rausch-Verhältnis (SNR) 1, 2 (zB für ein PIV sollten Partikel pro Pixel zu berechnen) zu erzeugen bestimmen. Für den 3D SAPIV Experiment mit den synthetischen Stimmlippen hierin präsentierten, verwenden wir 8 Kameras und erwarten, eine Einsaatdichte Teilchen von 0,05-0,1 pro Pixel (ppp) erreichen. Diese Zahl steigt mit zunehmender Anzahl der Kamera mit abnehmenden etwa 13 Kameras erreicht; das SNR unter 5 rasch abnimmt Kameras. </li><li> Montieren der Kameras in einer Feldanordnung auf einem Rahmen, so dass jede Kamera das Meßvolumen aus unterschiedlichen Blickwinkeln betrachten.</li><li> Befestigen Sie die Kamera an einen zentralen Computer zur Datenerfassung und-Anzeige. </li><li> Wählen Sie Objektive mit Brennweiten für die gewünschte Vergrößerung und optischen Arbeitsabstand. Typischerweise wird die gleiche Art von fester Brennweite jeder Kamera montiert auf ähnliche Vergrößerung in jedem Bild zu erzeugen. </li><li> Platzieren ein visuelles Zielobjekt (wie eine Kalibrierung Gitter) im Zentrum des Messvolumens. </li><li> Mit dem Bild von der Mitte-Kamera des Arrays als Referenz, bewegen Sie den gesamten Kamera-Array Frame näher oder weiter aus dem Messvolumen, um die gewünschte Vergrößerung zu erzielen. </li><li> Weiter, trennen Sie die übrigen Kameras im Array. Beabstanden der Kameras weiter voneinander verbessert die räumliche Auflösung in der Tiefendimension auf Kosten der gesamten Tiefe 1 auflösbar. Hinweis: Wir verwenden Tiefe des Z-Dimension, die positive Richtung der Kameras ist (siehe Abbildung 1) zu verweisen. Das Verhältnis von Tiefe zu-Ebene Auflösung wird ungefähr gegeben <img alt="Gleichung 1" fo:src="/files/ftp_upload/4325/4325eq1highres.jpg" src="/files/ftp_upload/4325/4325eq1.jpg" /> Ist, wobei Z die Tiefe in dem Volumen ist, s o der Abstand der Kameras zur Vorderseite des Volumens, und D ist das Verhältnis von Abstand zur Kamera s o. </li><li> Abzuwinkeln alle Kameras, so dass der visuelle Zielobjekt im Zentrum des Messvolumens etwa in jedem Kamerabild zentriert. </li><li> Mit den Öffnungen vollständig offen an jeder Kameraobjektivs Fokussieren jedes Kamera auf der visuellen Zielobjekts. </li><li> Platzieren eines Kalibrierungsziels auf der Rückseite des Messvolumens. Sicherstellen, dass das Target in der Ansicht von jeder Kamera ist, falls nicht, dann wird der Abstand zwischen den Kameras und Meßvolumen und / oder Kamera Abstand Bedürfnisse Anpassung (Schritte 1,7-1,8). </li><li> Schließen Sie die Blende für jede Kamera bis das Ziel im Fokus jede Kamera. </li><li> Wiederholen Sie die Schritte 1,11-1,12 mit dem Ziel bei ter vor dem Meßvolumen. Die Kalibrierungs-Target erscheinen soll ähnlich wie Abbildung 2 nach jeder Kamera angepasst. </li></ol> 2. Volume Illumination-Setup <ol><li> Bestimmen Sie die geeignete Methode zur Beleuchtung des Messvolumens auf die spezifische Messverfahren an das Strömungsfeld angewendet wurden. Für Particle Image Velocimetry (PIV) eine Laser-Volumens verwendet wird. </li><li> Auswählen eines Lasers mit einer Pulsfrequenz, die die gewünschte zeitliche Auflösung der Messung erzielen. Der Laser kann einfach für zeitaufgelöste oder doppelt für Frame-gebietsübergreifenden 3 gepulst. </li><li> Verwenden optischer Linsen, um den Laserstrahl in ein Volumen, das das Licht Messvolumen deckt bilden. </li><li> Seed das Volumen mit Tracer-Partikel für PIV-Messungen 3. Die Konzentration der Teilchen in dem Fluid sollte groß genug sein, um die gewünschte räumliche Auflösung zu erzielen, aber nicht so groß wie das SNR in verringernSA Neuausrichtung Bilder unter ein akzeptables Niveau. Reference 1 enthält eine gründliche Untersuchung der erreichbaren Einsaatdichte, sondern als Faustregel eine Bilddichte von 0,05-0,15 Partikel pro Pixel (ppp) ist für die meisten Experimente mit 8 oder mehr Kameras. Für eine feste Anzahl von Kameras, sinkt die Teilchen pro Pixel für größere Volumenströme Tiefenabmessungen. </li></ol> 3. Kamera Array Kalibrierung <ol><li> Kalibrierung erfordert die Erfassung einer Reihe von Bildern in jeder Kamera mit einem Kalibrierungs-Target (zB ein Schachbrett Gitter, siehe Abbildung 2) an mehreren Standorten im gesamten Messvolumen. Entweder ein Multi-Kamera-Selbstkalibrierung Methode oder Bildgebung eine bekannte Kalibrierungs-Target, die genau durch das Feld von Interesse bewegt wird: Erstens, zwischen zwei Arten der Kalibrierung wählen. </li><li> Schaffung eines Bezugskoordinatensystems im Messvolumen. Dieses Koordinatensystem wird oft in einer Weise, die relevant f gewähltenoder das Experiment (zB mit der Achse eines Zylinders ausgerichtet ist, mit Ursprung an der führenden Kante einer flachen Platte, usw.). Hier haben wir entschieden unser Gittern in der XY-Ebene auf Punkte entlang der Z-Achse (Fig. 1) ausgerichtet zu platzieren. </li><li> Bei Verwendung eines Multi-Kamera selbst Kalibrierungsalgorithmus 4, 5 die Kalibrierdaten Zielstellen kann statistisch, mit Ausnahme einer Stelle, die genau in dem Referenz-Koordinatensystem eingezeichnet ist. Die Lage der Kalibrierpunkte auf dieser genau lokalisiert Ziel muss mit hoher Genauigkeit bekannt sein. In jeder Kamera, Aufnehmen eines Bildes des Ziels in jeder Lage ähnlich Abbildung 2. </li><li> Wenn nicht mit einem Multi-Kamera selbst Kalibrierungsalgorithmus, dann das Kalibrierziel muss genau an mehreren Orten werden im Messvolumen so dass die Orientierung des Ziels in dem Bezugskoordinatensystem mit hoher Genauigkeit bekannt ist platziert. In jeder Kamera, Aufnehmen eines Bildes des Ziels in jeder Lage.</li><li> Identifizieren Punkten auf dem Target in jeder Kamera für jedes Bild. Für Selbst-Kalibrierung werden Punktkorrespondenzen allen Kameras 5 erforderlich, aber ausdrücklich zu Punktkorrespondenzen sind nur für den von der genau lokalisiert Target erzeugt erforderlich. Für die exakt abgefahren Kalibrierverfahren sind ausdrücklich zu Punktkorrespondenzen für alle Punkte in allen Kameras erforderlich. </li><li> Übernehmen Sie die ausgewählten Kalibrier-Algorithmus, um alle Kameras zu kalibrieren. Hier haben wir gewählt, um eine Multi-Kamera-Selbstkalibrierung Algorithmus 4, 5 (Open Source nutzen <a href="http://cmp.felk.cvut.cz/~svoboda/SelfCal/" target="_blank">http://cmp.felk.cvut.cz/ ~ svoboda / SelfCal /</a> ) und die daraus resultierenden Kamera Positionen relativ zu den Ebenen von Interesse sind in 3 gezeigt. </li></ol> 4. Timing, Triggerung und Data Collection <ol><li> Quantitative erfordert zeitaufgelöste Lichtfeld Bildgebung alle cameras und Beleuchtungsquellen genau synchronisiert werden, oft zu einem relevanten experimentellen Veranstaltung. </li><li> Ein externer Impulsgeber dient dazu, die Kamera Aufnahmen und Beleuchtung Sequenzen auslösen. Programmieren der geeigneten Zeitsteuerung Impulsfolgen am Impulsgenerator. Für den Stimmlippen Experiment, verwenden wir einen rahmenförmigen rittlings Sequenz, wobei der Laser in der Nähe des Endes einer Kamera Belichtung und gepulst nahe dem Beginn der nächsten 3. </li><li> Falls Auslösung von einem experimentellen Fall sicherzustellen, dass ein entsprechendes Signal erzeugt wird und in den Impulseinspeisungspunkt Generator. </li><li> Bei manueller Auslösung Vorkehrungen für die Auslösung der Impulsgeber. </li><li> Beginnen Sie mit dem experimentellen Datenerfassung durch die Einleitung des Kamera-Capture und Beleuchtung Sequenz über die gewählte Triggerung Methode. </li><li> Obwohl es trivial klingt, beim Erwerb der großen Menge an Daten mit einer Multi-Kamera-Lichtfeld-Imaging Experiment zusammenhängen, eine gute Namenskonvention ist crusoziale. Es ist hilfreich, zu prüfen, wie die Daten von der Aufnahme wird letztlich verwendet werden, wenn die Entwicklung der Namenskonvention. </li></ol> 5. Synthetic Aperture Neuausrichtung <ol><li> Wir werden jetzt ein 3D fokalen Stapel von Bildern, um ein synthetisch refokussiert Volumen herzustellen. Zunächst definieren Sie den Abstand zwischen Fokalebenen und insgesamt Neuausrichtung Tiefe in der Neuausrichtung Volume verwendet werden <img alt="Gleichung 1" fo:src="/files/ftp_upload/4325/4325eq1highres.jpg" src="/files/ftp_upload/4325/4325eq1.jpg" /> 1, 7. Typischerweise wird die Brennebene Abstand zur halben Tiefe Auflösung eingestellt und die Gesamtmenge refokussierenden Tiefe wird durch den Bereich, wo alle geregelt Kamera Sichtfelder überlappen. Die Brennebenen wird senkrecht zu der Z-Achse des Bezugskoordinatensystems. </li><li> Definieren Sie die Waage an den Bildern bei Reprojektion gelten in das Messvolumen. Die Waage sollte im Einklang mit der Vergrößerung der RAW-Bilder, um zu vermeidensignifikante Over-Sampling oder unter-Sampling der reprojected Bildern. </li><li> Stellen Sie Transformationen zwischen jeder Kamera Bildebene und jedes synthetische Brennebene. </li><li> Führen Bildvorverarbeitung, um Hintergrundgeräusche zu entfernen und für die Unterschiede in der Intensität zwischen den Bildern 1, 7 unterzubringen. </li><li> Reproject Bilder auf den synthetischen Fokusebenen gelten das Ausmaß und die re-Probe die Bilder. Eine Reihe von eingebauten Matlab-Funktionen (Image Processing Toolbox a) können diese Aufgaben angesichts der Ebene zu Ebene Transformationen umzugehen. </li><li> Auf jeder synthetischen Fokalebene, gelten entweder die additive oder multiplikative SA Neuausrichtung Algorithmus 1, 7. Für 3D SAPIV Anwendungen, haben wir gute Erfolge mit Additiv SA (im Gegensatz zu den Stimmlippen hier angewandte) hatte. Für Gegenlicht Bilder von Blasen hat die multiplikative SA überlegene Ergebnisse erzielt. Als eine Kontrolle gelten die Refokussierung zu einer Ebene der Kalibrierungsbilder zu sehen, ob die Rekonstruktion erscheint als erwartet. </li&gt; </ol> 6. Volume Post-Processing <ol><li> Um die ursprünglichen Objekte in der Lautstärke, die das Lichtfeld erzeugt schätzen, erfordert einen Verarbeitungsschritt als Rekonstruktion bekannt. Verschiedene Algorithmen existieren von einfachen Intensität Schwellwertbildung 1 bis Gradienten-basierten Fokus Metriken 7 bis hin zu komplexen 3D-Dekonvolution 8 reicht. Wählen Sie einen Rekonstruktionsalgorithmus für die Anwendung geeignet. Für PIV, wir hatten Erfolg mit sowohl Intensität Thresholding und 3D Dekonvolution. Wir verwenden Intensität Schwellwertbildung Sie hier, um einen Schwerpunkt Stapel bilden. Zwei Schwerpunkte Stapel von Zeit 1 (t 1) und Zeit 2 (t 2) sind kreuzkorrelierten um ein Vektorfeld bilden. Die 3D Light Field Imaging-Methode inhärent Ergebnisse in Objekte, die in der Tiefe verlängert werden, die PIV Genauigkeit beeinträchtigen können, eine gute Rekonstruktion Algorithmus versucht, diese Dehnung zu mildern. </li><li> Nach dem Wiederaufbau Schritt können Merkmale im Volumen müssen oder ex seinsubtrahiert, um für die Messung der Größe erlauben, Form usw. Die Algorithmen zur Merkmalsextraktion verwendet sind vielfältig und abhängig von der Anwendung 7. Um Blasen zu extrahieren, zum Beispiel erfordert ein Mittel zum Lokalisieren von Merkmalen Blase und Definieren ihrer Größe. Für PIV-Anwendungen, haben wir nicht explizit extrahieren Teilchen und dieser Schritt kann übersprungen werden. </li><li> Für 3D SAPIV Anwendungen, analysieren Sie die Rekonstruktionsvolumen in kleinere Interrogationsvolumina und Anwendung eines geeigneten Kreuzkorrelation basierten PIV-Algorithmus, um die Vektor-Feld 1, 3 zu messen. </li></ol> a maketform: konstruiert eine Ebene zu Ebene Transformation &amp; imtransform: Karten und Resampling ein Bild auf die Umwandlungen von maketform basiert.

<ol><li>Belden, J., Truscott, T. T., Axiak, M., Techet, A. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Three-dimensional+synthetic+aperture+particle+imaging+velocimetry%5BTitle%5D)+AND+%22Measurement+Science+and+Technology%22%5BJournal%5D)">Three-dimensional synthetic aperture particle imaging velocimetry.</a> Measurement Science and Technology. 21 (12), 125403(2010).</li>
<li>Wilburn, B., Joshi, N., Vaish, V., Talvala, E. -V., Antunez, E., Barth, A., Adams, A., Horowitz, M., Levoy, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High+performance+imaging+using+large+camera+arrays%5BTitle%5D)+AND+%22ACM+Trans.+Graph%22%5BJournal%5D)">High performance imaging using large camera arrays.</a> ACM Trans. Graph. 24, 765-776 (2005).</li>
<li>Raffel, M., Willert, C., Wereley, S., Kompenhaus, J. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aRaffel%2C+M+%22Particle+image+velocimetry+-+A+Practical+Guide%22">Particle image velocimetry - A Practical Guide</a>. , Springer-Verlag. Berlin. (2007).</li>
<li>Belden, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Auto-Calibration+of+Multi-Camera+Systems+with+Refractive+Interfaces%5BTitle%5D)+AND+%22Experiments+in+Fluids%22%5BJournal%5D)">Auto-Calibration of Multi-Camera Systems with Refractive Interfaces.</a> Experiments in Fluids. , In Review (2013).</li>
<li>Svoboda, T., Martinec, M., Pajdla, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+convenient+multi-camera+self-calibration+for+virtual+environments%5BTitle%5D)+AND+%22PRESENCE%3A+Teleoperators+and+Virtual+Environments%22%5BJournal%5D)">A convenient multi-camera self-calibration for virtual environments.</a> PRESENCE: Teleoperators and Virtual Environments. 14 (4), 407-422 (2005).</li>
<li>Synthetic aperture focusing using a shear-warp factorization of the viewing transfor. Vaish, V., Garg, G., Talvala, E., Antunez, E., Wilburn, B., Horowitz, M., Levoy, M. 3, 129(2005).</li>
<li>Belden, J., Ravela, S., Truscott, T. T., Techet, A. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Three-Dimensional+Bubble+Field+Resolution+Using+Synthetic+Aperture+Imaging%3A+Application+to+a+Plunging+Jet%5BTitle%5D)+AND+%22Experiments+in+Fluids%22%5BJournal%5D)">Three-Dimensional Bubble Field Resolution Using Synthetic Aperture Imaging: Application to a Plunging Jet.</a> Experiments in Fluids. , Accepted (2012).</li>
<li>Levoy, M., Ng, R., Adams, A., Footer, M., Horowitz, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Light+field+microscopy%5BTitle%5D)+AND+%22ACM+Transactions+on+Graphics%22%5BJournal%5D)">Light field microscopy.</a> ACM Transactions on Graphics. 25 (3), (2006).</li>
<li>Triep, M., Brücker, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Three-dimensional+nature+of+the+glottal+jet%5BTitle%5D)+AND+%22Journal+of+the+Acoustical+Society+of+America%22%5BJournal%5D)">Three-dimensional nature of the glottal jet.</a> Journal of the Acoustical Society of America. 127, 1537-1547 (2008).</li>
<li>Elsinga, G., Scarano, F., Wieneke, B., van Oudheusden, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Tomographic+particle+image+velocimetry%5BTitle%5D)+AND+%22Experiments+in+Fluids%22%5BJournal%5D)">Tomographic particle image velocimetry.</a> Experiments in Fluids. 41, 933-947 (2006).</li>
<li>MatPIV [Internet]. , Available from:
		
	 <a target="_blank" href="http://folk.uio.no/jks/matpiv/index2.html">http://folk.uio.no/jks/matpiv/index2.html</a> (2004).</li>
</ol>

Wir haben nichts zu offenbaren.

Mehrere Schritte sind entscheidend für die ordnungsgemäße Durchführung eines Light Field Imaging Experiment. Objektiv Auswahl und Kamera-Platzierung sollte sorgfältig ausgewählt werden, um die Auflösung im Messvolumen zu maximieren. Die Kalibrierung ist vielleicht der wichtigste Schritt, da die SA Neuausrichtung Algorithmen nicht zu scharf Bilder ohne genaue Kalibrierung zu produzieren. Glücklicherweise erleichtert Multi-Kamera-Selbstkalibrierung genaue Kalibrierung mit einem relativ niedrigen Aufwand. Gleichmäßige Beleuchtung in allen Bildern, die einen guten Kontrast zwischen den Objekten von Interesse und den Hintergrund enthält auch notwendig, obwohl Bildverarbeitung können die Bilder zu einem Grad zu normalisieren. Timing ist auch wichtig bei der Durchführung von SA auf Volumes, die bewegte Objekte haben. Wenn jede Kamera nicht ausgelöst wird, um ein Bild zur gleichen Zeit in Anspruch nehmen, wird die Bildrekonstruktion offensichtlich ungenau sein. Für die Experimente in dieser Arbeit verwendeten wir den zeitlichen Ablauf shown in 7. Die 3D Light Field Imaging Anwendungen hierin präsentierten beinhalten eine räumliche Auflösung Trade-off. Zum Beispiel kann die 3D SAPIV Teilchens Volumina von optisch dichten Teilchen Bilder rekonstruieren, sondern die Teilchen werden über einen (potentiell großen) Volumen verteilt. Für 2D PIV werden die Partikel über einen dünnen Blattes verteilt, und somit Bilder mit dem gleichen Teilchendichte zu einer viel größeren Dichte im Messvolumen entsprechen. Dennoch ermöglicht die 3D SAPIV Verfahren für viel größere Einsaatdichten dass andere 3D-PIV Verfahren 1. Eine andere potentiell Begrenzen Überlegung ist die relativ große Rechenintensität mit Lichtfeld Bildgebende Verfahren zugeordnet ist; Rechenkomplexität ist typisch für die bildbasierte 3D-Rekonstruktion Methoden wie tomographischen-PIV 10. Für dieses Experiment verwendeten wir 8 Photron SA3 Kameras mit Sigma 105 mm Makro-Objektiven ausgestattet und Quantronix Dual-Darwin Nd: YLF-Laser (532 nm, 200 mJ). Die Kameras und Laser wurden zusammen über eine Berkley Nucleonics 575 BNC Digital Delay / Impulsgeber synchronisiert. Die Strömung wurde mit Expancel Helium gefüllt Mikroglaskugeln ausgesät. Die Mikrokugeln einen mittleren Durchmesser von 70 um mit einer Dichte von 0,15 g / cm ³. Wir bieten Open Source-Versionen des Codes hierin für die akademische Gemeinschaft über unsere Website verwendet <a href="http://www.3dsaimaging.com/" target="_blank">http://www.3dsaimaging.com/</a> und wir ermutigen Benutzer geben Sie uns Feedback und beteiligen sich an der Verbesserung und liefert nützliche Codes für die quantitative Lichtfeld Gemeinschaft.

ermittlung 3d flow felder via multi-kamera-light field imaging

Determining 3D Flow Fields via Multi-camera Light Field Imaging

Im Bereich der Strömungsmechanik, hat die Auflösung der numerischen Verfahren überholt experimentellen Methoden und die Kluft zwischen den vorhergesagten und beobachteten Phänomene in Flüssigkeit fließt. Somit besteht ein Bedarf an einem Verfahren zugänglich auflösen können dreidimensionale (3D) Datensätze für eine Reihe von Problemen. Wir präsentieren eine neuartige Technik für die Durchführung quantitative 3D-Bildgebung für viele Arten von Strömungsfelder. Die 3D-Technik ermöglicht Untersuchung der komplizierten Geschwindigkeit Felder und Blasenströmungen. Messungen dieser Art präsentieren eine Vielzahl von Herausforderungen an das Instrument. Zum Beispiel können optisch dichten sprudelnde Mehrphasenströmungen nicht leicht durch herkömmliche, nicht-invasive Techniken Durchflussmessung aufgrund der Blasen Okkludieren optischen Zugang zu den inneren Bereichen des interessierenden Volumens abgebildet werden. Durch Verwendung Lichtfeld Imaging sind wir in der Lage, Bilder mit einer Anordnung von Kameras, um eine 3D-Karte für jeden volumetrischen Zeitinstanz rekonstruieren eingefangen Umparametrieren trotzteilweises Okklusionen in dem Volumen. Die Technik macht die Verwendung eines Algorithmus wie synthetischer Apertur (SA) refokussierenden, wodurch ein 3D-fokalen Stapel durch Kombinieren von Bildern von mehreren Kameras nach einzufangen 1 erzeugt bekannt. Light Field Imaging ermöglicht die Erfassung von Winkel-als auch räumliche Informationen über die Lichtstrahlen, und ermöglicht somit 3D-Szene Wiederaufbau. Quantitative Informationen können dann aus den 3D-Rekonstruktionen unter Verwendung einer Vielzahl von Verarbeitungsalgorithmen extrahiert werden. Insbesondere haben wir Messverfahren auf Light Field Imaging zum Ausführen 3D Particle Image Velocimetry (PIV), Extrahieren Blasen in einem 3D-Feld und die Verfolgung der Grenze einer flackernden Flamme entwickelt. Wir präsentieren Ihnen die Grundlagen der Light Field Imaging-Methodik im Rahmen unserer Aufbau zur Durchführung 3DPIV der Luftströmung, die über eine Reihe von synthetischen Stimmlippen und zeigen repräsentative Ergebnisse aus der Anwendung der Technik, um eine Blase-Mitnahme stürzen Jet.

Hochwertige Rohstoffe PIV Bilder enthalten gleichmäßig verteilte Partikel erscheinen mit hohem Kontrast gegen den schwarzen Hintergrund (Abbildung 4a). Für nicht-homogene Ausleuchtung über das Bild zu kompensieren, können Bild-Vorverarbeitung durchgeführt, um helle Bereiche zu entfernen, Kontrast und Normalisierung der Intensität Histogramme für alle die Bilder von allen Kameras (Abb. 4b) werden. Wenn das Experiment zu einer geeigneten Dichte ausgesät und eine genaue Kalibrierung durchgeführt wird, die SA refokussiert Bilder werden im Fokus Teilchen auf jedem Tiefenebene (Abbildung 5) offenbaren. Wenn die Messung beträgt über ausgesät wird das SNR in den refokussierten Bilder gering macht es schwierig, die Teilchen zu rekonstruieren. SA refokussiert Bilder mit einer guten SNR Schwellenwertvergleich kann, im Fokus Teilchen auf jedem Tiefenebene zurückzuhalten. 6 zeigt zwei Bilder von zwei gethresholdeten Zeitschritten bei der Z = -10,6 mm Tiefenebeneninformation. Die gethresholdeten volume wird dann in Interrogationsvolumina, die eine ausreichende Anzahl von Teilchen enthalten, für die Durchführung PIV 3 analysiert. Aufbringen einer 3DPIV Algorithmus auf den geparsten Volumen ergibt eine Fluidgeschwindigkeit Feld in 7 gezeigt, in diesem Fall ist das Strömungsfeld, dass durch ein Modell Stimmlippe induziert. Die Geschwindigkeit der Strömung Feld außerhalb der Strahl sehr klein ist, also sehr wenige Vektoren außerhalb dieses Bereichs sichtbar ist. Zum Zeitpunkt t = 0 ms die Stimmlippe geschlossen ist und nur sehr wenig Geschwindigkeit im Feld vorhanden ist. Die größte Geschwindigkeit in dem Strahl zur Zeit t = 1 msec bewegt sich in die positive y-Richtung und reduziert in ihrer Intensität von t = 2 bis 4 msec. Die fach schließt bei t = 5 ms Verringerung der Strahlgeschwindigkeit und der Zyklus wiederholt sich. Diese Bilder haben nicht die gleiche Glattheit so viele vorhergehende Autoren 9, die bis zu 100 präsentieren gemittelten Bilder als jedes Geschwindigkeitsfeld präsentiert eine Einfach Momentaufnahme. Als Bezugspunkt haben frühere Simulationen typischer Fehler auf Berechnung angezeigtd Geschwindigkeiten in der Größenordnung von 5-10% auf jeder Geschwindigkeitskomponente, die Fehler aus dem PIV-Algorithmus selbst ein einschließt; für den Algorithmus verwenden wir (MatPIV 11 angepasst für 3D), wird dieser Fehler bekannt, große relativ zu sein anderen Codes. Blasenströmungen sind ein weiterer Bereich des wissenschaftlichen Interesses, die von den 3D-Fähigkeiten der Light Field Imaging profitieren können. Die SA-Technik kann ähnlich Blasenströmung Feldern, wobei das Laserlicht mit diffusen weißen Hintergrundbeleuchtung, die in Bildern wie in 8a gezeigt, wo die Blasen Kanten dunkel vor dem weißen Hintergrund erscheinen ergibt Fassung aufgebracht werden. Nach Selbstkalibrierung kann die multiplikative Variante der SA-Algorithmus angewandt, um eine fokale Stapel mit Blasen scharf auf der Tiefenebene entsprechend der Tiefe der Blase und unscharf ab Ansicht auf anderen Ebenen fokussiert zu ergeben, wie in 8b gezeigt,-d 7. Einfache Thresholding nichteine adäquate Verfahren zum Extrahieren der Blasen, anstatt eine Reihe fortschrittlicher Merkmalsextraktion Algorithmen sind, wie in 7 verwendet. <img src="/files/ftp_upload/4325/4325fig1.jpg" alt="Abbildung 1" /> Abbildung 1. Das Bild der Kameras und Stimmlippen mit Etiketten und Koordinatensystem. <img src="/files/ftp_upload/4325/4325fig2.jpg" alt="Abbildung 2" /> Abbildung 2. Calibration Grid bei Z = 0 mm, wie aus allen 8 Kameras gesehen. <img src="/files/ftp_upload/4325/4325fig3.jpg" alt="Abbildung 3" fo:content-width="2.5in" fo:src="/files/ftp_upload/4325/4325fig3highres.jpg"/> Abbildung 3. Topview der Kamera Setup von Multi-Kamera-Selbstkalibrierung Ausgang. Kameras 1-8 sind mit Nummern und Kreise befinden, mit ihrer allgemeinen Betrachtung direction, die durch eine Linie. Die rote blob der Nähe des Ursprungs ist eigentlich 400 + Punkte aus der Kalibrierung Gitter bei jedem Z-Tiefe aufgetragen in 3D relativ zu den Kameras. <img src="/files/ftp_upload/4325/4325fig4.jpg" alt="Abbildung 4" /> Abbildung 4. Rohbilder des Teilchens Feld von der Kamera # 6 bei T 1 und T 2 (a &amp; b) angesehen. Gleichen Bilder nach Vorbehandlung (c &amp; d). <img src="/files/ftp_upload/4325/4325fig5.jpg" alt="Abbildung 5" /> Abbildung 5 Von links nach rechts:. Raw Neuausrichtung SAPIV Bilder in Tiefen (a) Z = -5,9 mm, (b) -10,6 mm und (c) -15,3 mm. <img src="/files/ftp_upload/4325/4325fig6.jpg" alt="Abbildung 6" /> Abbildung 6. Thresholded Bilder zum Zeitpunkt der Schritte (a) t 1 und (b) t 2 bei Z = -10,6 mm. <img src="/files/ftp_upload/4325/4325fig7.jpg" alt="Abbildung 7" fo:content-width="5.25in" fo:src="/files/ftp_upload/4325/4325fig7highres.jpg"/> Abbildung 7. Dreidimensionale Vektorfeldes des Strahls durch synthetische Stimmlippen für 6 Zeitschritte erzeugt. Die linke Seite zeigt eine isometrische Ansicht des gesamten 3D-Geschwindigkeitsfeld. Schnitte des xy und yz-Ebene durch die Mitte der Stimmlippen gemäß vorstehender jeder Spalte angegeben. <img src="/files/ftp_upload/4325/4325fig8.jpg" alt="Abbildung 8" /> Abbildung 8 Von links nach rechts:. Raw Bild Blasenströmung Feld aus Kamera-Array und Neuausrichtung Bilder in Tiefen (b) Z = -10 mm, (c) 0 mm und (d) 10 mm.Der Kreis zeigt eine Blase, die auf der Z = -10 mm Tiefe Ebene liegt, und verschwindet aus dem Blickfeld auf anderen Ebenen. Details der Blase Experimente können in 4 gefunden werden.

Eine Technik zum Durchführen quantitativer dreidimensionale (3D)-Bildgebung für einen Bereich von Fluidströmungen wird vorgestellt. Mit Konzepten aus dem Bereich der Light Field Imaging, rekonstruieren wir 3D-Volumen aus Arrays von Bildern. Unsere 3D-Ergebnisse umfassen ein breites Spektrum, einschließlich Geschwindigkeit Felder und Mehrphasen-Blasengröße-Distributionen.

Ermittlung 3D Flow Felder via Multi-Kamera-Light Field Imaging

Im Bereich der Strömungsmechanik hat die Auflösung numerischer Verfahren die experimentellen Methoden überholt, wodurch sich die Lücke zwischen Vorhersagen und ...

Das allgemeine Ziel des folgenden Videos besteht darin, einen Überblick über eine dreidimensionale Abbildungstechnik zu geben, die ein 3D-Geschwindigkeitsfeld liefern kann. Dies wird erreicht, indem kalibrierte Kameras verwendet werden, um die notwendigen Bilder zur Abtastung des Lichtfeldes aufzunehmen. In einem zweiten Schritt wird das Lichtfeld neu parametrisiert, wodurch ein Fokus-Stack von Bildern entsteht, der eine 3D-Darstellung des Strömungsfeldes bildet.Anschließend wird der Fokusstapel mittels eines Kreuzkorrelationsalgorithmus nachbearbeitet, um die 3D-Geschwindigkeitsfeldvektoren zu erhalten. Die Ergebnisse zeigen ein zeitlich aufgelöstes 3D-Strömungsfeld im Nachlauf eines schwingenden synthetischen Stimmlippenmodells, das als Versuchsanordnung verwendet wurde. Ergebnisse werden zudem für die Anwendung der Technik auf ein Blasenfeld dargestellt.Los geht's. Der Hauptvorteil dieser Technik gegenüber bestehenden Methoden liegt darin, dass wir in Volumina messen können, die mehr Teilchen, Blasen oder Tröpfchen enthalten. Diese Methode kann Einblicke in Strömungen geben und auf andere Anwendungen erweitert werden, beispielsweise auf die Messung der Form einer Flamme und der Rolle, die die Geschwindigkeit bei der Verbrennung spielt, oder sogar auf die Messung des kollektiven Verhaltens von Tiergruppen wie Vogelschwärmen.Im Allgemeinen haben Personen, die neu bei dieser Technik sind, Schwierigkeiten, da die Menge an Daten überwältigend werden kann, doch wie meinen, ein präzises Verfahren für die Anwendung dieser Methode entwickelt zu haben. Eine visuelle Demonstration dieser Methode ist entscheidend, da die Kamera- und Kalibrierungsaufbauten deutlich von der Verwendung eines einzelnen Kamerasystems abweichen. Diese Experimente werden wir im Biofluidik-Labor von Dr. Scott Thompson an der BYU gemeinsam mit seinem Doktoranden Jesse Daley durchführen.Der erste Schritt besteht darin, die Größe des Messvolumens sowie die für die Untersuchung der Strömung erforderliche zeitliche und räumliche Auflösung zu bestimmen. Hier wird die Methode verwendet, um eine dreidimensionale Synthetic-Aperture-Partikelbildmessung zur Untersuchung der Strömungssymmetrie der Luftströmung durch einen synthetischen Stimmlippenmodell zu realisieren. Das Messvolumen beträgt 50 mal 50 mal 25 Kubikmillimeter, und die kürzesten Zeitskalen, die erfasst werden sollen, liegen bei 10 Mikrosekunden.Als Nächstes schätzen Sie die optische Dichte, die im Experiment vorliegen wird, um die Anzahl der Kameras zu bestimmen, die erforderlich sind, um Fokuswiederherstellungsbilder mit einem guten Signal-Rausch-Verhältnis zu erzeugen. Höhere Besiedlungsdichten erfordern zu diesem Zeitpunkt in einem Partikelbild mehr Kameras. Bei Experimenten mit O-Symmetrie sollte ebenfalls die Anzahl der Partikel pro Pixel berechnet werden. Bringen Sie die Kameras in einer Array-Anordnung auf einem Rahmen so an, dass jede Kamera das Messvolumen aus unterschiedlichen Blickwinkeln erfassen kann.Als Nächstes legen Sie den Abstand zwischen den verbleibenden Kameras im Array fest. Ein größerer Abstand zwischen den Kameras verbessert die räumliche Auflösung in der Tiefendimension, geht jedoch auf Kosten der insgesamt auflösbaren Tiefe. Für die Datenaufnahme.Verbinden Sie die Kameras zur Betrachtung mit einem zentralen Computer. Platzieren Sie ein visuelles Ziel wie ein Kalibrierungsgitter in der Mitte des Messvolumens. Verwenden Sie das Bild von der mittleren Kamera des Arrays als Referenz und bewegen Sie den gesamten Array-Rahmen näher oder weiter vom Messvolumen weg, um den gewünschten Vergrößerungswinkel oder die Kameras so einzustellen, dass das visuelle Ziel in der Mitte des Messvolumens in jedem Kamerabild annähernd zentriert ist.Bei vollständig geöffneten Blenden an jedem Objektiv fokussieren Sie jede Kamera auf das visuelle Ziel. Bringen Sie ein Kalibrierziel am hinteren Ende des Messvolumens an und stellen Sie sicher, dass es im Sichtfeld jeder Kamera liegt.Falls nicht, stellen Sie den Abstand zwischen den Kameras und dem Messvolumen und/oder den Kameraspalt neu ein. Gehen Sie ebenso mit einem Kalibrierziel an der Vorderseite des Volumens vor und wiederholen Sie den Vorgang, bis die Vorder- und Rückseite in allen Kameras sichtbar sind.Schließen Sie die Blende jeder Kamera, bis das Ziel scharf gestellt ist. Wenn sich das Ziel an einer beliebigen Position innerhalb des Messvolumens jeder Kamera befindet, kann zusätzliche Beleuchtung bei geschlossener Blende erforderlich sein. Bestimmen Sie zunächst die geeignete Methode zur Beleuchtung des Messvolumens, abhängig von der spezifischen Messmethode, die auf das Strömungsfeld angewendet wird.Für diese Demonstration wird ein 1000 Hertz Doppelpuls-Laser verwendet. Verwenden Sie optische Linsen, um den Laserstrahl zu einem Lichtvolumen zu formen, das das Messvolumen abdeckt. Schließlich, wenn die Datensammlung beginnen soll, bereiten Sie sich darauf vor, das Volumen mit geeigneten Tracer-Partikeln für die Particle-Image-Loc.-Methode zu beimpfen.Symmetriemessungen wie in den Referenzen beschrieben. Als Faustregel ist eine Bilddichte von 0,05 bis 0,15 Teilchen pro Pixel für die meisten Experimente mit acht oder mehr Kameras geeignet. Bei einer festen Anzahl von Kameras nimmt die Anzahl der Teilchen pro Pixel ab.Für größere Tiefenabmessungen mit größeren Volumina. Ein entscheidender Schritt ist die Kalibrierung. Diese kann mit oder ohne die Tracer-Partikel durchgeführt werden.Wenn ein Multi-Kamera-Selbstkalibrierungsalgorithmus wie in dieser Demonstration verwendet wird, muss ein Referenzkoordinatensystem im Messvolumen eingerichtet werden. Hier wird das Kalibrierungsraster in der Mitte des Stimmlappens platziert. In einer festen Orientierung zum Referenzkoordinatensystem wird ein Objekt mit einer bekannten Geometrie als Kalibrierziel verwendet. In diesem Fall können die Positionen des Kalibrierungsrasters im Multi-Kamera-Selbstkalibrierungsalgorithmus oder der Kalibrierziele zufällig sein, mit Ausnahme einer exakt kontrollierten Position.Dadurch wird das Referenzkoordinatensystem festgelegt. Erfassen Sie in jeder Kamera ein Bild des Targets an jeder Position. Identifizieren Sie Punkte auf dem Target in jeder Kamera. Für jedes Bild zur Selbstkalibrierung muss jeder identifizierte Punkt auf dem Target in dem von jeder Kamera aufgenommenen Bild lokalisiert sein.Jedoch ist die explizite Position der Punkte im Referenzkoordinatensystem nur für die Punkte erforderlich, die mit dem präzise lokalisierten Zielobjekt assoziiert sind. Um Daten für die quantitative, zeitaufgelöste Lichtfeldaufnahme zu gewinnen, müssen alle Kameras und Beleuchtungsquellen genau synchronisiert werden. Für dieses Experiment wird ein programmierte externer Impulsgenerator verwendet, um die Kameraauslösungen und Beleuchtungssequenzen zu steuern.Bereiten Sie sich auf die Erfassung einer großen Datenmenge vor, einschließlich der Überlegung zur Benennung von Datendateien. Beginnen Sie die Erfassung experimenteller Daten, indem Sie sicherstellen, dass die Tracer-Partikel strömen, und starten Sie die Kameraaufnahme und die Beleuchtungssequenz über die gewählte Auslösemethode. Um ein synthetisch nachfokussiertes Volumen zur Datensammlung zu erzeugen, erzeugen Sie einen 3D-Fokus-Stack.Definieren Sie dazu den Abstand zwischen den Fokusebenen und die gesamte Refokussierungstiefe im refokussierten Volumen. Wie in den Referenzen erläutert, wird die Fokusebene typischerweise auf die halbe Tiefenauflösung eingestellt, und die gesamte Refokussierungstiefe wird durch den Bereich bestimmt, in dem sich alle Kamera-Sichtfelder überlappen. Die Fokusebenen verlaufen senkrecht zur Z-Achse des Referenzkoordinatensystems.Hier haben wir einen Abstand der Fokusebenen von etwa 0,16 Millimetern und eine gesamte Refokus-Tiefe von 20 Millimetern, was nach der Verarbeitung zu ungefähr 128 aufgelösten Seebene führt. Führen Sie eine Bildvorverarbeitung durch, um das Hintergrundrauschen zu verbessern und Unterschiede in der Intensität zwischen den Bildern auszugleichen. Stellen Sie Transformationen zwischen jeder Kamera, jeder Bildebene und jeder synthetischen Fokusebene her. Projizieren Sie die Bilder erneut auf die synthetischen Fokusebenen.Wenden Sie den Maßstab an und resamplingen Sie die Bilder. Dies kann innerhalb von Matlab erfolgen. Angesichts der Ebene-zu-Ebene-Transformationen wenden Sie entweder den additiven oder den multiplikativen Synthetic-Aperture-Refokussierungsalgorithmus auf jeder synthetischen Fokusebene an.Zur Überprüfung wenden Sie die Nachfokussierung auf eine Ebene der Kalibrierungsbilder an, um zu sehen, ob die Rekonstruktion wie erwartet erscheint. Wenn die additive Methode auf eine der Kalibrierungsebenen bei z gleich 13,3 Millimetern angewendet wird, wird das Bild scharf und unscharf, während der Fokusstack von hinten nach vorne durchlaufen wird. Schließlich demonstrieren wir den Fokus in jeder Kalibrierungsebene anhand der nachfokussierten Bilder auf der linken Seite und des Bildes vom Kalibrierungsgitter der zentralen Kamera auf der rechten Seite.Nachdem alle gewünschten Ebenen erneut fokussiert wurden, bearbeiten Sie die Bilder, um Rauschen, das durch die Neufokussierung verursacht wurde, zu entfernen. Wenden Sie eine Schwellwertbestimmung basierend auf den Intensitätshistogrammen der nachfokussierten Bilder an, um scharf abgebildete Partikel beizubehalten. Anschließend stapeln Sie die schwellenwertbasierten Bilder, um in einem als Rekonstruktion bezeichneten Prozess ein Volumen zu erzeugen. Nach der Rekonstruktion können quantitative Daten aus dem Volumen gewonnen werden.Ein Beispiel für ein hochwertiges, rohes Partikelbild für Verlust-, Symmetriebilder aus einer einzelnen Kamera wird hier gezeigt. Diese Bilder enthalten gleichmäßig verteilte Partikel, die mit hohem Kontrast vor schwarzem Hintergrund erscheinen. Hier sehen Sie das Ergebnis eines angemessen beimpften und präzise kalibrierten Experiments. Das synthetische Blendenbild zeigt scharfgestellte Partikel auf jeder Tiefenebene; von links nach rechts sind dies die Bilder bei Tiefen von minus sieben Millimetern, null Millimetern und sieben Millimetern. Um die Daten nutzen zu können, ist ein Verarbeitungsschritt erforderlich, der als Rekonstruktion bekannt ist. In diesem Fall wird eine Intensitätsschwellenwertung angewendet, um scharfgestellte Partikel auf jeder Tiefenebene beizubehalten.Die Fokalebenen werden dann hier zu einem Volumen gestapelt. Bilder auf derselben Tiefe werden zu zwei verschiedenen Zeitpunkten gezeigt. Das Schwellwertvolumen kann anschließend in Untersuchungsvolumina überführt werden, die eine ausreichende Anzahl von Partikeln enthalten, um die Particle-Image-Velosymmetrie durchzuführen.Dies ist ein Beispiel für die gesammelten Messdaten des dreidimensionalen Vektorfelds des Strahls, der durch synthetische Stimmlippen verursacht wird, zu mehreren Zeitpunkten. Die linke Seite zeigt eine asymmetrische Ansicht des gesamten 3D-Geschwindigkeitsfelds zu jedem Zeitpunkt. Schnitte der XY-Ebene bei Z gleich fünf Millimeter sind in der Mitte als Schnitte der YZ-Ebene dargestellt.Bei X gleich 14 Millimetern sind rechts zum Zeitpunkt t gleich null Millisekunden dargestellt. Die Stimmlippe ist geschlossen, und im Feld ist nur eine sehr geringe Geschwindigkeit vorhanden. Die höchste Geschwindigkeit im Jet bewegt sich bei einer Millisekunde in positiver Breitenrichtung und nimmt von zwei auf vier Millisekunden an Intensität ab.Die Falte schließt sich bei fünf Millisekunden, wodurch die Strahlgeschwindigkeit verringert wird, und der Zyklus wiederholt sich. Diese Daten stellen das Geschwindigkeitsfeld zu einem einzigen Zeitpunkt dar, im Gegensatz zum üblicherweise gezeigten Mittelwert. Eine weitere Anwendung der Lichtfeldabbildung sind blasenreiche Strömungen.Hier ist ein Blasenfeld zu sehen, das durch die Einschleppung von Luft entsteht, wenn ein Strahl auf die Wasseroberfläche trifft. Durch Anhalten des Videos zu einem bestimmten Zeitpunkt ermöglicht der Schritt, das Bild in verschiedenen Tiefenebenen neu zu fokussieren, um zu beobachten, wie die Blasen nacheinander scharf und unscharf werden.Dieses Standbild zeigt von links nach rechts das Rohbild eines bläschenreichen Strömungsfeldes aus dem Kamera-Array sowie nachfokussierte Bilder in Tiefen von minus 10 Millimetern, null Millimetern und 10 Millimetern. Der Kreis hebt eine Blase hervor, die in der Tiefenebene von minus 10 Millimetern liegt und auf den anderen Ebenen aus dem Blickfeld verschwindet. Sobald die Methode beherrscht ist, können Kalibrierung und Datenaufnahme typischerweise innerhalb von etwa vier Stunden durchgeführt werden, und die synthetische Aufnahme mit Nachfokussierung innerhalb von etwa 12 Stunden während des Verfahrens. Es ist wichtig, sehr organisiert vorzugehen, da viele Schritte und große Datenmengen anfallen.Nach Durchführung dieses Verfahrens können die umfangreichen Datensätze hinsichtlich physikalischer Erkenntnisse zu mehreren Fragen untersucht werden, beispielsweise: Wie sind die Blasengrößenverteilungen in Mehrphasenströmungen? Diese Technik wird den Weg für Forscher in Bereichen wie der physikalischen Biologie ebnen, in denen sie die Fluiddynamik des Schmetterlingsflugs oder die dreidimensionale Struktur des Vogelschwärms untersuchen können. Nachdem Sie sich dieses Video angesehen haben, sollten Sie ein recht gutes Verständnis dafür haben, wie Kameras für die Lichtfeldabbildung eingerichtet, präzise kalibriert, synthetische Apertur in der Software auf die Bilder angewendet und die volumetrischen Daten für weitere Verarbeitungsschritte genutzt werden.Für Beispielcodes, Datensätze und Tutorial-Informationen besuchen Sie bitte unsere Website. Vergessen Sie nicht, dass die Arbeit mit Tad Truscott äußerst gefährlich sein kann, und treffen Sie stets alle erforderlichen Sicherheitsvorkehrungen, beispielsweise den Trage von Körperschutz, wenn Sie in seinem Labor arbeiten.

determining-3d-flow-fields-via-multi-camera-light-field-imaging

Research

Forschung

JoVE Journal

Engineering

Ingenieurwesen

Wir stellen eine zerstörungsfreie Methode zum Abtasten räumliche Variation in der Richtung des Lichts von strukturell komplexen Materialien verteilt. Indem das Material intakt bewahren wir grober Maßstab Streuverhalten, während gleichzeitig die Erfassung feinskaligen direktionale Beiträge mit hochauflösender Bildgebung. Die Ergebnisse sind in der Software visualisiert in biologisch relevanten Positionen und Personenwaagen.

Mess-und Richtungs räumlich variierenden Lichtstreuung aus biologischem Material

Ein Verfahren zur Untersuchung von transienten Strömungen in der Nähe Grenzen mit hochauflösenden, High-Speed-Particle Image Velocimetry (PIV) wird hier beschrieben. PIV ist eine non-intrusive Messtechnik auf jede optisch zugänglichen Strömung durch die Optimierung mehrerer Parameter Zwänge wie die Bild-und Aufnahme-Eigenschaften, die Laser-Blatt Eigenschaften und Analyse-Algorithmen.

High-Speed-Particle Image Velocimetry Nahe Surfaces

Dual-Kamera-Emissionsspaltanlagen für zwei-Farben-Fluoreszenz-Mikroskopie erzeugen Echtzeit-Bildsequenzen mit außergewöhnlichen optischen und zeitlichen Auflösung, einem Bedarf von lebenden Zellassays einschließlich Parallelplattenlaufkammer Adhäsions-Assays. Als Software wird verwendet, um Bilder von gleichzeitig erworben Emissionskanäle verschmelzen, pseudocolored Bildsequenzen produziert.

Gleichzeitig Capturing in Echtzeit Bilder in zwei Emissions Kanäle unter Verwendung eines Dual-Kamera-Emissions-Splitting-System: Anwendungen in der Zelladhäsion

Die konfokale Mikroskopie ist mit Bild und fließende Ruhe Kolloid-Polymer-Mischungen, die als Modellsysteme für attraktive Suspensionen untersucht werden. Bildanalysealgorithmen werden verwendet, um strukturelle und dynamische Messgrößen für die kolloidalen Partikel, die aufgrund von geometrischen Änderungen Haft Messung berechnen.

Die konfokale Bildgebung von Enge und Ruhe Fließende Kolloid-Polymer-Mischungen

Biofilme haben komplexe Wechselwirkungen mit ihrer Umgebung. Um Biofilm-Umwelt-Wechselwirkungen umfassend zu untersuchen, stellen wir hier eine Reihe von Methoden vor, um eine heterogene chemische Umgebung für die Biofilmentwicklung zu schaffen, die lokale Strömungsgeschwindigkeit zu quantifizieren und den Stofftransport in und um Biofilmkolonien zu analysieren.

Methoden zur Charakterisierung des Co-Entwicklung von Biofilm und Habitat Heterogenität

Wir verwenden den 3D-Druck, um anisotrope Partikel in Form von Wagenhebern, Kreuzen, Tetraden und Triaden herzustellen, deren Ausrichtungen und Rotationen in turbulenten Strömungen anhand mehrerer gleichzeitiger Videobilder gemessen werden können.

Verfahren zur Messung der Neigung und Drehrate von 3D-gedruckten Particles in Turbulence

Eine dreidimensionale Particle Tracking Velocimetry (3D-PTV-System) auf der Basis einer Hochgeschwindigkeitskamera mit einem Vier-view Teiler wird hier beschrieben. Die Technik wird in der Nähe von zehn Durchmessern stromabwärts bei Reynolds - Zahl Re ≈ 7,000 auf einen Strahlstrom von einem kreisförmigen Rohr aufgebracht.

Dreidimensionale Particle Tracking Velocimetry für Turbulence Anwendungen: Fall eines Jet Fluss

Um die Strömungsgeschwindigkeiten und die Richtungsabhängigkeit von filamentösem Aktin an der immunologischen T-Zell-Synapse zu untersuchen, wird die hochauflösende Bildgebung lebender Zellen mit Totalreflexionsfluoreszenz kombiniert und mit räumlich-zeitlicher Bildkorrelationsspektroskopie quantifiziert.

Kortikalen Aktin Fluss in T-Zellen durch Raum-zeitliche Bildkorrelationsspektroskopie von Structured Illumination Microscopy Daten Quantifizierte

Die hier beschriebene Technik bietet eine relativ einfache und kostengünstige Methode, um simultane Messung von Teilchen Kinematik und Turbulenz in Strömungen mit niedrigen Partikelkonzentrationen. Die Turbulenzen wird mittels Particle Image Velocimetry (PIV) gemessen, und Partikel Kinematik errechnen sich aus Bildern, die mit einer Hochgeschwindigkeitskamera in überlappenden Sichtfeld.

Gleichzeitige Messung von Turbulenzen und Partikel-Kinematik mit bildgebenden Verfahren

Ziel des Protokolls ist es, die Visualisierung der detaillierten Strömungsfelder und die Bestimmung der grenznahen Scherung und normaler Spannungen innerhalb eines durch eine vibrierende Rohrleitung induzierten Gleichgewichtsgeißees zu ermöglichen.

Visualisierung des Strömungsfeldes um eine vibrierende Pipeline innerhalb eines Gleichgewichts-Scour-Lochs

Um den mikrovaskulären Fluss aus Hochgeschwindigkeits-Kapillarflussbildsequenzen zu quantifizieren, haben wir die Software STAFF (Spatial Temporal Analysis of Fieldwise Flow) entwickelt. Im gesamten Bildfeld und im Laufe der Zeit wertet STAFF Strömungsgeschwindigkeiten aus und generiert eine Sequenz farbcodierter Raumkarten für die Visualisierung und Tabellarische Ausgabe für quantitative Analysen.

Räumliche Temporale Analyse des feldweisen Flusses in der Mikrovaskulatur

Lernen Sie die quantitative 3D-Strömungsfeldrekonstruktion mit Light Field Imaging und kalibrierten Kameraarrays. Diese Methode ermöglicht präzise Geschwindigkeitsmessungen in dichten Partikelumgebungen für die Fluiddynamik.

Ermittlung 3D Flow Felder via Multi-Kamera-Light Field Imaging

Weitere Videos entdecken