Określanie pól przepływu 3D za pomocą obrazowania pola świetlnego z wielu kamer

Summary

Przedstawiono technikę wykonywania ilościowego obrazowania trójwymiarowego (3D) dla różnych przepływów płynów. Korzystając z pojęć z zakresu obrazowania w polu świetlnym, rekonstruujemy objętości 3D z tablic obrazów. Nasze wyniki 3D obejmują szeroki zakres, w tym pola prędkości i wielofazowe rozkłady wielkości pęcherzyków.

Abstract

W dziedzinie mechaniki płynów, rozdzielczość schematów obliczeniowych wyprzedziła metody eksperymentalne i poszerzyła lukę między przewidywanymi i obserwowanymi zjawiskami w przepływach płynów. W związku z tym istnieje zapotrzebowanie na dostępną metodę zdolną do rozwiązywania trójwymiarowych (3D) zestawów danych dla szeregu problemów. Prezentujemy nowatorską technikę wykonywania ilościowego obrazowania 3D wielu rodzajów pól przepływowych. Technika 3D umożliwia badanie skomplikowanych pól prędkości i przepływów bąbelkowych. Pomiary tego typu stanowią szereg wyzwań dla instrumentu. Na przykład, optycznie gęste przepływy wielofazowe bąbelkowe nie mogą być łatwo zobrazowane za pomocą tradycyjnych, nieinwazyjnych technik pomiaru przepływu ze względu na pęcherzyki zasłaniające optyczny dostęp do wewnętrznych obszarów objętości będącej przedmiotem zainteresowania. Korzystając z obrazowania pola świetlnego, jesteśmy w stanie przeparametryzować obrazy uchwycone przez szereg kamer, aby zrekonstruować mapę wolumetryczną 3D dla każdej instancji czasowej, pomimo częściowych okluzji w objętości. Technika ta wykorzystuje algorytm znany jako refokus z syntetyczną aperturą (SA), w którym stos ogniskowych 3D jest generowany przez połączenie obrazów z kilku kamer po przechwyceniu ¹. Obrazowanie pola świetlnego pozwala na uchwycenie zarówno kątowych, jak i przestrzennych informacji o promieniach świetlnych, a tym samym umożliwia rekonstrukcję sceny 3D. Informacje ilościowe można następnie wydobyć z rekonstrukcji 3D za pomocą różnych algorytmów przetwarzania. W szczególności opracowaliśmy metody pomiarowe oparte na obrazowaniu pola świetlnego do wykonywania pomiaru prędkości obrazu cząstek 3D (PIV), ekstrakcji pęcherzyków w polu 3D i śledzenia granicy migoczącego płomienia. Przedstawiamy podstawy metodologii obrazowania pola świetlnego w kontekście naszej konfiguracji do wykonywania 3DPIV przepływu powietrza przechodzącego przez zestaw syntetycznych fałdów głosowych i pokazujemy reprezentatywne wyniki zastosowania tej techniki do zanurzającego się strumienia porywającego pęcherzyki.

Protocol

1. 3D Ustawienia obrazowania pola świetlnego

1. Zacznij od określenia wielkości objętości pomiarowej, a także rozdzielczości czasowej i przestrzennej wymaganej do zbadania badanego eksperymentu z przepływem płynu.
2. Oszacuj gęstość optyczną, która będzie obecna w eksperymencie, aby określić liczbę kamer potrzebnych do wygenerowania ponownie ustawionych obrazów z dobrym stosunkiem sygnału do szumu (SNR) ^{1, 2} (np. dla PIV należy obliczyć cząstki na piksel). W przedstawionym tu eksperymencie 3D SAPIV z syntetycznymi fałdami głosowymi używamy 8 kamer i spodziewamy się osiągnąć gęstość zasiewu 0,05-0,1 cząstek na piksel (ppp). Liczba ta rośnie wraz ze wzrostem liczby kamer, a malejące zwroty osiągają około 13 kamer; SNR gwałtownie spada poniżej 5 kamer.
3. Zamontuj kamery w konfiguracji szykowej na ramie w taki sposób, aby każda kamera mogła wyświetlać objętość pomiaru z różnych punktów widzenia.
4. Podłącz kamery do centralnego komputera w celu przechwytywania i przeglądania danych.
5. Wybierz obiektywy o ogniskowych odpowiednich do pożądanego powiększenia i optycznych odległości roboczych. Zazwyczaj ten sam typ obiektywu stałoogniskowego jest montowany w każdym aparacie, aby generować podobne powiększenie na każdym obrazie.
6. Umieść cel wizualny (taki jak siatka kalibracyjna) na środku przestrzeni pomiarowej.
7. Wykorzystując obraz ze środkowej kamery matrycy jako odniesienie, przesuń całą klatkę matrycy kamery bliżej lub dalej od objętości pomiaru, aby uzyskać żądane powiększenie.
8. Następnie oddziel pozostałe kamery w tablicy. Większe odstępy między kamerami poprawiają rozdzielczość przestrzenną w wymiarze głębi kosztem całkowitej rozdzielczości ^{głębi 1}. Uwaga: używamy głębi w odniesieniu do wymiaru Z, który jest dodatni w stosunku do kamer (patrz rysunek 1). Stosunek głębokości do rozdzielczości w płaszczyźnie jest określony w przybliżeniu przez , gdzie Z to głębokość objętości, s_o to odległość kamer od przodu woluminu, a D to stosunek odstępów między kamerami do s_o.
9. Ustaw wszystkie kamery pod takim kątem, aby cel wizualny w środku przestrzeni pomiarowej był w przybliżeniu wyśrodkowany na każdym obrazie z kamery.
10. Przy całkowicie otwartych przysłonach na każdym obiektywie aparatu, ustaw ostrość każdy aparat na celu wizualnym.
11. Umieść wzorzec kalibracji z tyłu przestrzeni pomiarowej. Upewnij się, że cel znajduje się w polu widzenia każdej kamery; Jeśli tak nie jest, oznacza to, że odległość między kamerami a przestrzenią pomiaru i/lub odstępami między kamerami wymaga regulacji (kroki 1.7-1.8).
12. Zamknij przysłonę w każdym aparacie, aż cel będzie ostry w każdym aparacie.
13. Powtórz kroki 1.11-1.12 z celem na początku objętości pomiaru. Wzorzec kalibracji powinien wyglądać podobnie jak na rysunku 2 po wyregulowaniu każdej kamery.

2. Ustawienie oświetlenia głośności

1. Określić odpowiednią metodę oświetlenia objętości pomiarowej w oparciu o konkretną metodę pomiaru stosowaną do pola przepływu. Do pomiaru prędkości obrazu cząstek (PIV) stosuje się objętość lasera.
2. Wybierz laser o częstotliwości impulsów, który może osiągnąć pożądaną rozdzielczość czasową pomiaru. Laser może być jednoimpulsowy w przypadku rozdzielczości czasowej lub dwuimpulsowy w przypadku okrakiem na ramce ³.
3. Użyj soczewek optycznych, aby uformować wiązkę laserową w objętość światła, która pokrywa objętość pomiaru.
4. Zasiać objętość cząstkami znacznikowymi odpowiednimi do pomiarów PIV ³. Stężenie cząstek w płynie powinno być wystarczająco duże, aby osiągnąć pożądaną rozdzielczość przestrzenną, ale nie na tyle duże, aby obniżyć SNR w obrazach o ponownym ogniskowaniu SA poniżej akceptowalnego poziomu. Odnośnik ¹ zawiera dokładne badanie osiągalnej gęstości zasiewu, ale z reguły gęstość obrazu 0,05-0,15 cząstki na piksel (ppp) jest odpowiednia dla większości eksperymentów z 8 lub więcej kamerami. W przypadku stałej liczby kamer liczba cząstek na piksel zmniejsza się w przypadku większych wymiarów głębi objętości.

3. Kalibracja matrycy kamer

1. Kalibracja wymaga wykonania serii obrazów w każdej kamerze z obiektem docelowym kalibracji (np. siatką szachownicy, patrz rysunek 2) w wielu miejscach w całym obszarze pomiaru. Po pierwsze, wybierz jeden z dwóch rodzajów kalibracji: metodę autokalibracji z użyciem wielu kamer lub obrazowanie znanego obiektu kalibracji, który jest precyzyjnie przesuwany w polu zainteresowania.
2. Ustalić układ współrzędnych odniesienia w objętości pomiarowej. Ten układ współrzędnych jest często wybierany w sposób, który jest istotny dla eksperymentu (np. wyrównany z osią walca, rozpoczynający się od krawędzi czołowej płaskiej płyty itp.). W tym przypadku zdecydowaliśmy się umieścić nasze siatki w płaszczyźnie X-Y wyrównane w punktach wzdłuż osi Z (rysunek 1).
3. W przypadku korzystania z algorytmu autokalibracji wielu kamer ^{4, 5} lokalizacje docelowe kalibracji mogą być losowe, z wyjątkiem jednej lokalizacji, która jest dokładnie zlokalizowana w układzie współrzędnych odniesienia. Lokalizacja punktów kalibracji na tym precyzyjnie zlokalizowanym obiekcie musi być znana z dużą dokładnością. W każdej kamerze uchwyć obraz celu w każdej lokalizacji, podobnie jak na rysunku 2.
4. Jeśli nie korzysta się z algorytmu autokalibracji wielu kamer, wówczas cel kalibracji musi być precyzyjnie umieszczony w kilku miejscach w przestrzeni pomiarowej, tak aby orientacja celu w układzie współrzędnych odniesienia była znana z dużą dokładnością. W każdej kamerze uchwyć obraz celu w każdej lokalizacji.
5. Zidentyfikuj punkty na celu w każdej kamerze dla każdego obrazu. Do samokalibracji wymagane są odpowiedniki punktów obrazu we wszystkich kamerach ⁵, ale wyraźne odniesienie do punktów obrazu jest wymagane tylko w przypadku punktów generowanych przez precyzyjnie zlokalizowany cel. W przypadku metody precyzyjnie przemierzanej kalibracji wymagane są wyraźne powiązania punktów odniesienia z obrazem dla wszystkich punktów we wszystkich kamerach.
6. Zastosuj wybrany algorytm kalibracji, aby skalibrować wszystkie kamery. W tym przypadku zdecydowaliśmy się na wykorzystanie algorytmu autokalibracji ^{wielu kamer 4, 5} (open source http://cmp.felk.cvut.cz/~svoboda/SelfCal/), a wynikowe lokalizacje kamer względem płaszczyzn zainteresowania pokazano na rysunku 3.

4. Czas, wyzwalanie i zbieranie danych

1. Ilościowe, czasowo-rozdzielcze obrazowanie pola świetlnego wymaga dokładnej synchronizacji wszystkich kamer i źródeł oświetlenia, często z odpowiednim zdarzeniem eksperymentalnym.
2. Zewnętrzny generator impulsów służy do wyzwalania ekspozycji kamery i sekwencji oświetlenia. Zaprogramuj odpowiednie sekwencje impulsów czasowych w generatorze impulsów. W eksperymencie z fałdami głosowymi używamy sekwencji okrakiem na klatce, w której laser pulsuje blisko końca jednej ekspozycji kamery i blisko początku następnych ^trzech.
3. W przypadku wyzwalania w wyniku zdarzenia eksperymentalnego należy upewnić się, że generowany jest odpowiedni sygnał i wprowadzany do generatora impulsów.
4. W przypadku wyzwalania ręcznego należy przygotować się do wyzwolenia generatora impulsów.
5. Rozpocznij zbieranie danych eksperymentalnych, inicjując sekwencję przechwytywania i oświetlenia kamery za pomocą wybranej metody wyzwalania.
6. Choć brzmi to trywialnie, przy pozyskiwaniu dużej ilości danych związanych z eksperymentem z obrazowaniem pola świetlnego z użyciem wielu kamer kluczowa jest dobra konwencja nazewnictwa. Warto rozważyć, w jaki sposób dane będą używane od przechwycenia do końcowej analizy podczas opracowywania konwencji nazewnictwa.

5. Zmiana ostrości przysłony syntetycznej

1. Wygenerujemy teraz stos ogniskowych 3D obrazów, aby uzyskać syntetycznie ponownie ustawioną objętość. Najpierw zdefiniuj odstępy między płaszczyznami ogniskowej i ogólną głębokość ponownego ustawiania ostrości, które mają być używane w ponownie ustawionej objętości ^{1, 7}. Zazwyczaj odstępy między płaszczyznami ogniskowych są ustawione na połowę rozdzielczości głębi, a całkowita głębokość ponownego ustawiania ostrości zależy od regionu, w którym nakładają się na siebie wszystkie pola widzenia kamery. Płaszczyzny ogniskowej będą prostopadłe do osi Z układu współrzędnych odniesienia.
2. Zdefiniuj skalę, która ma być stosowana do obrazów po ponownym odwzorowaniu w objętości pomiarowej. Skala powinna być spójna z powiększeniem obrazów surowych, aby uniknąć znacznego nadpróbkowania lub niedostatecznego próbkowania ponownie wyświetlanych obrazów.
3. Ustal transformacje między każdą płaszczyzną obrazu kamery a każdą syntetyczną płaszczyzną ogniskową.
4. Wykonaj wstępne przetwarzanie obrazu, aby usunąć szum tła i skompensować różnice w intensywności między obrazami ^{1, 7}.
5. Ponownie rzutuj obrazy na syntetyczne płaszczyzny ogniskowe, zastosuj skalę i ponownie próbkuj obrazy. Zestaw wbudowanych funkcji Matlaba (przybornik do przetwarzania obrazów ^a ) może obsłużyć te zadania, biorąc pod uwagę transformacje płaszczyzna-płaszczyzna.
6. Na każdej syntetycznej płaszczyźnie ogniskowej zastosuj addytywny lub multiplikatywny algorytm ponownego ustawiania ostrości SA ^{1, 7}. W przypadku zastosowań 3D SAPIV odnieśliśmy duży sukces z addytywnym SA (zastosowanym do fałdów głosowych tutaj). W przypadku podświetlanych obrazów bąbelkowych multiplikatywny SA przyniósł lepsze wyniki. W ramach kontroli zastosuj ponowne ustawienie ostrości na jednej płaszczyźnie obrazów kalibracyjnych, aby sprawdzić, czy rekonstrukcja wygląda zgodnie z oczekiwaniami.

6. Przetwarzanie końcowe objętości

1. Oszacowanie oryginalnych obiektów w objętości, która wygenerowała pole świetlne, wymaga etapu przetwarzania znanego jako rekonstrukcja. Istnieje kilka algorytmów, od prostego progu intensywności ¹ przez metryki ostrości oparte na gradiencie ⁷ do bardziej złożonej dekonwolucji 3D ⁸. Wybierz algorytm rekonstrukcji odpowiedni dla danego zastosowania. W przypadku PIV odnieśliśmy sukces zarówno z progowaniem intensywności, jak i dekonwolucją 3D. Używamy tutaj progowania intensywności, aby utworzyć stos ogniskowy. Dwa ogniskowe stosy z czasu 1 (t₁) i czasu 2 (t₂) są skorelowane krzyżowo, tworząc pole wektorowe. Metoda obrazowania 3D Light Field z natury rzeczy skutkuje obiektami, które są wydłużone w wymiarze głębokości, co może wpływać na dokładność PIV; Dobry algorytm rekonstrukcji próbuje złagodzić to wydłużenie.
2. Po etapie rekonstrukcji może być konieczne wyodrębnienie lub wyodrębnienie elementów w objętości, aby umożliwić pomiar rozmiaru, kształtu itp. Algorytmy używane do wyodrębniania cech są zróżnicowane i zależą od aplikacji ⁷. Na przykład wyodrębnienie bąbelków wymaga sposobu lokalizacji cech bąbelków i zdefiniowania ich rozmiaru. W przypadku aplikacji PIV nie wyodrębniamy jawnie cząstek i ten krok można pominąć.
3. W przypadku aplikacji 3D SAPIV należy przeanalizować wolumin rekonstrukcji na mniejsze woluminy zapytania i zastosować odpowiedni algorytm PIV oparty na korelacji krzyżowej do pomiaru pola wektorowego ^{1, 3}.

^A maketform: konstruuje transformację płaszczyzny w płaszczyznę i imtransformację: mapuje i ponownie próbkuje obraz na podstawie transformacji z Maketform.

Results

Wysokiej jakości surowe obrazy PIV zawierają równomiernie rozmieszczone cząstki pojawiające się z wysokim kontrastem na czarnym tle (Rysunek 4a). Aby skompensować nierównomierne oświetlenie obrazu, można przeprowadzić wstępne przetwarzanie obrazu w celu usunięcia jasnych obszarów, dostosowania kontrastu i normalizacji histogramów intensywności na wszystkich obrazach ze wszystkich kamer (rysunek 4b). Gdy eksperyment zostanie zasiew do odpowiedniej gęstości i zostanie przeprowadzona dokładna kalibracja, obrazy o zmienionym ognisku SA ujawnią w ostrości cząstki na każdej płaszczyźnie głębokości (Rysunek 5). Jeśli objętość pomiarowa jest zbyt duża, stosunek sygnału do szumu (SNR) na ponownie zogniskowanych obrazach będzie niski, co utrudni rekonstrukcję cząstek. Obrazy o zmienionym ognisku SA z dobrym SNR mogą być progowe, aby zachować ostre cząstki na każdej płaszczyźnie głębokości. Rysunek 6 przedstawia dwa obrazy progowe z dwóch kroków czasowych w płaszczyźnie głębokości Z = -10,6 mm. Wolumin progowy jest następnie analizowany w woluminach przesłuchań, które zawierają odpowiednią liczbę cząstek do wykonania PIV ³. Zastosowanie algorytmu 3DPIV do przeanalizowanej objętości daje pole prędkości płynu pokazane na rysunku 7; W tym przypadku pole przepływu jest indukowane przez modelowy fałd głosowy. Prędkość pola przepływu na zewnątrz strumienia jest bardzo mała, dlatego bardzo niewiele wektorów można zobaczyć poza tym obszarem. Przy t = 0 ms fałd głosowy jest zamknięty i występuje bardzo mała prędkość w polu. Największa prędkość w strumieniu przy t = 1 ms porusza się w dodatnim kierunku y i zmniejsza intensywność od t = 2 do 4 ms. Fałd zamyka się przy t = 5 ms, zmniejszając prędkość strumienia i cykl się powtarza. Obrazy te nie mają takiej samej gładkości, jak wielu poprzednich autorów^, którzy prezentują do 100 uśrednionych obrazów, ponieważ każde przedstawione pole prędkości reprezentuje pojedynczą migawkę w czasie. Jako punkt odniesienia, poprzednie symulacje wykazały, że typowe błędy w obliczonych prędkościach są rzędu 5-10% dla każdej składowej prędkości, co obejmuje błąd z samego algorytmu PIV ¹; dla algorytmu, którego używamy (MatPIV ¹¹ przystosowany do 3D), wiadomo, że ten błąd jest duży w stosunku do innych kodów.

Szampańskie przepływy to kolejny obszar zainteresowań naukowych, który może skorzystać z możliwości 3D obrazowania pola świetlnego. Technikę SA można podobnie zastosować do pól przepływu bąbelkowego, w których światło lasera jest zastępowane rozproszonym białym podświetleniem, co skutkuje obrazami takimi jak pokazany na rysunku 8a, gdzie krawędzie pęcherzyków wydają się ciemne na białym tle. Po samokalibracji można zastosować wariant multiplikatywny algorytmu SA w celu uzyskania stosu ogniskowego z pęcherzykami ostro skupionymi na płaszczyźnie głębokości odpowiadającej głębokości pęcherzyka i rozmytymi z widoku na innych płaszczyznach, jak pokazano na rysunku 8b-d ⁷. Proste progowanie nie jest odpowiednią metodą ekstrakcji bąbelków, zamiast tego wykorzystuje się szereg zaawansowanych algorytmów ekstrakcji cech, jak opisano w ^{punkcie 7}.

Rysunek 1. Obraz kamer i fałdów głosowych z etykietami i układem współrzędnych.

Rysunek 2. Siatka kalibracyjna przy Z = 0 mm widziana ze wszystkich 8 kamer.

Rysunek 3. Widok z góry konfiguracji kamery z wyjścia autokalibracji wielu kamer. Kamery 1-8 są oznaczone cyframi i okręgami, a ich ogólny kierunek patrzenia jest oznaczony linią. Czerwona plama w pobliżu początku układu współrzędnych znajduje się w rzeczywistości 400+ punktów z siatki kalibracyjnej na każdej głębokości Z wykreślonej w 3D względem kamer.

Rysunek 4. Surowe obrazy pola cząstek widziane z kamery #6 w punktach t₁ i t₂ (a i b). Te same obrazy po wstępnym przetworzeniu (c & d).

Rysunek 5. Od lewej do prawej: Surowe obrazy SAPIV z nową ostrością na głębokości (a) Z = -5,9 mm, (b) -10,6 mm i (c) -15,3 mm.

Rysunek 6. Obrazy progowe w krokach czasowych (a) t₁ i (b) t₂ przy Z = -10,6 mm.

Rysunek 7. Trójwymiarowe pole wektorowe strumienia utworzone przez syntetyczne fałdy głosowe dla 6 kroków czasowych. Po lewej stronie pokazany jest izometryczny widok całego pola prędkości 3D. Cięcia płaszczyzn x-y i y-z są wykonywane przez środek fałdu głosowego, jak pokazano powyżej każdej kolumny.

Rysunek 8. Od lewej do prawej: Surowy obraz pola przepływu bąbelków z matrycy kamer i ponownie zogniskowane obrazy na głębokościach (b) Z = -10 mm, (c) 0 mm i (d) 10 mm. Okrąg podświetla bąbel, który leży na płaszczyźnie głębokości Z = -10 mm i znika z pola widzenia na innych płaszczyznach. Szczegóły eksperymentów z bąbelkami można znaleźć w ⁴.

Discussion

Do prawidłowego przeprowadzenia eksperymentu z obrazowaniem pola świetlnego ma kluczowe znaczenie kilka kroków. Wybór obiektywu i umiejscowienie kamery powinny być starannie dobrane, aby zmaksymalizować rozdzielczość w ramach objętości pomiaru. Kalibracja jest prawdopodobnie najbardziej krytycznym krokiem, ponieważ algorytmy ponownego ustawiania ostrości SA nie zapewnią uzyskania ostrych obrazów bez dokładnej kalibracji. Na szczęście autokalibracja wielu kamer ułatwia dokładną kalibrację przy stosunkowo niewielkim wysiłku. Konieczne jest również równomierne oświetlenie wszystkich obrazów, które zapewnia dobry kontrast między obiektami zainteresowania a tłem, chociaż przetwarzanie obrazu może do pewnego stopnia znormalizować obrazy.

Czas jest również ważny podczas wykonywania skojarzenia zabezpieczeń na woluminach, które mają poruszające się obiekty. Jeśli każda kamera nie zostanie uruchomiona w celu zrobienia zdjęcia w tym samym czasie, rekonstrukcja obrazu będzie oczywiście niedokładna. W eksperymentach w tym artykule wykorzystaliśmy sekwencję czasową pokazaną na rysunku 7.

Przedstawione w niniejszym dokumencie aplikacje do obrazowania 3D pola świetlnego wiążą się z kompromisem w zakresie rozdzielczości przestrzennej. Na przykład 3D SAPIV może rekonstruować objętości cząstek na podstawie optycznie gęstych obrazów cząstek, ale cząstki są rozmieszczone w (potencjalnie dużej) objętości. W przypadku PIV 2D cząstki są rozmieszczone na cienkim arkuszu, a zatem obrazy o tej samej gęstości cząstek odpowiadają znacznie większej gęstości w objętości pomiarowej. Niemniej jednak metoda 3D SAPIV pozwala na uzyskanie znacznie większych gęstości wysiewu niż inne metody 3D PIV ¹. Innym potencjalnie ograniczającym czynnikiem jest stosunkowo duża intensywność obliczeniowa związana z metodami obrazowania pola świetlnego; złożoność obliczeniowa jest typowa dla metod rekonstrukcji 3D opartych na obrazach, takich jak tomographic-PIV ¹⁰.

W eksperymencie wykorzystano 8 kamer Photron SA3 wyposażonych w obiektywy makro Sigma 105 mm oraz laser Quantronix Dual Darwin Nd:YLF (532 nm, 200 mJ). Kamery i laser zostały zsynchronizowane ze sobą za pomocą cyfrowego generatora opóźnień/impulsów Berkley Nucleonics 575 BNC. Przepływ płynu został zasiew za pomocą szklanych mikrosfer wypełnionych helem Expancel. Mikrosfery miały średnią średnicę 70 μm i gęstość 0,15 g/cm3. Oferujemy otwarte wersje kodów używanych w niniejszym dokumencie dla społeczności akademickiej za pośrednictwem naszej strony internetowej http://www.3dsaimaging.com/ i zachęcamy użytkowników do przekazywania nam informacji zwrotnych oraz udziału w ulepszaniu i dostarczaniu przydatnych kodów dla społeczności ilościowego pola świetlnego.