Name: Określanie pól przepływu 3D za pomocą obrazowania pola świetlnego z wielu kamer (Wideo) | JoVE Journal
Uploaded: 2013-03-06T12:00:00.000+00:00
Duration: 14 min 25 s
Description: Poznaj metodę obrazowania pola świetlnego do rekonstrukcji trójwymiarowych pól prędkości płynów z użyciem skalibrowanych kamer. Technika umożliwia pomiary w objętościach o wysokiej gęstości cząstek i bąbelków.

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

playerTrialDesktop

Pragniemy podziękować za grant NSF CMMI #1126862 na sfinansowanie sprzętu oraz opracowanie algorytmów syntetycznej apertury w BYU, fundusze In-house Laboratory Independent Research (ILIR) (nadzorowane przez dr. Tony’ego Ruffę) na sfinansowanie sprzętu i prace rozwojowe w NUWC Newport, grant NIH/NIDCD R01DC009616 na sfinansowanie SLT, DJD i JRN oraz danych dotyczących eksperymentów z więzadłami głosowymi, a także Szkołę Doktorancką Zaawansowanych Technologii Optycznych (SAOT) Uniwersytetu w Erlangen za częściowe wsparcie SLT. Na koniec dziękujemy Rocky Mountain NASA Space Grant Consortium za sfinansowanie JRN.

1. Układ obrazowania 3D pola światła
<ol>
 <li>Zacznij od określenia rozmiaru objętości pomiarowej oraz wymaganej rozdzielczości czasowej i przestrzennej do badania analizowanego eksperymentu przepływu płynu. </li>
 <li>Oszacuj gęstość optyczną, jaka wystąpi w eksperymencie, aby określić liczbę kamer niezbędnych do generowania obrazów refokusowanych z dobrym stosunkiem sygnału do szumu (SNR) 1, 2 (np. dla PIV należy obliczyć liczbę cząstek na piksel). W przypadku eksperymentu 3D SAPIV z syntetycznymi fałdami głosowymi przedstawionego w niniejszej pracy, stosujemy 8 kamer i spodziewamy się osiągnąć gęstość zasiewu na poziomie 0,05-0,1 cząstek na piksel (ppp). Wartość ta rośnie wraz ze zwiększaniem liczby kamer, przy czym malejące korzyści osiąga się przy około 13 kamerach; SNR gwałtownie spada poniżej 5 kamer. </li>
 <li>Zamontuj kamery w konfiguracji macierzowej na ramie w taki sposób, aby każda kamera mogła obserwować objętość pomiarową z różnych punktów widzenia. </li>
 <li>Podłącz kamery do centralnego komputera w celu przechwytywania i przeglądania danych. </li>
 <li>Wybierz obiektywy o ogniskowych odpowiednich dla pożądanego powiększenia i optycznych odległości roboczych. Zazwyczaj do każdej kamery montuje się ten sam typ obiektywu o stałej ogniskowej, aby uzyskać podobne powiększenie na każdym obrazie. </li>
 <li>Umieść celownik wizualny (taki jak siatka kalibracyjna) w centrum objętości pomiarowej. </li>
 <li>Używając obrazu z centralnej kamery macierzy jako referencji, przesuń całą ramę macierzy kamer bliżej lub dalej od objętości pomiarowej, aby uzyskać pożądane powiększenie. </li>
 <li>Następnie rozsuń pozostałe kamery w macierzy. Większy odstęp między kamerami poprawia rozdzielczość przestrzenną w wymiarze głębokości kosztem całkowitej rozdzielczej głębokości 1. Uwaga: termin głębokość odnosi się do wymiaru Z, który jest dodatni w kierunku kamer (patrz Rysunek 1). Stosunek głębokości do rozdzielczości w płaszczyźnie jest określony w przybliżeniu przez <img alt="Równanie pochodnych cząstkowych; δZ/δX = 1/D + Z/(Dsₒ); formuła matematyczna." fo:src="/files/ftp_upload/4325/4325eq1highres.jpg" src="/files/ftp_upload/4325/4325eq1.jpg" data-altupdatedat="1787630408000" data-alt="Równanie 1">, gdzie Z to głębokość w objętości, so to odległość kamer od przedniej części objętości, a D to stosunek odstępu między kamerami do so. </li>
 <li>Ustaw kąt wszystkich kamer tak, aby celownik wizualny w centrum objętości pomiarowej był mniej więcej wycentrowany na obrazie każdej kamery.</li>
 <li>Przy całkowicie otwartych przysłonach każdego obiektywu kamery, ustaw ostrość każdej kamery na celowniku wizualnym. </li>
 <li>Umieść celownik kalibracyjny z tyłu objętości pomiarowej. Upewnij się, że celownik znajduje się w polu widzenia każdej kamery; jeśli tak nie jest, należy skorygować odległość między kamerami a objętością pomiarową i/lub odstęp między kamerami (kroki 1.7-1.8). </li>
 <li>Przymykaj przysłonę każdej kamery, aż celownik zostanie ostro odwzorowany w każdej kamerze. </li>
 <li>Powtórz kroki 1.11-1.12 z celownikiem umieszczonym z przodu objętości pomiarowej. Po dostrojeniu każdej kamery celownik kalibracyjny powinien wyglądać podobnie jak na Rysunku 2. </li>
</ol>
2. Konfiguracja oświetlenia objętościowego
<ol>
 <li>Określ odpowiednią metodę oświetlenia objętości pomiarowej na podstawie konkretnej metody pomiarowej stosowanej w polu przepływu. W przypadku cyfrowej wideometrii cząsteczkowej (PIV) wykorzystuje się objętość laserową.</li>
 <li>Wybierz laser o częstotliwości impulsów umożliwiającej uzyskanie pożądanej rozdzielczości czasowej pomiaru. Laser może być jednopulsowy dla pomiarów rozdzielonych w czasie lub dwupulsowy dla klatek nakładających się (frame-straddling) 3.</li>
 <li>Użyj soczewek optycznych, aby uformować wiązkę laserową w objętość światła pokrywającą objętość pomiarową.</li>
 <li>Wprowadź do objętości cząsteczki znacznika odpowiednie dla pomiarów PIV 3. Stężenie cząsteczek w cieczy powinno być wystarczająco duże, aby osiągnąć pożądaną rozdzielczość przestrzenną, ale nie na tyle wysokie, by obniżyć stosunek sygnału do szumu (SNR) w obrazach refokusowanych SA poniżej akceptowalnego poziomu. Publikacja 1 zawiera szczegółowe badanie osiągalnej gęstości siewu, jednak przyjmuje się, że dla większości eksperymentów z 8 lub więcej kamerami odpowiednia gęstość obrazu wynosi 0,05-0,15 cząsteczki na piksel (ppp). Dla stałej liczby kamer liczba cząsteczek na piksel maleje wraz ze wzrostem wymiarów głębokości objętości.</li>
</ol>
3. Kalibracja macierzy kamer
<ol>
 <li>Kalibracja wymaga wykonania serii zdjęć każdą kamerą z użyciem celu kalibracyjnego (np. szachownicy, patrz Rysunek 2) w wielu lokalizacjach w obrębie objętości pomiarowej. Najpierw należy wybrać jeden z dwóch typów kalibracji: metodę samokalibracji wielokamerowej lub obrazowanie znanego celu kalibracyjnego, który jest precyzyjnie przemieszczany w obszarze zainteresowania.</li>
 <li>Należy ustalić układ współrzędnych odniesienia w objętości pomiarowej. Układ ten jest często dobierany w sposób istotny dla eksperymentu (np. wyrównany z osią cylindra, z początkiem na krawędzi natarcia płaskiej płyty itp.). W tym przypadku zdecydowaliśmy się umiecić nasze siatki w płaszczyźnie X-Y wyrównane do punktów wzdłuż osi Z (Rysunek 1).</li>
 <li>W przypadku zastosowania algorytmu samokalibracji wielokamerowej 4, 5 lokalizacje celu kalibracyjnego mogą być przypadkowe, z wyjątkiem jednej lokalizacji, która musi być precyzyjnie określona w układzie współrzędnych odniesienia. Położenie punktów kalibracyjnych na tym precyzyjnie ulokowanym celu musi być znane z wysoką dokładnością. W każdej kamerze należy wykonać zdjęcie celu w każdej lokalizacji, analogicznie do Rysunku 2.</li>
 <li>Jeśli nie stosuje się algorytmu samokalibracji wielokamerowej, cel kalibracyjny musi zostać precyzyjnie umieszczony w kilku lokalizacjach w objętości pomiarowej w taki sposób, aby orientacja celu w układzie współrzędnych odniesienia była znana z wysoką dokładnością. W każdej kamerze należy wykonać zdjęcie celu w każdej z tych lokalizacji.</li>
 <li>Należy zidentyfikować punkty na celu w każdej kamerze dla każdego zdjęcia. W przypadku samokalibracji wymagane jest dopasowanie punktów obrazu między wszystkimi kamerami 5, natomiast jawne dopasowania punktów odniesienia do punktów obrazu są wymagane tylko dla punktów generowanych przez precyzyjnie ulokowany cel. W przypadku metody kalibracji z precyzyjnym przemieszczaniem celu, jawne dopasowania punktów odniesienia do punktów obrazu są wymagane dla wszystkich punktów we wszystkich kamerach.</li>
 <li>Należy zastosować wybrany algorytm kalibracyjny w celu skalibrowania wszystkich kamer. Tutaj zdecydowaliśmy się wykorzystać algorytm samokalibracji wielokamerowej 4, 5 (open source <a href="http://cmp.felk.cvut.cz/~svoboda/SelfCal/" target="_blank">http://cmp.felk.cvut.cz/~svoboda/SelfCal/</a>), a wynikowe położenia kamer względem płaszczyzn zainteresowania przedstawiono na Rysunku 3.</li>
</ol>
4. Synchronizacja czasu, wyzwalanie i zbieranie danych
<ol>
 <li>Ilościowe obrazowanie pola świetlnego z rozdzielczością czasową wymaga precyzyjnej synchronizacji wszystkich kamer i źródeł oświetlenia, często względem istotnego zdarzenia eksperymentalnego.</li>
 <li>Do wyzwalania ekspozycji kamer i sekwencji oświetlenia używa się zewnętrznego generatora impulsów. Należy zaprogramować odpowiednie sekwencje impulsów czasowych w generatorze. W przypadku eksperymentu z fałdami głosowymi stosujemy sekwencję obejmującą klatki, w której laser jest impulsowany blisko końca jednej ekspozycji kamery i na początku następnej 3.</li>
 <li>W przypadku wyzwalania zdarzeniem eksperymentalnym należy upewnić się, że odpowiedni sygnał jest generowany i wprowadzany do generatora impulsów.</li>
 <li>W przypadku wyzwalania ręcznego należy przygotować sposób uruchomienia generatora impulsów.</li>
 <li>Rozpocznij przechwytywanie danych eksperymentalnych poprzez zainicjowanie sekwencji rejestracji obrazu i oświetlenia za pomocą wybranej metody wyzwalania.</li>
 <li>Choć może się to wydawać trywialne, przy pozyskiwaniu ogromnej ilości danych związanych z eksperymentem obrazowania pola świetlnego przy użyciu wielu kamer, kluczowe jest zastosowanie dobrej konwencji nazewnictwa. Przy opracowywaniu konwencji nazewnictwa warto rozważyć, w jaki sposób dane będą wykorzystywane od momentu przechwytywania aż do końcowej analizy.</li>
</ol>
5. Refokusowanie apertury syntetycznej
<ol>
 <li>Obecnie wygenerujemy trójwymiarowy stos obrazów ogniskowych, aby stworzyć syntetycznie refokusowaną objętość. Najpierw należy zdefiniować odstępy między płaszczyznami ogniskowymi oraz całkowitą głębokość refokusowania, które zostaną zastosowane w refokusowanej objętości <img alt="Równanie pochodnych cząstkowych; δZ/δX = 1/D + Z/(Dsₒ); wzór matematyczny." fo:src="/files/ftp_upload/4325/4325eq1highres.jpg" src="/files/ftp_upload/4325/4325eq1.jpg" data-altupdatedat="1787630408000" data-alt="Równanie 1"> 1, 7. Zazwyczaj odstęp między płaszczyznami ogniskowymi ustawia się na połowę rozdzielczości głębi, a całkowita głębokość refokusowania jest określana przez obszar, w którym pokrywają się wszystkie pola widzenia kamer. Płaszczyzny ogniskowe będą prostopadłe do osi Z układu współrzędnych odniesienia.</li>
 <li>Zdefiniuj skalę, którą należy zastosować do obrazów podczas reprojekcji do objętości pomiarowej. Skala powinna być zgodna z powiększeniem surowych obrazów, aby uniknąć znaczącego nadpróbkowania lub niedopróbkucia reprojektowanych obrazów.</li>
 <li>Ustal transformacje pomiędzy każdą płaszczyzną obrazu kamery a każdą syntetyczną płaszczyzną ogniskową.</li>
 <li>Przeprowadź wstępne przetwarzanie obrazów w celu usunięcia szumów tła i wyrównania różnic w intensywności między obrazami 1, 7.</li>
 <li>Zreprojektuj obrazy na syntetyczne płaszczyzny ogniskowe, zastosuj skalę i dokonaj ponownego próbkowania obrazów. Zestaw wbudowanych funkcji programu Matlab (image processing toolbox a) może obsłużyć te zadania przy zadanych transformacjach między płaszczyznami.</li>
 <li>Na każdej syntetycznej płaszczyźnie ogniskowej zastosuj addytywny lub multiplikatywny algorytm refokusowania SA 1, 7. W zastosowaniach 3D SAPIV osiągnięto dobre wyniki przy użyciu addytywnego SA (zastosowanego tutaj w przypadku fałdów głosowych). W przypadku obrazów bąbelków z podświetleniem tylnym lepsze wyniki przyniosło multiplikatywne SA. W ramach weryfikacji zastosuj refokusowanie do jednej płaszczyzny obrazów kalibracyjnych, aby sprawdzić, czy rekonstrukcja wygląda zgodnie z oczekiwaniami.</li>
</ol>
6. Postprocessing objętościowy
<ol>
 <li>Aby oszacować pierwotne obiekty w objętości, która wygenerowała pole świetlne, wymagany jest etap przetwarzania znany jako rekonstrukcja. Istnieje wiele algorytmów, od prostego progowania intensywności 1, przez metryki ostrości oparte na gradiencie 7, aż po bardziej złożoną dekonwolucję 3D 8. Należy wybrać algorytm rekonstrukcji odpowiedni dla danego zastosowania. W przypadku PIV pomyślnie stosowano zarówno progowanie intensywności, jak i dekonwolucję 3D. W niniejszym przypadku wykorzystujemy progowanie intensywności do stworzenia stosu ogniskowych (focal stack). Dwa stosy ogniskowe z czasu 1 (t1) i czasu 2 (t2) są poddawane korelacji wzajemnej w celu utworzenia pola wektorowego. Metoda obrazowania pola świetlnego 3D z natury powoduje, że obiekty są wydłużone w wymiarze głębokości, co może wpływać na dokładność PIV; dobry algorytm rekonstrukcji dąży do zminimalizowania tego wydłużenia.</li>
 <li>Po etapie rekonstrukcji cechy w objętości mogą wymagać wyodrębnienia, aby umożliwić pomiar rozmiaru, kształtu itp. Algorytmy stosowane do ekstrakcji cech są zróżnicowane i zależą od zastosowania 7. Przykładowo, wyodrębnienie pęcherzyków wymaga metody lokalizacji cech pęcherzyków i zdefiniowania ich rozmiaru. W zastosowaniach PIV nie wyodrębniamy cząstek w sposób jawny, zatem ten krok można pominąć.</li>
 <li>W przypadku zastosowań 3D SAPIV należy podzielić objętość rekonstrukcyjną na mniejsze objętości przeszukiwania (interrogation volumes) i zastosować odpowiedni algorytm PIV oparty na korelacji wzajemnej, aby zmierzyć pole wektorowe 1, 3.</li>
</ol>
 a maketform: konstruuje transformację z płaszczyzny na płaszczyznę oraz imtransform: mapuje i ponownie próbkuje obraz na podstawie transformacji z maketform.

<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>

Nie mamy nic do ujawnienia.

Kilka etapów jest krytycznych dla prawidłowego przeprowadzenia eksperymentu obrazowania pola światła (Light Field Imaging). Wybór obiektywów oraz rozmieszczenie kamer powinny zostać starannie zaplanowane, aby zmaksymalizować rozdzielczość w objętości pomiarowej. Kalibracja jest prawdopodobnie najważniejszym krokiem, ponieważ algorytmy refokusowania SA nie będą w stanie wygenerować ostrych obrazów bez dokładnej kalibracji. Na szczęście samokalibracja wielokamerowa ułatwia precyzyjną kalibrację przy stosunkowo niewielkim nakładzie pracy. Niezbędne jest również jednorodne oświetlenie na wszystkich obrazach, zapewniające dobry kontrast między badanymi obiektami a tłem, choć przetwarzanie obrazu może w pewnym stopniu znormalizować obrazy. 
Czas synchronizacji jest również istotny podczas przeprowadzania SA w objętościach zawierających ruchome obiekty. Jeśli każda kamera nie zostanie wyzwolona do wykonania zdjęcia w tym samym czasie, rekonstrukcja obrazu będzie oczywiście niedokładna. W eksperymentach opisanych w niniejszej pracy zastosowano sekwencję czasową przedstawioną na Rysunku 7.
Zaprezentowane tutaj zastosowania trójwymiarowego obrazowania pola światła (3D Light Field Imaging) wiążą się z kompromisem w zakresie rozdzielczości przestrzennej. Na przykład 3D SAPIV pozwala na rekonstrukcję objętości cząstek z obrazów o dużym zagęszczeniu optycznym, jednak cząstki te są rozproszone w całej (potencjalnie dużej) objętości. W przypadku 2D PIV cząstki są rozproszone w cienkiej warstwie, przez co obrazy o tym samym zagęszczeniu cząstek odpowiadają znacznie większej gęstości w objętości pomiarowej. Niemniej jednak metoda 3D SAPIV pozwala na zastosowanie znacznie większych gęstości zasiań niż inne metody 3D PIV 1. Innym potencjalnym ograniczeniem jest stosunkowo duża intensywność obliczeniowa związana z metodami obrazowania pola światła; złożoność obliczeniowa jest typowa dla metod 3D rekonstrukcji opartych na obrazach, takich jak tomograficzne PIV 10.
W tym 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 za pomocą cyfrowego generatora opóźnień/impulsów Berkley Nucleonics 575 BNC. Przepływ płynu zasiało się szklanymi mikrosferami Expancel wypełnionymi helem. Mikrosfery miały średnicę średnią 70 μm i gęstość 0,15 g/cc. Udostępniamy wersje open source kodów użytych w pracy dla społeczności akademickiej za pośrednictwem naszej strony internetowej <a href="http://www.3dsaimaging.com/" target="_blank">http://www.3dsaimaging.com/</a> i zachęcamy użytkowników do przesyłania opinii oraz uczestnictwa w ulepszaniu i dostarczaniu użytecznych kodów dla społeczności zajmującej się ilościowym obrazowaniem pola światła.

wyznaczanie trójwymiarowych pól przepływu za pomocą wielokamerowego obrazowania pola światła

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

W dziedzinie mechaniki płynów rozdzielczość schematów obliczeniowych wyprzedziła metody eksperymentalne, co pogłębiło lukę między zjawiskami przewidywanymi a obserwowanymi w przepływach płynów. Istnieje zatem potrzeba opracowania przystępnej metody zdolnej do analizy trójwymiarowych (3D) zbiorów danych dla szerokiego zakresu problemów. Przedstawiamy nowatorską technikę ilościowego obrazowania 3D dla wielu typów pól przepływu. Technika 3D ta umożliwia badanie złożonych pól prędkości oraz przepływów pęcherzykowych. Pomiary tego rodzaju stawiają przed aparaturą szereg wyzwań. Na przykład optycznie gęste wielofazowe przepływy pęcherzykowe nie mogą być łatwo obrazowane za pomocą tradycyjnych, nieinwazyjnych technik pomiaru przepływu, ponieważ pęcherzyki blokują dostęp optyczny do wewnętrznych obszarów badanej objętości. Dzięki zastosowaniu obrazowania pola światła (Light Field Imaging) jesteśmy w stanie przeparametryzować obrazy zarejestrowane przez macierz kamer, aby zrekonstruować trójwymiarową mapę wolumetryczną dla każdej chwili czasowej, pomimo częściowych przesłonięć w objętości. Technika ta wykorzystuje algorytm znany jako refokusowanie syntetycznej apertury (SA), w którym stos ogniskowych 3D jest generowany poprzez łączenie obrazów z kilku kamer po zakończeniu akwizycji 1. Obrazowanie pola światła pozwala na rejestrację informacji kątowych, jak i przestrzennych dotyczących promieni świetlnych, co umożliwia trójwymiarową rekonstrukcję sceny. Informacje ilościowe mogą być następnie wyodrębniane z rekonstrukcji 3D przy użyciu różnych algorytmów przetwarzania. W szczególności opracowaliśmy metody pomiarowe oparte na obrazowaniu pola światła do przeprowadzania trójwymiarowej cyfrowej walidacji prędkości cząstek (3D PIV), wyodrębniania pęcherzyków w polu 3D oraz śledzenia krawędzi migoczącego płomienia. Przedstawiamy podstawy metodologii obrazowania pola światła w kontekście naszej konfiguracji do przeprowadzania 3DPIV przepływu powietrza nad zestawem syntetycznych fałdów głosowych oraz prezentujemy reprezentatywne wyniki zastosowania tej techniki do zanurzonego strumienia wciągającego pęcherzyki.

Wysokiej jakości surowe obrazy PIV zawierają równomiernie rozmieszczone cząstki, które wykazują wysoki kontrast na tle czarnego tła (Rysunek 4a). Aby zrekompensować nierównomierne oświetlenie obrazu, można przeprowadzić wstępne przetwarzanie obrazu w celu usunięcia jasnych obszarów, dostosowania kontrastu i normalizacji histogramów intensywności we wszystkich obrazach ze wszystkich kamer (Rysunek 4b). Gdy eksperyment zostanie przeprowadzony z odpowiednią gęstością cząstek i wykonana zostanie dokładna kalibracja, obrazy refokusowane metodą SA wykażą cząstki w ostrości na każdej płaszczyźnie głębokości (Rysunek 5). Jeśli objętość pomiarowa jest zbyt gęsto wypełniona cząstkami, stosunek sygnału do szumu (SNR) w obrazach refokusowanych będzie niski, co utrudni rekonstrukcję cząstek. Obrazy refokusowane metodą SA z dobrym SNR można poddać progowaniu, aby zachować cząstki w ostrości na każdej płaszczyźnie głębokości. Rysunek 6 przedstawia dwa obrazy po progowaniu z dwóch kroków czasowych na płaszczyźnie głębokości Z = -10.6 mm. Prprogowana objętość jest następnie dzielona na objętości analizy, które zawierają odpowiednią liczbę cząstek do przeprowadzenia PIV 3. Zastosowanie algorytmu 3DPIV do podzielonej objętości pozwala uzyskać pole prędkości płynu pokazane na Rysunku 7; w tym przypadku jest to pole przepływu indukowanego przez model fałdy głosowej. Prędkość pola przepływu poza strumieniem jest bardzo mała, dlatego poza tym obszarem widocznych jest bardzo mało wektorów. W t = 0 msec fałda głosowa jest zamknięta i w polu występuje bardzo mała prędkość. Największa prędkość w strumieniu w t = 1 msec jest skierowana w dodatnim kierunku y i maleje w przedziale od t = 2 do 4 msec. Fałda zamyka się w t = 5 msec, zmniejszając prędkość strumienia, po czym cykl się powtarza. Obrazy te nie charakteryzują się taką samą gładkością jak u wielu poprzednich autorów 9, którzy przedstawiają do 100 obrazów uśrednionych, ponieważ każde zaprezentowane pole prędkości reprezentuje pojedynczy moment w czasie. Jako punkt odniesienia, poprzednie symulacje wykazały, że typowe błędy obliczonych prędkości wynoszą od 5-10% dla każdej składowej prędkości, co obejmuje błąd samego algorytmu PIV 1; w przypadku stosowanego przez nas algorytmu (MatPIV 11 dostosowany do 3D), błąd ten jest znany jako wysoki w stosunku do innych kodów.
Przepływy pęcherzykowe to kolejna dziedzina zainteresowań naukowych, która może skorzystać z możliwości obrazowania 3D oferowanych przez Light Field Imaging. Technikę SA można w podobny sposób zastosować do pól przepływu pęcherzykowego, zastępując światło laserowe rozproszonym białym podświetleniem tła, co pozwala uzyskać obrazy takie jak przedstawiony na Ryc. 8a, gdzie krawędzie pęcherzyków wydają się ciemne na białym tle. Po samokalibracji można zastosować multiplikatywny wariant algorytmu SA, aby uzyskać stos ogniskowy, w którym pęcherzyki są ostro skupione w płaszczyźnie głębokości odpowiadającej ich położeniu i rozmyte na innych płaszczyznach, co pokazano na Ryc. 8b-d 7. Proste progowanie nie jest odpowiednią metodą wyodrębniania pęcherzyków; zamiast tego stosuje się szereg zaawansowanych algorytmów ekstrakcji cech, zgodnie ze szczegółami opisanymi w 7.
<img src="/files/ftp_upload/4325/4325fig1.jpg" alt="Układ kamery wysokiej prędkości do analizy drgań fałdów głosowych; wielokątowy system obrazowania." data-altupdatedat="1787630408000" data-alt="Rysunek 1"> 
Rysunek 1. Obraz kamer i fałdów głosowych z etykietami i układem współrzędnych.
<img src="/files/ftp_upload/4325/4325fig2.jpg" alt="Zniekształcenie wzoru szachownicy; analiza perspektywy; schemat procesu kalibracji; geometria optyczna." data-altupdatedat="1787630408000" data-alt="Rycina 2"> 
Rycina 2. Siatka kalibracyjna przy Z = 0 mm widziana z wszystkich 8 kamer.
<img src="/files/ftp_upload/4325/4325fig3.jpg" alt="Graficzna walidacja wyników: wyrównowany wykres danych z analizą widoku z góry; punkty danych i wektory." fo:content-width="2.5in" fo:src="/files/ftp_upload/4325/4325fig3highres.jpg" data-altupdatedat="1787630408000" data-alt="Rysunek 3"> 
Rysunek 3. Widok z góry ustawienia kamer z wyniku autokalibracji wielokamerowej. Kamery 1-8 są oznaczone numerami i okręgami, a ich ogólny kierunek widzenia jest wskazany linią. Czerwona plama w pobliżu początku układu współrzędnych to w rzeczywistości ponad 400 punktów z siatki kalibracyjnej dla każdej głębokości Z, naniesionych w 3D względem kamer.
<img src="/files/ftp_upload/4325/4325fig4.jpg" alt="Analiza mikroskopowa rozkładu cząstek, obrazowanie fluorescencyjne, wyniki eksperymentu, porównanie danych." data-altupdatedat="1787630408000" data-alt="Rycina 4"> 
Rycina 4. Surowe obrazy pola cząstek widziane z kamery nr 6 w czasie t1 i t2 (a i b). Te same obrazy po wstępnym przetwarzaniu (c i d).
<img src="/files/ftp_upload/4325/4325fig5.jpg" alt="Obrazowanie ultradźwiękowe; analiza tkanek; schemat porównawczy; techniki obrazowania medycznego; wzorce echa." data-altupdatedat="1787630408000" data-alt="Rysunek 5"> 
Rysunek 5. Od lewej do prawej: Surowe refokusowane obrazy SAPIV na głębokościach (a) Z = -5.9 mm, (b) -10.6 mm oraz (c) -15.3 mm.
<img src="/files/ftp_upload/4325/4325fig6.jpg" alt="Dwa obrazy mikroskopowe przedstawiające gwiazd kosztowate rozmieszczenie cząsteczek na ciemnym tle; część (a) i (b)." data-altupdatedat="1787630408000" data-alt="Rysunek 6"> 
Rysunek 6. Obrazy po progowaniu w krokach czasowych (a) t1 i (b) t2 przy Z = -10.6 mm. 
<img src="/files/ftp_upload/4325/4325fig7.jpg" alt="Trójwymiarowe pola prędkości, schematy dynamiki płynów w czasie w płaszczyznach x-y, z-y, analiza gradientu prędkości." fo:content-width="5.25in" fo:src="/files/ftp_upload/4325/4325fig7highres.jpg" data-altupdatedat="1787630408000" data-alt="Rysunek 7"> 
Rysunek 7. Trójwymiarowe pole wektorowe strumienia wytworzonego przez syntetyczne fałdy głosowe dla 6 kroków czasowych. Po lewej stronie przedstawiono widok izometryczny całego trójwymiarowego pola prędkości. Przekroje płaszczyzn x-y i y-z wykonano przez środek fałdu głosowego, zgodnie z oznaczeniami nad każdą kolumną.
<img src="/files/ftp_upload/4325/4325fig8.jpg" alt="Dynamika pęcherzyków, kolejne klatki, mechanika płynów, wzorzec cyrkulacji, detekcja cząstek, schemat." data-altupdatedat="1787630408000" data-alt="Rysunek 8"> 
Rysunek 8. Od lewej do prawej: Surowy obraz pola przepływu pęcherzykowego z macierzy kamer oraz obrazy po refokusowaniu na głębokościach (b) Z = -10 mm, (c) 0 mm oraz (d) 10 mm. Okrąg zaznacza pęcherzyk znajdujący się w płaszczyźnie głębokości Z = -10 mm, który znika z widoku na innych płaszczyznach. Szczegóły eksperymentów z pęcherzykami można znaleźć w 4.

Przedstawiono technikę wykonywania ilościowego obrazowania trójwymiarowego (3D) dla różnych rodzajów przepływów płynów. Wykorzystując koncepcje z zakresu obrazowania pola światła (Light Field Imaging), rekonstruujemy objętości 3D z zestawów obrazów. Nasze wyniki 3D obejmują szeroki zakres danych, w tym pola prędkości oraz wielofazowe rozkłady wielkości pęcherzyków.

Wyznaczanie trójwymiarowych pól przepływu za pomocą wielokamerowego obrazowania pola światła

W dziedzinie mechaniki płynów rozdzielczość schematów obliczeniowych wyprzedziła metody eksperymentalne, co pogłębiło lukę między przewidywaniami a...

Ogólnym celem następującego filmu jest przedstawienie przeglądu trójwymiarowej techniki obrazowania, która pozwala na uzyskanie 3D pola prędkości. Jest to osiągane poprzez wykorzystanie skalibrowanych kamer do zgromadzenia obrazów niezbędnych do próbkowania pola światła. W drugim kroku następuje reparametryzacja pola światła, co pozwala na wygenerowanie stosu obrazów o różnej ogniskowej, tworzących trójwymiarową reprezentację pola przepływu.Następnie stos stosu ogniskowych zostaje poddany postprocesowi z wykorzystaniem algorytmu korelacji wzajemnej w celu uzyskania wektorów trójwymiarowego pola prędkości. Wyniki przedstawiają rozdzielone w czasie 3D pole przepływu w śladzie wibrującego syntetycznego modelu fałdu głosowego, który posłużył jako układ testowy. Wyniki przedstawiono również dla techniki zastosowanej do pola pęcherzyków.Można kontynuować. Główną zaletą tej techniki w porównaniu z istniejącymi metodami jest możliwość pomiarów w objętościach zawierających więcej cząstek, pęcherzyków lub kropel. Metoda ta może dostarczyć wiedzy na temat przepływów płynów i może zostać rozszerzona na inne zastosowania, takie jak pomiar kształtu płomienia i roli, jaką prędkość odgrywa w spalaniu, a nawet pomiar zbiorowego zachowania grup zwierząt, na przykład stad ptaków.Zazwyczaj osoby rozpoczynające pracę z tą techniką napotykają trudności ze względu na przytłaczającą ilość danych, jednak uważamy, że opracowaliśmy praktyczny podręcznik stosowania tej metody. Wizualna demonstracja tej metody jest kluczowa, ponieważ konfiguracja kamery i kalibracji znacząco różni się od podejścia z wykorzystaniem pojedynczej kamery. Eksperymenty te przeprowadzimy w laboratorium Biofluids na BYU, należącym do dr. Scotta Thompsona, z pomocą jego doktoranta, Jessego Daleya.Pierwszym krokiem jest określenie wielkości objętości pomiarowej, a także rozdzielczości czasowej i przestrzennej wymaganej do zbadania eksperymentu przepływu płynu. W niniejszym przypadku metoda zostanie wykorzystana do przeprowadzenia trójwymiarowej syntetycznej obrazowania cząstek z aperturą syntetyczną (3D synthetic aperture particle image) w celu analizy symetrii strat w przepływie powietrza wywołanym przez syntetyczną fałdę głosową. Objętość pomiarowa wynosi 50 na 50 na 25 mm³, a najkrótsze rejestrowane skale czasowe wynoszą 10 µs.Następnie należy oszacować gęstość optyczną, jaka wystąpi w eksperymencie, aby określić liczbę kamer niezbędnych do wygenerowania obrazów refokusowania o dobrym stosunku sygnału do szumu. Wyższe gęstości zasiewu wymagają w tym przypadku większej liczby kamer w obrazie cząstek. W przypadku eksperymentów z symetrią O należy również obliczyć liczbę cząstek na piksel. Zamontuj kamery w konfiguracji macierzowej na ramie w taki sposób, aby każda kamera mogła obserwować objętość pomiarową z różnych punktów widzenia.Następnie ustaw odstępy między pozostałymi kamerami w matrycy. Większy odstęp między kamerami poprawia rozdzielczość przestrzenną w wymiarze głębokości kosztem całkowitej rozdzielczej głębokości. Do przechwytywania danych.W celu wizualizacji podłącz kamery do centralnego komputera. Umieść cel wizualny, taki jak siatka kalibracyjna, w centrum objętości pomiarowej. Używając obrazu z centralnej kamery układu jako punktu odniesienia, przesuń całą ramę układu bliżej lub dalej od objętości pomiarowej, aby uzyskać pożądany kąt powiększenia lub ustaw kamery w taki sposób, aby cel wizualny w centrum objętości pomiarowej znajdował się w przybliżeniu w środku obrazu z każdej kamery.Przy całkowicie otwartych przysłonach w każdym obiektywie kamery, ustaw ostrość każdej kamery na cel wizualny. Umieść tarczę kalibracyjną z tyłu objętości pomiarowej. Upewnij się, że tarcza znajduje się w polu widzenia każdej kamery.Jeśli tak nie jest, należy ponownie dostosować odległość między kamerami a objętością pomiarową i/lub odstęp między kamerami. Postąp analogicznie z tarczą kalibracyjną znajdującą się z przodu objętości i powtarzaj czynność do momentu, aż przednia i tylna część będą widoczne we wszystkich kamerach.Przymykaj przysłonę każdej kamery, aż obiekt zostanie wyostrzony. W przypadku umieszczenia obiektu w dowolnym punkcie objętości pomiarowej każdej z kamer, przy przymkniętej przysłonie może być wymagane dodatkowe oświetlenie. W pierwszej kolejności należy dobrać odpowiednią metodę oświetlenia objętości pomiarowej, w zależności od konkretnej metody pomiarowej stosowanej do badania pola przepływu.W tym pokazie wykorzystano laser dwupulsacyjny o częstotliwości 1000 Hz. Należy użyć soczewek optycznych, aby uformować wiązkę lasera w objętość światła obejmującą objętość pomiarową. Na koniec, po przygotowaniu do zbierania danych, należy wprowadzić do objętości cząstki śledzące odpowiednie do techniki Particle Image Velocimetry (PIV).Pomiary symetrii opisane w literaturze przedmiotu. Jako ogólną zasadę, gęstość obrazu od 0,05 do 0,15 cząsteczek na piksel jest odpowiednia dla większości eksperymentów z ośmioma lub większą liczbą kamer. Przy stałej liczbie kamer liczba cząsteczek na piksel ulega zmniejszeniu.Dla większych wymiarów głębokości objętości. Kluczowym etapem jest kalibracja. Można ją przeprowadzić z użyciem lub bez użycia cząsteczek znacznika.W przypadku zastosowania algorytmu samokalibracji wielokamerowej, jak w niniejszej demonstracji, należy ustanowić układ współrzędnych odniesienia w objętości pomiarowej. Tutaj siatka kalibracyjna jest umieszczona w centrum fałdy głosowej w stałej orientacji względem układu współrzędnych odniesienia; jako cel kalibracyjny należy wykorzystać obiekt o znanej geometrii. W tym przypadku położenia siatki kalibracyjnej w algorytmie samokalibracji wielokamerowej lub pozycje celów kalibracyjnych mogą być przypadkowe, z wyjątkiem jednego, który jest precyzyjnie kontrolowany.Ustanawia to układ współrzędnych odniesienia. W każdej kamerze należy zarejestrować obraz celu w każdej lokalizacji. Zidentyfikuj punkty na celu w każdej kamerze. W przypadku każdego obrazu wykorzystywanego do autokalibracji, każdy zidentyfikowany punkt na celu musi znajdować się na obrazie wykonanym przez każdą z kamer.Jednakże jawne określenie położenia punktów w układzie współrzędnych odniesienia jest wymagane jedynie dla punktów powiązanych z precyzyjnie zlokalizowanym celem. Aby pozyskać dane do ilościowego obrazowania pola światła z rozdzielczością czasową, wszystkie kamery i źródła oświetlenia muszą być dokładnie zsynchronizowane. W tym doświadczeniu do wyzwalania ekspozycji kamer i sekwencji oświetlenia wykorzystuje się zaprogramowany zewnętrzny generator impulsów.Przygotuj się do zgromadzenia dużej ilości danych, uwzględniając odpowiednie nazewnictwo plików danych. Rozpocznij rejestrację danych eksperymentalnych, upewniając się, że cząstki znacznika przepływają, a następnie uruchom sekwencję przechwytywania obrazu i oświetlenia za pomocą wybranej metody wyzwalania. Aby uzyskać syntetycznie refokusowaną objętość do zbierania danych, wygeneruj trójwymiarowy stos ogniskowych (3D focal stack).Aby to osiągnąć, należy zdefiniować odstępy między płaszczyznami ogniskowymi oraz całkowitą głębokość refokusowania w wolumenie refokusowanym. Jak wyjaśniono w literaturze, zazwyczaj płaszczyznę ogniskową ustawia się na połowę rozdzielczości głębokości, a całkowita głębokość refokusowania jest określona przez obszar, w którym nakładają się wszystkie pola widzenia kamery. Płaszczyzny ogniskowe będą prostopadłe do osi Z układu współrzędnych odniesienia.W tym przypadku odstęp między płaszczyznami ogniskowymi wynosi około 0,16 milimetra, a całkowita głębokość ponownego ogniskowania 20 milimetrów, co po przetwarzaniu daje około 128 rozdzielonych płaszczyzn ogniskowych; należy przeprowadzić wstępne przetwarzanie obrazów w celu redukcji szumów tła i wyrównania różnic w intensywności między obrazami. Należy ustalić transformacje między każdą kamerą, płaszczyzną obrazu a każdą syntetyczną płaszczyzną ogniskową. Następnie należy reprojektować obrazy na syntetyczne płaszczyzny ogniskowe.Zastosuj skalowanie i przeprowadź ponowne próbkowanie obrazów. Można to wykonać w programie Matlab. Mając do dyspozycji transformacje między płaszczyznami, zastosuj addytywny lub multiplikatywny algorytm refokusowania syntetycznej apertury dla każdej syntetycznej płaszczyzny ogniskowej.W ramach weryfikacji należy zastosować ponowne ogniskowanie do jednej płaszczyzny obrazów kalibracyjnych, aby sprawdzić, czy rekonstrukcja przebiega zgodnie z oczekiwaniami. Po zastosowaniu metody addytywnej do jednej z płaszczyzn kalibracyjnych przy z równym 13.3 mm, obraz staje się ostry i traci ostrość podczas przechodzenia przez stos ostrości od tyłu do przodu. Na koniec prezentujemy ostrość na każdej płaszczyźnie kalibracyjnej, wykorzystując obrazy po ponownym ogniskowaniu po lewej stronie oraz obraz z siatki kalibracyjnej z kamery centralnej po prawej stronie.Po ponownym ustawieniu ostrości na wszystkich wybranych płaszczyznach należy przetworzyć obrazy w celu usunięcia szumu powstałego podczas tej operacji; należy zastosować progowanie w oparciu o histogramy intensywności obrazów po ustawieniu ostrości, aby zachować cząstki znajdujące się w polu ostrości. Następnie obrazy po progowaniu należy nałożyć na siebie, tworząc wolumen w procesie zwanym rekonstrukcją. Po rekonstrukcji z wolumenu można zebrać dane ilościowe.Poniżej przedstawiono przykład wysokiej jakości surowego obrazu cząstek dla straty oraz obrazy symetrii z jednej kamery. Obrazy te zawierają równomiernie rozmieszczone cząstki, które wykazują wysoki kontrast na czarnym tle. Jest to wynik eksperymentu z odpowiednim zasiewem cząstek i dokładną kalibracją.Obraz z refokusowaniem syntetyczną aperturą ukazuje w ostrości cząstki na każdej płaszczyźnie głębokości; od lewej do prawej widoczne są obrazy na głębokościach minus siedmiu milimetrów, zero milimetrów oraz siedmiu milimetrów. Wykorzystanie tych danych wymaga etapu przetwarzania zwanego rekonstrukcją. W tym przypadku zastosowano progowanie intensywności w celu zachowania w ostrości cząstek na każdej płaszczyźnie głębokości.Następnie płaszczyzny ogniskowe są nakładane w celu stworzenia objętości. Obrazy na tej samej głębokości są przedstawione w dwóch różnych momentach czasowych. Objętość progowa może następnie zostać przekazana do objętości przesłuchujących, które zawierają odpowiednią liczbę cząstek do przeprowadzenia pomiaru prędkości obrazu cząstek.Jest to przykład przykładowych danych zebranych dla trójwymiarowego pola wektorowego strumienia powstałego w wyniku działania syntetycznych fałdów głosowych dla kilku kroków czasowych. Po lewej stronie przedstawiono asymetryczny widok całego trójwymiarowego pola prędkości w każdym punkcie czasowym. W środkowej części pokazano przekroje płaszczyzny XY dla Z równego 5 mm oraz przekroje płaszczyzny YZ.Po prawej stronie pokazano obraz dla X równym 14 milimetrów w czasie t równym zero milisekund. Fałd głosowy jest zamknięty, a w polu występuje bardzo mała prędkość. Największa prędkość w strumieniu w pierwszej milisekundzie kieruje się w dodatnim kierunku szerokości i zmniejsza swoją intensywność od drugiej do czwartej milisekundy.Fałda zamyka się w piątej milisekundzie, co zmniejsza prędkość strumienia, a następnie cykl zostaje powtórzony. Dane te przedstawiają pole prędkości w pojedynczym momencie czasowym, w przeciwieństwie do wartości średniej, która jest zazwyczaj prezentowana. Innym zastosowaniem obrazowania pola świetlnego są przepływy pęcherzykowe.Przedstawiono tutaj pole pęcherzyków powstałe w wyniku wciągania powietrza przez strumień uderzający w powierzchnię wody. Zatrzymanie wideo w jednym momencie pozwala na zmianę ostrości obrazu na różnych płaszczyznach głębokości, co umożliwia obserwację pęcherzyków wchodzących i wychodzących z obszaru ostrości.Ten obraz statyczny przedstawia, od lewej do prawej, surowy obraz pola przepływu pęcherzykowego z macierzy kamer oraz obrazy po refokusowaniu na głębokościach minus 10 milimetrów, zero milimetrów i 10 milimetrów. Okrąg zaznacza pęcherzyk znajdujący się w płaszczyźnie głębokości minus 10 milimetrów, który znika z pola widzenia w pozostałych płaszczyznach. Po opanowaniu metody kalibracja i przechwytywanie danych mogą być zazwyczaj przeprowadzone w ciągu około czterech godzin, a syntetyczne refokusowanie przechwyconych danych w około 12 godzin podczas wykonywania tej procedury. Ważne jest zachowanie dużej organizacji, ponieważ procedura składa się z wielu etapów i wiąże się z zebraniem znacznej ilości danych.Po zastosowaniu tej procedury bogate zestawy danych można analizować w celu uzyskania fizycznych odpowiedzi na szereg pytań, takich jak na przykład: jakie są rozkłady wielkości pęcherzyków w przepływach wielofazowych? Technika ta utoruje drogę badaczom z dziedzin takich jak biologia fizyczna, umożliwiając im badanie dynamiki płynów podczas lotu motyla lub trójwymiarowej struktury stad ptaków. Po obejrzeniu tego filmu powinni Państwo posiadać solidną wiedzę na temat tego, jak prawidłowo ustawić kamery do obrazowania pola światła, precyzyjnie je skalibrować, przeprowadzić syntezę apertury obrazów w oprogramowaniu oraz wykorzystać dane wolumetryczne do dalszego przetwarzania.W celu uzyskania kodów przykładowych, zestawów danych oraz informacji dotyczących samouczków, prosimy o odwiedzenie naszej strony internetowej. Proszę pamiętać, że współpraca z Tad Truscottem może być niezwykle niebezpieczna, dlatego należy zawsze zachować pełne środki ostrożności, takie jak noszenie kamizelki kuloodpornej podczas pracy w jego laboratorium.

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

Research

JoVE Journal

Engineering

Inżynieria

Określanie pól przepływu 3D za pomocą wielokameralnej techniki obrazowania pola świetlnego

Niniejszy protokół zawiera instrukcje dotyczące obsługi autonomicznego urządzenia do pomiaru prędkości przepływu pod wodą (SCUVA), które zostało zaprojektowane do kwantyfikacji przepływów generowanych przez zwierzęta in situ. Ponadto protokół ten odnosi się do wyzwań wynikających z warunków terenowych, w tym do ruchów operatora, przewidywania pozycji zwierząt oraz orientacji urządzenia SCUVA.

Ilościowy pomiar przepływów in situ przy użyciu autonomicznego urządzenia do podwodnej welocymetrii (SCUVA)

Prezentujemy nieniszczącą metodę próbkowania zmienności przestrzennej w kierunku światła rozproszonego z materiałów strukturalnie złożonych. Utrzymując materiał w stanie nienaruszonym, zachowujemy rozpraszanie w skali grubej, jednocześnie rejestrując precyzyjne wkłady kierunkowe za pomocą obrazowania o wysokiej rozdzielczości. Wyniki są wizualizowane w oprogramowaniu w biologicznie istotnych pozycjach i skalach.

Pomiar przestrzennego i kierunkowego rozpraszania światła od materiału biologicznego

Dwukamerowe systemy podziału emisji dla dwukolorowej mikroskopii fluorescencyjnej generują sekwencje obrazów w czasie rzeczywistym z wyjątkową rozdzielczością optyczną i czasową, co jest wymogiem niektórych testów żywych komórek, w tym testów adhezji w komorze z równoległym przepływem płytkowym. Gdy oprogramowanie jest używane do łączenia obrazów z jednocześnie pozyskanych kanałów emisji, tworzone są pseudokolorowe sekwencje obrazów.

Jednoczesne przechwytywanie obrazów w czasie rzeczywistym w dwóch kanałach emisyjnych za pomocą systemu podziału emisji z dwiema kamerami: Zastosowania adhezji komórek

Mikroskopia konfokalna służy do obrazowania spoczynkowych i przepływających mieszanin koloidowo-polimerowych, które są badane jako układy modelowe dla atrakcyjnych zawiesin. Algorytmy analizy obrazu służą do obliczania wskaźników strukturalnych i dynamicznych dla cząstek koloidalnych, które mierzą zmiany spowodowane ograniczeniem geometrycznym.

Obrazowanie konfokalne ograniczonych mieszanin koloidalno-polimerowych w stanie spoczynku i przepływu

Biofilmy mają złożone interakcje z otaczającym je środowiskiem. Aby kompleksowo zbadać interakcje biofilm - środowisko, przedstawiamy tutaj szereg metod tworzenia heterogenicznego środowiska chemicznego do rozwoju biofilmu, ilościowego określania lokalnej prędkości przepływu oraz analizy transportu masowego w koloniach biofilmu i wokół nich.

Metody charakteryzowania współrozwoju biofilmu i heterogeniczności siedlisk

Używamy druku 3D do wytwarzania anizotropowych cząstek w kształcie waletów, krzyżyków, tetrad i triad, których wyrównanie i rotacje w turbulentnym przepływie płynu mogą być mierzone na podstawie wielu jednoczesnych obrazów wideo.

Metody pomiaru orientacji i szybkości rotacji cząstek wydrukowanych w 3D w turbulencji

Trójwymiarowy system prędkości śledzenia cząstek (3D-PTV) oparty na szybkiej kamerze z czterostopniowym rozdzielaczem jest opisany tutaj. Technika ta jest stosowana do strumienia strumienia z okrągłej rury w pobliżu dziesięciu średnic w dół rzeki pod numerem Reynoldsa Re ≈ 7000.

Trójwymiarowa prędkość śledzenia cząstek do zastosowań turbulencyjnych: przypadek przepływu strumieniowego

Aby zbadać prędkości przepływu i kierunkowość aktyny nitkowatej w synapsie immunologicznej limfocytów T, obrazowanie super-rozdzielcze żywych komórek jest połączone z całkowitą fluorescencją wewnętrznego odbicia i określone ilościowo za pomocą czasoprzestrzennej spektroskopii korelacji obrazu.

Korowy przepływ aktyny w limfocytach T określony ilościowo za pomocą czasoprzestrzennej spektroskopii korelacji obrazów danych z mikroskopii oświetlenia strukturalnego

Technika opisana tutaj oferuje tanią i stosunkowo prostą metodę jednoczesnego pomiaru kinematyki cząstek i turbulencji w przepływach o niskich stężeniach cząstek. Turbulencje są mierzone za pomocą prędkości obrazu cząstek (PIV), a kinematyka cząstek jest obliczana na podstawie obrazów uzyskanych za pomocą szybkiej kamery w nakładającym się polu widzenia.

Jednoczesny pomiar turbulencji i kinematyki cząstek z wykorzystaniem technik obrazowania przepływowego

Celem protokołu jest umożliwienie wizualizacji szczegółowych pól przepływu oraz określenie naprężeń bliskich granicy ścinania i normalnych w równowagowym otworze płuczkowym wywołanym przez wibrujący rurociąg.

Wizualizacja pola przepływu wokół rurociągu wibracyjnego w obrębie równowagowego otworu płuczącego

Poznaj metodę obrazowania pola świetlnego do rekonstrukcji trójwymiarowych pól prędkości płynów z użyciem skalibrowanych kamer. Technika umożliwia pomiary w objętościach o wysokiej gęstości cząstek i bąbelków.

Wyznaczanie trójwymiarowych pól przepływu za pomocą wielokamerowego obrazowania pola światła

Przeglądaj więcej filmów