Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove

Engineering

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

doi: 10.3791/4325 Published: March 6, 2013

Summary

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.

Abstract

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.

Protocol

Ein. 3D Light Field Imaging-Setup

  1. Starten durch Bestimmung der Größe des Meßvolumens sowie die zeitliche und räumliche Auflösung für die Untersuchung der Fluidströmung Experiment untersucht erforderlich.
  2. 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.
  3. Montieren der Kameras in einer Feldanordnung auf einem Rahmen, so dass jede Kamera das Meßvolumen aus unterschiedlichen Blickwinkeln betrachten.
  4. Befestigen Sie die Kamera an einen zentralen Computer zur Datenerfassung und-Anzeige.
  5. 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.
  6. Platzieren ein visuelles Zielobjekt (wie eine Kalibrierung Gitter) im Zentrum des Messvolumens.
  7. 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.
  8. 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 Gleichung 1 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.
  9. Abzuwinkeln alle Kameras, so dass der visuelle Zielobjekt im Zentrum des Messvolumens etwa in jedem Kamerabild zentriert.
  10. Mit den Öffnungen vollständig offen an jeder Kameraobjektivs Fokussieren jedes Kamera auf der visuellen Zielobjekts.
  11. 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).
  12. Schließen Sie die Blende für jede Kamera bis das Ziel im Fokus jede Kamera.
  13. 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.

2. Volume Illumination-Setup

  1. 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.
  2. 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.
  3. Verwenden optischer Linsen, um den Laserstrahl in ein Volumen, das das Licht Messvolumen deckt bilden.
  4. 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.

3. Kamera Array Kalibrierung

  1. 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.
  2. 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.
  3. 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.
  4. 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.
  5. 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.
  6. 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 http://cmp.felk.cvut.cz/ ~ svoboda / SelfCal / ) und die daraus resultierenden Kamera Positionen relativ zu den Ebenen von Interesse sind in 3 gezeigt.

4. Timing, Triggerung und Data Collection

  1. Quantitative erfordert zeitaufgelöste Lichtfeld Bildgebung alle cameras und Beleuchtungsquellen genau synchronisiert werden, oft zu einem relevanten experimentellen Veranstaltung.
  2. 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.
  3. Falls Auslösung von einem experimentellen Fall sicherzustellen, dass ein entsprechendes Signal erzeugt wird und in den Impulseinspeisungspunkt Generator.
  4. Bei manueller Auslösung Vorkehrungen für die Auslösung der Impulsgeber.
  5. Beginnen Sie mit dem experimentellen Datenerfassung durch die Einleitung des Kamera-Capture und Beleuchtung Sequenz über die gewählte Triggerung Methode.
  6. 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.

5. Synthetic Aperture Neuausrichtung

  1. 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 Gleichung 1 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.
  2. 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.
  3. Stellen Sie Transformationen zwischen jeder Kamera Bildebene und jedes synthetische Brennebene.
  4. Führen Bildvorverarbeitung, um Hintergrundgeräusche zu entfernen und für die Unterschiede in der Intensität zwischen den Bildern 1, 7 unterzubringen.
  5. 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.
  6. 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.

    6. Volume Post-Processing

    1. 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.
    2. 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.
    3. 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.

    a maketform: konstruiert eine Ebene zu Ebene Transformation & imtransform: Karten und Resampling ein Bild auf die Umwandlungen von maketform basiert.

Representative Results

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.

Abbildung 1
Abbildung 1. Das Bild der Kameras und Stimmlippen mit Etiketten und Koordinatensystem.

Abbildung 2
Abbildung 2. Calibration Grid bei Z = 0 mm, wie aus allen 8 Kameras gesehen.

Abbildung 3
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.

Abbildung 4
Abbildung 4. Rohbilder des Teilchens Feld von der Kamera # 6 bei T 1 und T 2 (a & b) angesehen. Gleichen Bilder nach Vorbehandlung (c & d).

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.

Abbildung 6
Abbildung 6. Thresholded Bilder zum Zeitpunkt der Schritte (a) t 1 und (b) t 2 bei Z = -10,6 mm.

Abbildung 7
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.

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.

Discussion

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 http://www.3dsaimaging.com/ und wir ermutigen Benutzer geben Sie uns Feedback und beteiligen sich an der Verbesserung und liefert nützliche Codes für die quantitative Lichtfeld Gemeinschaft.

Disclosures

Wir haben nichts zu offenbaren.

Acknowledgments

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.

References

  1. Belden, J., Truscott, T. T., Axiak, M., Techet, A. H. Three-dimensional synthetic aperture particle imaging velocimetry. Measurement Science and Technology. 21, (12), 125403 (2010).
  2. Wilburn, B., Joshi, N., Vaish, V., Talvala, E. -V., Antunez, E., Barth, A., Adams, A., Horowitz, M., Levoy, M. High performance imaging using large camera arrays. ACM Trans. Graph. 24, 765-776 (2005).
  3. Raffel, M., Willert, C., Wereley, S., Kompenhaus, J. Particle image velocimetry - A Practical Guide. Springer-Verlag. Berlin. (2007).
  4. Belden, J. Auto-Calibration of Multi-Camera Systems with Refractive Interfaces. Experiments in Fluids. In Review (2013).
  5. Svoboda, T., Martinec, M., Pajdla, T. A convenient multi-camera self-calibration for virtual environments. PRESENCE: Teleoperators and Virtual Environments. 14, (4), 407-422 (2005).
  6. 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).
  7. Belden, J., Ravela, S., Truscott, T. T., Techet, A. H. Three-Dimensional Bubble Field Resolution Using Synthetic Aperture Imaging: Application to a Plunging Jet. Experiments in Fluids. Accepted (2012).
  8. Levoy, M., Ng, R., Adams, A., Footer, M., Horowitz, M. Light field microscopy. ACM Transactions on Graphics. 25, (3), (2006).
  9. Triep, M., Brücker, C. Three-dimensional nature of the glottal jet. Journal of the Acoustical Society of America. 127, 1537-1547 (2008).
  10. Elsinga, G., Scarano, F., Wieneke, B., van Oudheusden, B. Tomographic particle image velocimetry. Experiments in Fluids. 41, 933-947 (2006).
  11. MatPIV [Internet]. Available from: http://folk.uio.no/jks/matpiv/index2.html (2004).
Ermittlung 3D Flow Felder via Multi-Kamera-Light Field Imaging
Play Video
PDF DOI

Cite this Article

Truscott, T. T., Belden, J., Nielson, J. R., Daily, D. J., Thomson, S. L. Determining 3D Flow Fields via Multi-camera Light Field Imaging. J. Vis. Exp. (73), e4325, doi:10.3791/4325 (2013).More

Truscott, T. T., Belden, J., Nielson, J. R., Daily, D. J., Thomson, S. L. Determining 3D Flow Fields via Multi-camera Light Field Imaging. J. Vis. Exp. (73), e4325, doi:10.3791/4325 (2013).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
simple hit counter