Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove

Engineering

Bestemme 3D strømningsfelt via Multi-kamera lysfeltet Imaging

doi: 10.3791/4325 Published: March 6, 2013

Summary

En teknikk for å utføre kvantitativ tre-dimensjonale (3D) avbildning for en rekke væskestrømninger presenteres. Bruke begreper fra området of Light Felt Imaging, rekonstruere vi 3D volumer fra matriser med bilder. Våre 3D resultater spenner over et bredt spekter, inkludert hastighet felt og multi-fase boblestørrelse distribusjoner.

Abstract

Innen fluidmekanikk, har oppløsningen av komputasjonelle ordninger outpaced eksperimentelle metoder og utvidet gapet mellom predikerte og observerte fenomener i væskestrømninger. Således eksisterer et behov for en tilgjengelig metode kan løse tre-dimensjonale (3D) datasett for en rekke problemer. Vi presenterer en ny teknikk for å utføre kvantitativ 3D avbildning av mange typer strømningsfelt. 3D teknikken gjør etterforskning av kompliserte hastighet felt og latter strømmer. Målinger av disse typer presentere en rekke utfordringer til instrumentet. For eksempel kan optisk tette sprudlende flerfasestrømninger ikke lett avbildes av tradisjonelle, ikke-invasive flyt måleteknikker grunnet bobler tilstoppes optisk adgang til de indre områder av volumet av interesse. Ved å bruke lys feltet Imaging er vi i stand til å reparameterize bilder tatt av en rekke kameraer for å rekonstruere en 3D volumetrisk kart for hver gang eksempel, til tross forpartielle okklusjoner i volumet. Teknikken gjør bruk av en algoritme kjent som syntetisk apertur (SA) refokusering, hvorved en 3D fokal stabel genereres ved å kombinere bilder fra flere kameraer etter fange en. Lysfeltet Imaging tillater fangst av kantete samt romlig informasjon om lysstrålene, og dermed muliggjør 3D-scene gjenoppbygging. Kvantitativ informasjon kan da bli hentet fra 3D rekonstruksjoner ved hjelp av en rekke algoritmer. Spesielt har vi utviklet målemetoder basert på lysfeltet Imaging for å utføre 3D partikkel bilde velocimetry (PIV), trekke bobler i et 3D-felt og sporing grensen av en flimrende flamme. Vi presenterer det grunnleggende på lysfeltet Imaging metodikk i sammenheng med vår oppsett for å utføre 3DPIV av luftstrømmen passerer over et sett av syntetiske vokal folder, og viser representative resultater fra bruk av teknikken til en boble-entraining stuper jet.

Protocol

1. 3D lysfeltet Imaging Setup

  1. Start med å bestemme størrelsen på måling volumet samt temporal og romlig oppløsning som kreves for å undersøke fluidstrømmen eksperimentet blir studert.
  2. Estimer optiske tetthet som vil være tilstede i forsøket for å bestemme antall av kameraer som kreves for å generere refocused bilder med godt signal-til-støy-forhold (SNR) 1, 2 (f.eks PIV en skal beregne partikler per piksel). For 3D SAPIV eksperimentere med de syntetiske vokale folder som presenteres her, bruker vi åtte kameraer og forventer å oppnå en seeding tetthet av 0,05 til 0,1 partikler per piksel (PPP). Dette tallet øker med økende antall kamera med avtagende avkastning nådd rundt 13 kameraer, SNR avtar raskt under 5 kameraer.
  3. Monter kameraer i en rekke konfigurasjon på en ramme slik at hvert kamera kan vise målingen volum fra ulike synsvinkler.
  4. Fest kameraene til en sentral datamaskin for datafangst og visning.
  5. Velg objektiver med brennvidder som passer for ønsket forstørrelse og optiske arbeider avstander. Vanligvis er den samme type fast brennvidde montert hvert kamera for å generere tilsvarende forstørrelse i hvert bilde.
  6. Plasser en visuell mål (for eksempel en kalibrering rutenett) i sentrum av målingen volumet.
  7. Bruke bildet fra sentrum kameraet i matrisen som en referanse, flytte hele kameraet matrisen rammen nærmere eller lenger fra målingen volumet for å oppnå ønsket forstørrelse.
  8. Neste, skiller de resterende kameraene i matrisen. Mellomrom kameraene lenger fra hverandre forbedrer romlig oppløsning i dybden dimensjon på bekostning av total løses dybde 1. Merk: vi bruker dybde å referere til Z-dimensjon, som er positive til kameraene (se Figur 1). Forholdet mellom dybde i-Plane oppløsning er gitt omtrent ved Ligning 1 , Hvor Z er dybden i volumet, er s o avstanden av kameraene til fronten av volumet, og D er forholdet mellom kameraets avstanden s o.
  9. Vinkel alle kameraene slik at den visuelle målet i sentrum av målingen volumet er tilnærmet sentrert i hvert kamera bilde.
  10. Med åpningene helt åpne på hver kameralinsen, fokuserer hvert kamera på den visuelle målet.
  11. Plasser en kalibreringsmålet på baksiden av målingen volumet. Sikre at målet er i visningen av hvert kamera, hvis det ikke er det, så avstanden mellom kamera og måling volum og / eller kamera avstand må justeres (trinn 1.7 til 1.8).
  12. Lukk blenderåpning på hvert kamera til målet er i fokus i hvert kamera.
  13. Gjenta trinn 01.11 til 01.12 med målet på than foran av målingen volumet. Kalibreringsmålet skal vises i likhet med fig 2 etter hvert kamera er justert.

2. Volum Belysning Setup

  1. Bestemme den riktige fremgangsmåten for belysning måling volum basert på den spesifikke målemetoden blir brukt til strømningsfeltet. For partikkel image velocimetry (PIV) en laser volum brukes.
  2. Velg en laser med en pulsfrekvens som kan oppnå den ønskede tidsmessige oppløsningen av målingen. Laseren kan være enkelt pulserende for gang-løst eller dobbel pulsed for frame-skrevende 3.
  3. Bruke optiske linser for å danne laserstrålen til et lys volum som dekker målingen volum.
  4. Seed volumet med tracer partikler egnet for PIV målinger 3. Konsentrasjonen av partikler i fluidet bør være stor nok til å oppnå ønsket romlig oppløsning, men ikke så stor som for å redusere SNR iSA refocused bilder nedenfor et akseptabelt nivå. Referanse 1 inneholder en grundig studie av oppnåelig seeding tetthet, men som en tommelfingerregel et bilde tetthet av 0.05 til 0.15 partikler per piksel (PPP) er hensiktsmessig for de fleste eksperimenter med 8 eller flere kameraer. For et fast antall kameraer, reduserer partikler per piksler for større volum dybde dimensjoner.

3. Kameraet Array Kalibrering

  1. Kalibrering krever fange en serie bilder i hvert kamera med en kalibreringsmålet (f.eks dambrett rutenett, se figur 2) på flere steder over hele målingen volum. Først velger du mellom to typer kalibrering: enten en multi-kamera selvkalibrering metode eller bildebehandling en kjent kalibreringsmålet som nettopp gått gjennom felt av interesse.
  2. Etablere en referanse koordinatsystem i målingen volum. Dette koordinatsystem er ofte valgt på en måte som er relevant feller eksperiment (f.eks innrettet med aksen av en sylinder, med opprinnelse i forkant av en flat plate, etc). Her har vi valgt å plassere våre tavler i XY-planet innretta på punkter langs Z-aksen (figur 1).
  3. Hvis du bruker en multi-kamera selvkalibrering algoritmen 4, 5 kalibreringsmålet steder kan være tilfeldig, med unntak av ett sted som er nøyaktig plassert i referansen koordinatsystem. Plasseringen av kalibreringspunkter på denne nøyaktig plassert målet må være kjent med stor nøyaktighet. I hvert kamera, ta et bilde av målet på hvert sted lik figur 2.
  4. Hvis ikke hjelp av en multi-kamera selvkalibrering algoritme, så kalibreringsmålet må være nøyaktig plassert på flere steder i målingen volum slik at orienteringen av målet i referanse koordinatsystemet er kjent med stor nøyaktighet. I hvert kamera, ta et bilde av målet på hvert sted.
  5. Identifisere punkter på målet i hvert kamera for hvert bilde. For selvkalibrering, er bildepunkt correspondences tvers av alle kameraene kreves 5, men eksplisitte referanse til bildepunkt correspondences er kun nødvendig for poengene genereres av nøyaktig plassert målet. For nøyaktig krysset kalibreringsmetode, er eksplisitte referanse til bildepunkt correspondences kreves for alle punkter i alle kameraer.
  6. Påfør valgt kalibrering algoritme for å kalibrere alle kameraene. Her har vi valgt å benytte en flere kameraer selvkalibrering algoritmen 4, 5 (åpen kildekode http://cmp.felk.cvut.cz/ ~ Svoboda / SelfCal / ) og den resulterende kameraet steder i forhold til de plan av interesse er vist i figur 3.

4. Timing, Utløsende og datafangst

  1. Kvantitativ, krever tid-løst lysfeltet bildebehandling alle cameras og belysning kilder for å være nøyaktig synkronisert, ofte til en relevant eksperimentell hendelse.
  2. En ekstern pulsgenerator brukes til å utløse kameraet eksponeringer og belysning sekvenser. Programmere egnede tidssignalpuls sekvenser på pulsgeneratoren. For vokal fold eksperimentet, bruker vi en rammelignende skrevende sekvens, hvorved laseren er pulset nær slutten av ett kamera eksponering og nær begynnelsen av den neste 3.
  3. Hvis utløser fra en eksperimentell hendelse, sikre at en passende signal genereres og input til pulsgeneratoren.
  4. Hvis manuelt utløser, legge til rette for å utløse pulsgeneratoren.
  5. Begynn eksperimentelle datafangst ved å initiere kameraet fangst og belysning sekvens via den valgte utløsende metode.
  6. Selv om det høres trivielt, når anskaffe den store mengden data knyttet til en multi-kamera lysfeltet-imaging eksperimentet en god navnekonvensjonen er crusielle. Det er nyttig å vurdere hvordan dataene skal brukes fra fangst til ferdig analyse når utvikle navnekonvensjonen.

5. Synthetic Aperture omstilling

  1. Vi vil nå generere en 3D brennvidde stabel med bilder for å produsere en syntetisk refocused volum. Først definerer avstanden mellom fokale fly og samlet refokusering dybde som skal brukes i den refocused volum Ligning 1 1, 7. Vanligvis er fokalplan avstanden satt til halvparten av dybden oppløsning og den totale omstilling dybde styres av regionen der alle kamera synsfelt overlapping. FOCAL flyene vil være vinkelrett på Z-aksen av referansen koordinatsystemet.
  2. Definer skala for å legge på bildene ved Reprojisering i målingen volum. Vekten skal være forenlig med forstørrelsen av råbilder for å unngåbetydelig over-sampling eller under-sampling av reprojiserte bilder.
  3. Etablere transformasjoner mellom hvert kamera bildeplan og hver syntetisk fokusplan.
  4. Utfør image forbehandling for å fjerne bakgrunnsstøy og plass for forskjeller i intensitet mellom bilder 1, 7.
  5. Reprojisere bilder til de syntetiske knutepunktene flyene, gjelder omfanget og re-sample bildene. Et sett med innebygd Matlab funksjoner (bildebehandling verktøykasse a) kan håndtere disse oppgavene gitt de fly-til-fly transformasjoner.
  6. På hver syntetisk fokusplan, gjelder enten additiv eller multiplikativ SA omstilling algoritme 1, 7. For 3D SAPIV applikasjoner, har vi hatt god suksess med tilsetningsstoff SA (som brukes til vokal folder her). For bakgrunnsbelyst boble bilder, har multiplikativ SA gitt bedre resultater. Som en sjekk påføre refokusering til ett plan av kalibreringspunktene bildene for å se om gjenoppbyggingen vises som forventet.

    6. Volum Post-prosessering

    1. For å estimere de opprinnelige objektene i det volumet som genereres lys feltet krever en behandling steg kjent som gjenoppbygging. Flere algoritmer eksisterer alt fra enkle intensitet terskelverdier 1 til gradient-baserte fokus beregninger 7 til mer komplekse 3D dekonvolusjon 8. Velg en rekonstruksjon algoritme som passer for programmet. For PIV, har vi hatt suksess med både intensitet thresholding og 3D dekonvolusjon. Vi bruker intensitet terskelverdier her for å danne en fokal stabel. To fokale stabler fra tid 1 (t 1) og tid 2 (t 2) er kryss-korrelert til danne en vektor-feltet. 3D lysfeltet Imaging metode iboende resultater i objekter som er langstrakte i dybden dimensjon som kan påvirke PIV nøyaktighet, en god rekonstruksjon algoritme forsøker å redusere denne forlengelse.
    2. Etter gjenoppbygging trinnet kan funksjoner i volumet må være eller extracted å tillate måling av størrelse, form, etc. algoritmen for egenskapsuttrekking er varierte og avhenger av programmet 7. For å trekke ut bobler, krever for eksempel et middel for å lokalisere boble funksjoner og definere sin størrelse. For PIV applikasjoner, trenger vi ikke eksplisitt ut partikler og dette trinnet kan utelates.
    3. For 3D SAPIV applikasjoner, analysere gjenoppbyggingen volum i mindre avhør volumer og bruke en egnet kryss-korrelasjon basert PIV algoritme for å måle vektorfeltet 1, 3.

    en maketform: konstruerer et fly til fly transformasjon og imtransform: kart og resamples et bilde basert på transformasjoner fra maketform.

Representative Results

Høy kvalitet rå PIV bildene inneholder jevnt fordelt partikler vises med høy kontrast mot svart bakgrunn (figur 4a). For å kompensere for ikke-ensartet belysning over bildet, kan bilde pre-prosessering utføres for å fjerne lyse regioner, justere kontrast og normalisere intensitet histogrammer tvers av alle bildene fra alle kameraer (figur 4b). Når eksperimentet er utsådd på en passende tetthet og en nøyaktig kalibrering utføres, refocused SA bildene vil avsløre i fokus partikler på hver dybde flyet (figur 5). Hvis målingen volumet er over seeded vil SNR i refocused bildene være lav slik at det er vanskelig å rekonstruere partiklene. SA refocused bilder med god SNR kan thresholded å beholde i fokus partikler på hver dybde flyet. Figur 6 viser to thresholded bilder fra to tidssteg på Z = -10,6 mm dybde flyet. Den thresholded volume blir deretter analyseres inn spørresignaler volumer som inneholder et tilstrekkelig antall partikler for å utføre PIV 3. Bruke en 3DPIV algoritme til de analyserte volumet gir en fluidhastighet felt vist i figur 7, i dette tilfellet, er flyten feltet indusert av en modell vokal fold. Hastigheten av strømnings-feltet utenfor jet er svært liten, og dermed svært få vektorer kan ses utenfor denne regionen. Ved t = 0 msek vokal flippen er lukket og svært lite hastighet i feltet er tilstede. Den største hastighet i jet på t = 1 ms beveger seg i positiv y-retning og reduserer i intensitet fra t = 2 til 4 msek. Flippen lukkes på t = 5 ms reduserer strålehastighet og syklusen gjentas. Disse bildene har ikke samme glatthet som mange tidligere forfattere 9 som presenterer opptil 100 gjennomsnittlig bilder som hver hastighetsfeltet presentert representerer en enkelt øyeblikksbilde i tid. Som et referansepunkt, har tidligere simuleringer vist typiske feil på beregned velocities å være i størrelsesorden 5-10% på hver hastighetskomponent, som inkluderer feil fra PIV algoritmen selve 1, for algoritmen vi bruker (MatPIV 11 tilpasset 3D), er denne feilen kjent for å være stort i forhold til andre koder.

Bubbly strømmer er et annet område av vitenskapelig interesse som kan dra nytte av 3D-mulighetene i lys feltet Imaging. SA teknikken kan tilsvarende påføres sprudlende strømningsfelt, hvor laserlys er erstattet med diffus hvit bakgrunnsbelysning, noe som resulterer i bilder som det som er vist i figur 8a der boblene kantene virker mørke mot den hvite bakgrunn. Etter selvkalibrering, kan multiplikativ varianten av SA algoritmen påføres for å gi en fokal stabel med bobler skarp fokusering av dybden flyet tilsvarer dybden av boblen og uskarp fra visningen på andre fly, som vist i figur 8b-d 7. Enkel thresholding er ikkeen tilstrekkelig metode for å trekke ut boblene, i stedet en rekke avanserte egenskapsuttrekking algoritmer benyttes som beskrevet i 7.

Figur 1
Figur 1. Bilde av kameraer og vokal folder med etiketter og koordinatsystem.

Figur 2
Figur 2. Kalibrering rutenettet på Z = 0 mm sett fra alle 8 kameraer.

Figur 3
Figur 3. Topview av kameraets innstillinger fra flere kameraer selvkalibrering utgang. Kameraer 1-8 er plassert med tall og sirkler, med deres generelle visning direction angitt med en linje. Den røde blob nær origo er faktisk 400 + poeng fra kalibrering rutenettet, på hver Z dybde plottet i 3D i forhold til kameraene.

Figur 4
Figur 4. Rå bilder av partikkel feltet sett fra kameraet # 6 at t 1 og t 2 (a + b). Samme bildene etter pre-prosessering (c & d).

Figur 5
Figur 5 Fra venstre til høyre:. Raw refocused SAPIV bilder med dyp (a) Z = -5,9 mm, (b) -10,6 mm og (c) -15,3 mm.

Figur 6
Figur 6. Thresholded bilder på tidssteg (a) t 1 og (b) t 2 på Z = -10,6 mm.

Figur 7
Figur 7. Tredimensjonal vektorfeltet av jet laget av syntetiske vokal folder for 6 tidssteg. Den venstre side viser et isometrisk riss av hele 3D hastighetsfeltet. Stykker av xy og YZ flyene gjøres gjennom sentrum av vokal fold som indikert ovenfor hver kolonne.

Figur 8
Figur 8 Fra venstre til høyre:. Raw image latter flyt feltet fra kamera array og refocused bilder på dybder (b) Z = -10 mm, (c) 0 mm og (d) 10 mm.Sirkelen viser en boble som ligger på Z = -10 mm dybde flyet, og forsvinner ut av syne på andre fly. Detaljer av boblen eksperimenter kan bli funnet i 4.

Discussion

Flere tiltak er avgjørende for riktig utførelse av en lysfeltet Imaging eksperiment. Lens utvalg og plassering av kamera bør være nøye utvalgt for å maksimere oppløsningen i målingen volum. Kalibrering er kanskje den mest kritiske trinnet, som SA omstilling algoritmer vil mislykkes i å produsere skarp fokusering bilder uten nøyaktig kalibrering. Heldigvis forenkler multi-kamera selvkalibrering nøyaktig kalibrering med et relativt lavt nivå av innsats. Jevn belysning i alle bilder som gir god kontrast mellom objekter av interesse og bakgrunnen er også nødvendig, selv om bildebehandling kan normalisere bildene til en viss grad.

Timing er også viktig når du utfører SA på volumer som har bevegelige objekter. Hvis hvert kamera ikke utløses å ta et bilde ved samme tid, vil bildet rekonstruksjon åpenbart være unøyaktig. For forsøkene i denne artikkelen utnyttet vi timingen sekvensen shown i Figur 7.

3D lysfeltet bildebehandlingsprogrammer som presenteres her innebærer en romlig oppløsning trade-off. For eksempel, kan 3D SAPIV rekonstruere partikkel volumer fra optisk tette partikkel bilder, men partiklene er fordelt over en (potensielt stor) volum. For 2D PIV, blir partiklene fordelt et tynt ark, og dermed bilder med samme partikkeltetthet samsvarer til en mye større tetthet i målingen volum. Likevel, gjør at 3D SAPIV metode for mye større seeding tettheter som andre 3D PIV metoder 1. En annen potensielt begrensende faktor er det relativt store beregningsorientert intensitet assosiert med lysfeltet Imaging metoder, beregningsorientert kompleksitet er typisk for bilde-baserte 3D rekonstruksjon metoder som tomographic-PIV 10.

For dette eksperimentet brukte vi åtte Photron SA3 kameraer utstyrt med Sigma 105 mm makro linser og en Quantronix Dual Darwin Nd: YLF laser (532 nm, 200 mJ). Kameraer og laser ble synkronisert sammen via en Berkley Nucleonics 575 BNC digital forsinkelse / puls generator. Fluidstrømmen ble podet med Expancel helium fylt glass mikrosfærer. Mikrosfærene hadde en gjennomsnittlig diameter på 70 um med en densitet på 0,15 g / cc. Vi tilbyr åpen kildekode versjoner av kodene som brukes her for fagmiljøet via vår hjemmeside http://www.3dsaimaging.com/ og vi oppfordrer brukere til å gi oss tilbakemeldinger og delta i å forbedre og levere nyttige koder for den kvantitative lysfeltet samfunnet.

Disclosures

Vi har ingenting å avsløre.

Acknowledgments

Vi vil gjerne takke NSF stipend CMMI # 1126862 for finansiering utstyr og utvikling av syntetisk apertur algoritmer ved BYU, In-house Laboratory Uavhengig forskning (Ilir) midler (overvåket av Dr. Tony Ruffa) for å finansiere utstyr og utvikling på NUWC Newport, og NIH / NIDCD stipend R01DC009616 for finansiering SLT, DJD og JRN og data knyttet til de vokale fold eksperimenter og Universitetet i Erlangen Graduate School i avansert optisk teknologi (SAOT) for delvis støtte av SLT. Til slutt, Rocky Mountain NASA Space Grant Consortium for finansiering 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).
Bestemme 3D strømningsfelt via Multi-kamera lysfeltet 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