Summary

Het bepalen van 3D stromingen via Multi-camera Light Field Imaging

Published: March 06, 2013
doi:

Summary

Een techniek voor het uitvoeren van kwantitatieve driedimensionale (3D) beeldvorming voor verschillende vloeistofstromen gepresenteerd. Met behulp van concepten uit de omgeving van het Licht Field Imaging, we reconstrueren 3D volumes van arrays van beelden. Onze 3D resultaten omvatten een breed scala waaronder snelheidsvelden en multi-fase belgrootte distributies.

Abstract

Op het gebied van stromingsleer, heeft de resolutie van computationele systemen overtrof experimentele methoden en de kloof tussen voorspelde en waargenomen verschijnselen in vloeistofstromen. Aldus bestaat er behoefte aan een toegankelijke methode kunnen oplossen driedimensionale (3D) datasets voor diverse problemen. We een nieuwe techniek voor het uitvoeren van kwantitatieve 3D beeldvorming van vele soorten stromingen. De 3D-techniek maakt onderzoek van ingewikkelde snelheidsvelden en sprankelend stromen. Metingen van deze soorten van een hele reeks uitdagingen voor het instrument. Zo kan optisch dichte bruisend meerfaze niet gemakkelijk worden afgebeeld door traditionele niet-invasieve stroom meettechnieken als gevolg van de luchtbellen afsluiten van optische toegang tot het inwendige gebieden van het volume van belang. Door het gebruik van Light Field Imaging wij de mogelijk om beelden die door een reeks van camera's om een ​​3D-volumetrische kaart voor elke keer dat bijvoorbeeld reconstrueren reparameterize, ondanksgedeeltelijke occlusies in het volume. De techniek maakt gebruik van een algoritme bekend als synthetische apertuur (SA) heroriëntatie, waarbij een 3D focal stapel wordt gegenereerd door het combineren van beelden van meerdere camera's post-vangen 1. Light Field Imaging zorgt voor de vangst van hoekige en ruimtelijke informatie over de lichtstralen, waardoor het mogelijk 3D-scène reconstructie. Kwantitatieve informatie kan dan uit de 3D reconstructie gebruik van verschillende algoritmes. In het bijzonder hebben we meetmethoden gebaseerd op Light Field Imaging voor het uitvoeren van 3D particle image velocimetry (PIV), extraheren bellen in een 3D veld en het volgen van de grens van een flikkerende vlam. We presenteren de fundamenten van het Licht Field Imaging methodiek in het kader van onze opstelling voor het uitvoeren van 3DPIV van de luchtstroom die over een reeks van synthetische stembanden, en tonen representatieve resultaten van de toepassing van de techniek om een ​​bubble-meevoeren kelderen jet.

Protocol

1. 3D Light Field Imaging Setup Begin met het bepalen van de grootte van de meetruimte en de temporele en ruimtelijke resolutie vereist voor het onderzoeken van de fluïdumstroom experiment onderzocht. Schat de optische dichtheid die aanwezig zijn in het experiment om het aantal camera's moeten heroriëntatie afbeeldingen met een goede signaal-ruisverhouding (SNR) 1, 2 (bijv. voor een PIV moeten berekenen deeltjes per pixel) gegenereerd moet worden. Voor de 3D-SAPIV experiment met de synthetische stembanden die hierin maken wij gebruik van 8 camera's en verwachten een zaaidichtheid van +0.05-0,1 deeltjes per pixel (ppp) te bereiken. Dit aantal neemt toe met toenemende aantal camera met afnemende rendement ongeveer 13 camera's de SNR daalt snel onder 5 camera. Monteer de camera's in een array configuratie op een frame, zodat elke camera kan het meetvolume te bekijken vanuit verschillende gezichtspunten. Bevestig de camera's naar een centrale computer voor data capture en bekijken. Selecteer objectieven met een brandpuntsafstand geschikt is voor de gewenste vergroting en optische werkafstanden. Meestal wordt hetzelfde type vaste brandpuntsafstand aangebracht aan elke camera soortgelijke vergroting in elke afbeelding te genereren. Plaats een visuele target (zoals een kalibratierooster) in het midden van de meetruimte. Met het beeld van de camera midden van de array als referentie, beweegt het gehele cameraraster beeld dichter bij of verder van de meetruimte de gewenste vergroting te bereiken. Vervolgens scheidt de overige camera in de array. Spacing de camera verder van elkaar verbetert de ruimtelijke resolutie in de dieptedimensie ten koste van de totale oplosbare diepte 1. Opmerking: we diepte te verwijzen naar de Z-dimensie, die positief naar de camera (zie figuur 1). De verhouding van diepte in-Plane resolutie wordt ongeveer gegeven door , Waarin Z de diepte in het volume s o de afstand van de camera naar de voorkant van het volume en D is de verhouding van de afstand aan camera s o. Hoek alle camera zodat de visuele target in het midden van de meetruimte ongeveer in het midden van elk camerabeeld. Met de openingen volledig open op elke camera lens, focus elke camera op het visuele doel. Plaats een kalibratierichtwaarde aan de achterkant van de meetruimte. Zorg ervoor dat het doel is in de ogen van elke camera, maar als het niet zo is, dan is de afstand tussen de camera's en meet het volume en / of camera afstand moet worden aangepast (stappen +1.7-+1,8). Sluit de opening van elke camera tot het doel scherp is in elke camera. Herhaal stappen 1.11-1.12 met het doel bij thij voor de meetruimte. Het kalibratiemodel moet er als figuur 2 na elke camera wordt aangepast. 2. Volume Verlichting Setup De geschikte methode voor het verlichten de meetruimte gebaseerd op de specifieke meetmethode wordt toegepast op de stroming. Voor particle image velocimetry (PIV) een laser volume worden gebruikt. Selecteer een laser met een hartslag die de gewenste temporele resolutie van de meting kan bereiken. De laser kan enkel gepulseerd tijdsopgeloste of dubbele gepulseerd voor frame-grensoverschrijdende 3. Gebruik optische lenzen om de laserstraal te vormen tot een volume licht dat de meetruimte omvat. Zaad het volume met tracer deeltjes die geschikt zijn voor PIV metingen 3. De concentratie van deeltjes in de vloeistof groot genoeg moet zijn om de gewenste ruimtelijke resolutie, maar niet zo groot zijn dat de SNR verminderenSA geheroriënteerd beelden beneden een aanvaardbaar niveau. Referentie 1 bevat een grondige studie van haalbare zaaien dichtheid, maar als een vuistregel een beeld dichtheid van 0.05-0,15 deeltjes per pixel (ppp) is geschikt voor de meeste experimenten met 8 of meer camera's. Voor een vast aantal camera, de deeltjes per pixels af voor grotere volume dieptematen. 3. Camera Calibration Array Kalibratie vereist het vastleggen van een reeks beelden in elke camera met een kalibratierichtwaarde (bijvoorbeeld een dambord raster, zie figuur 2) in verschillende plaatsen in de meetruimte. Ten eerste, de keuze tussen twee soorten kalibratie: ofwel een multi-camera zelf-calibratie methode of beeldvorming een bekende kalibratierichtwaarde die precies wordt verplaatst door het veld van belang. Een referentieniveau coördinatensysteem in de meetruimte. Dit coördinatensysteem wordt vaak gekozen op een wijze die relevant fof het experiment (bijv. uitgelijnd met de as van een cilinder, afkomstig is van de voorrand van een vlakke plaat, etc). Hier hebben we gekozen om onze netten plaatsen in het XY-vlak uitgelijnd op punten langs de Z-as (figuur 1). Bij gebruik van een multi-camera zelf kalibratiealgoritme 4, 5 de kalibratie doellocaties is willekeurig, op een locatie die zich precies in het referentiecoördinatenstelsel. De locatie meetpunten op deze exact geplaatst doelstelling moet bekend zijn met hoge nauwkeurigheid. In elke camera, een opname van het doel in elke locatie vergelijkbaar met Figuur 2. Indien niet een multi-camera zelf kalibratiealgoritme, dan kalibratiedoel nauwkeurig worden geplaatst op verschillende locaties in de meetruimte zodanig dat de oriëntatie van het doel het referentiecoördinatenstelsel bekend met hoge nauwkeurigheid. In elke camera, een opname van het doel op elke locatie. Identificeer punten op het doel in elke camera voor elke opname. Voor zelf-kalibratie, worden beeldpunt correspondenties voor alle camera's vereist 5, maar expliciete verwijzing-naar-beeldpunt overeenkomsten zijn alleen nodig voor de punten die door de exact gelokaliseerd doel. Voor de precies doorlopen kalibratie methode worden expliciete verwijzing-naar-beeldpunt correspondenties die nodig is voor alle punten in alle camera's. Breng de gekozen kalibratiealgoritme alle camera kalibreren. Hier hebben we gekozen voor een multi-camera zelf-kalibratie algoritme 4, 5 (open source te gebruiken http://cmp.felk.cvut.cz/ ~ svoboda / SelfCal / ) en de daaruit voortvloeiende camera locaties ten opzichte van de niveaus van belang zijn figuur 3. 4. Timing, Triggering en Data Collection Kwantitatieve, tijdsopgeloste lichtveld beeldvorming vereist dat alle cameras lichtbronnen en nauwkeurig worden gesynchroniseerd, vaak tot een relevante experimentele event. Een externe pulsgenerator wordt gebruikt om de belichting en camera verlichting sequenties activeren. Programmeren juiste timing pulssequenties de pulsgenerator. Voor de stemplooien experiment gebruiken we een frame-overlappende sequentie, waarbij de laser dicht bij het ​​einde van een belichting gepulseerd en aan het begin van de volgende 3. Als triggering van een experimentele gebeurtenis ervoor dat een geschikt signaal wordt ingevoerd in de pulsgenerator. Bij de handmatige triggering, voorzieningen treffen voor het activeren van de pulsgenerator. Begin de experimentele data capture door het initiëren van de camera vastleggen en verlichting volgorde via de gekozen triggering methode. Hoewel het klinkt triviaal, bij het verwerven van de grote hoeveelheid gegevens in verband met een multi-camera lichtveld-imaging experiment een goede naamgeving is cruciële. Het is nuttig na te gaan hoe de gegevens zullen worden gebruikt van opname tot uiteindelijke analyse bij de ontwikkeling van de naamgevingsconventie. 5. Synthetic Aperture Heroriëntering We zullen nu het genereren van een 3D-middelpunt stapel van beelden naar een synthetisch heroriëntatie volume te produceren. Definieer eerst de afstand tussen focale vlakken en algemene heroriëntatie diepte worden gebruikt in de herziene volume 1, 7. Typisch wordt het brandvlak afstand op de helft van de diepte resolutie en de totale heroriëntatie diepte onder het gebied waar alle camera gezichtsveld overlap. De focal vliegtuigen zullen loodrecht op de Z-as van het referentiecoördinatenstelsel. Definieer de schaal om de beelden passen bij herprojecteren in de meetruimte. De schaal moet stroken met de vergroting van het onbewerkte afbeeldingen om te voorkomenaanzienlijke over-sampling of onder-bemonstering van de opnieuw wordt geprojecteerd beelden. Bepaal transformaties tussen elke camera beeldvlak en elk synthetisch brandvlak. Voer afbeelding voorbewerken voor achtergrondgeluiden verwijderen en geschikt voor verschillen in intensiteit tussen de beelden 1, 7. Reproject beelden op de synthetische focale vliegtuigen, gelden de schaal en opnieuw proeven van de beelden. Een set van ingebouwde Matlab functies (beeldverwerking gereedschapskist a) kan omgaan met deze taken gegeven het vliegtuig-to-plane transformaties. Op elk synthetisch focal plane, hoeven alleen de additief of multiplicatief SA heroriëntatie algoritme 1, 7. Voor 3D SAPIV toepassingen, hebben we hadden een goede succes met additief SA (zoals toegepast op de stemplooien hier). Voor backlit beelden van bubbels heeft de multiplicatieve SA leverde betere resultaten. Ter controle toepassing van de verschuiving op een vlak van de kalibratie beelden te zien of de reconstructie weergegeven zoals verwacht. </li> 6. Deel Post-processing Het schatten van de oorspronkelijke objecten in het volume dat het licht veld gegenereerd vereist een processtap die bekend staat als de wederopbouw. Verschillende algoritmen bestaan, variërend van eenvoudige intensiteit drempelwaarden 1 tot en met gradiënt-gebaseerde aandacht metrics 7 tot meer complexe 3D deconvolutie 8. Kies een reconstructie-algoritme geschikt is voor de toepassing. Voor PIV, hebben we succes gehad met zowel de intensiteit drempelwaarde en 3D deconvolutie. We maken gebruik van de intensiteit drempelwaarden hier om een ​​focale stapel te vormen. Twee stapels van tijd focal 1 (t 1) en tijd 2 (t2) zijn kruislings gecorreleerd een vectorveld vormen. De 3D-Light Field Imaging methode inherent leidt tot objecten die zijn uitgerekt in de diepte dimensie, die PIV nauwkeurigheid kunnen beïnvloeden, een goede reconstructie-algoritme probeert de gevolgen van deze verlenging. Na de reconstructiestap, kunnen kenmerken van het volume moet worden of exafgetrokken om voor het meten van afmeting, vorm, enz. De algoritmen voor feature extractie worden gevarieerd en afhankelijk van de toepassing 7. Extraheren bellen, bijvoorbeeld, vereist een middel lokaliseren bubble kenmerken en definiëren van hun grootte. Voor PIV-toepassingen, hebben we niet expliciet halen deeltjes en deze stap kan worden overgeslagen. Voor 3D SAPIV toepassingen, ontleden de wederopbouw volume in kleinere ondervraging volumes en breng een geschikte cross-correlatie gebaseerde PIV algoritme om het vectorveld 1, 3 te meten. een maketform: bouwt een vliegtuig naar vliegtuig transformatie & imtransform: kaarten en resamples een beeld op basis van de transformaties van maketform.

Representative Results

Hoge kwaliteit raw PIV beelden bevatten gelijkmatig verdeelde deeltjes verschijnen met een hoog contrast tegen de zwarte achtergrond (figuur 4a). Om te compenseren voor niet-uniforme verlichting over het beeld, kan beeldvoorverwerking worden uitgevoerd om heldere regio's te verwijderen, contrast aan te passen en de intensiteit histogrammen in alle beelden van alle camera's (Figuur 4b) te normaliseren. Wanneer het experiment wordt geënt met een geschikte dichtheid en een nauwkeurige ijking wordt uitgevoerd, de SA geheroriënteerd afbeeldingen in focus deeltjes zichtbaar op elke diepte vlak (Figuur 5). Als de meetruimte is dan gezaaid wordt de SNR in de bijgestelde beelden te laag waardoor het moeilijk om de deeltjes te reconstrueren. SA geheroriënteerd afbeeldingen met een goede SNR kan worden thresholded te behouden in focus deeltjes op elke diepte vliegtuig. Figuur 6 toont twee thresholded beelden van twee keer stappen in de Z = -10,6 mm diepte vliegtuig. De thresholded volume wordt vervolgens ontleed in ondervraging volumes dat een adequaat aantal deeltjes bevatten voor het uitvoeren van PIV 3. Toepassen van een algoritme om de 3DPIV geanalyseerd volume levert een vloeistofsnelheid gebied getoond in Figuur 7, in dit geval, het stromingsveld dat geïnduceerd door een model stemplooien. De snelheid van de stroming buiten de straal is zeer klein, zodat weinig vectoren te zien buiten deze regio. Op t = 0 msec de stemplooien gesloten en weinig snelheid in het veld aanwezig. De grootste snelheid in de straal op t = 1 msec beweegt in de positieve y-richting en vermindert in intensiteit van t = 2 tot 4 msec. De vouw sluit bij t = 5 msec minder straalsnelheid en de cyclus wordt herhaald. Deze beelden niet dezelfde gladheid zoveel vorige auteurs 9 die zich presenteren 100 gemiddelde beelden als elke gepresenteerde snelheidsveld vertegenwoordigt een momentopname. Als referentiepunt, hebben vorige simulaties getoond typische fouten op te berekenend snelheden in de orde van 5-10% op elke snelheidscomponent die fout van de PIV algoritme zelf 1 omvat, voor het algoritme gebruiken we (MatPIV 11 aangepast voor 3D), is deze fout bekend zijn groot ten opzichte van andere codes. Bubbly stromen zijn een ander gebied van wetenschappelijk belang die kunnen profiteren van de 3D-mogelijkheden van het Licht Field Imaging. De SA techniek kan eveneens worden toegepast bruisend vloeivelden, waar het laserlicht wordt vervangen door diffuse witte achtergrondverlichting, waardoor beelden zoals getoond in figuur 8a waar de luchtbelletjes randen donker tegen de witte achtergrond. Na zelf-ijking kan de multiplicatieve variant van de SA algoritme worden toegepast om een centraal stack verkregen met bellen scherp op het vlak diepte overeenkomt met de diepte van de bel en wazig zicht van op andere gebieden, zoals weergegeven in figuur 8b-d 7. Eenvoudige drempelwaarde nieteen adequate methode voor de extractie van de bellen, in plaats van een reeks van geavanceerde feature extractie algoritmen worden gebruikt zoals beschreven in 7. Figuur 1. Afbeelding van camera's en vocale plooien met labels en coördineren systeem. Figuur 2. Kalibratierooster op Z = 0 mm gezien vanaf alle 8 camera. Figuur 3. Topview van camera-instelling van multi-camera zelfkalibratie uitgang. Camera's 1-8 worden gevestigd met cijfers en cirkels, met hun algemene kijkervaring direction aangegeven door een lijn. De rode vlek in de buurt van de oorsprong is eigenlijk 400 + punten van de kalibratie rooster aan elke Z diepte uitgezet in 3D ten opzichte van de camera's. Figuur 4. Raw beelden van de deeltjesveld vanuit camera nr. 6 op t1 en t2 (a en b). Dezelfde beelden na de voorbehandeling (c & d). Figuur 5 van links naar rechts:. Raw geheroriënteerd SAPIV beelden op een diepte (a) Z = -5,9 mm, (b) -10,6 mm en (c) -15,3 mm. Figuur 6. Thresholded beelden op tijdstip stappen (a) t 1 en (b) t 2 bij Z = -10,6 mm. Figuur 7. Drie-dimensionale vector veld van de straal die door synthetische stembanden voor 6 tijdstappen. De linkerkant toont een isometrisch aanzicht van het gehele 3D snelheidsveld. Delen van xy en yz vliegtuigen worden gemaakt door het midden van de stemplooien aangegeven boven elke kolom. Figuur 8 Van links naar rechts:. Raw champagne stroming van cameraraster en toegespitst beelden op een diepte (b) Z = -10 mm, (c) 0 mm en (d) 10 mm.De cirkel wijst op een zeepbel die ligt op de Z = -10 mm diepte vliegtuig, en verdwijnt uit het zicht op andere gebieden. Details van de bel experimenten vindt in 4.

Discussion

Verschillende stappen zijn essentieel voor een goede uitvoering van een Light Field Imaging experiment. Lens selectie en plaatsing camera moet zorgvuldig worden gekozen om de resolutie te maximaliseren binnen de meetruimte. Kalibratie is misschien wel de meest kritische fase, als de SA heroriëntatie algoritmen zullen niet scherp beelden te produceren zonder nauwkeurige kalibratie. Gelukkig, multi-camera zelf-calibratie maakt een nauwkeurige kalibratie met een relatief laag niveau van de inspanning. Uniforme verlichting in alle afbeeldingen die een goed contrast tussen de objecten van de rente en de achtergrond biedt, is het ook noodzakelijk, hoewel beeldverwerking kan de beelden normaliseren tot op zekere hoogte.

Timing is ook van belang bij het uitvoeren van SA op volumes die zijn bewegende objecten. Indien elke camera niet geactiveerd om een ​​beeld op hetzelfde moment zal de beeldreconstructie uiteraard onnauwkeurig. Voor de experimenten in dit document hebben we gebruik gemaakt van de timing volgorde shown in figuur 7.

De 3D-Light Field Imaging ingediende aanvragen hierin sprake van een ruimtelijke resolutie trade-off. Zo kan 3D SAPIV reconstrueren deeltjes volumes van optisch dichte deeltjes beelden, maar de deeltjes zijn verdeeld over een (potentieel grote) volume. Voor 2D PIV worden de deeltjes verdeeld over een dunne plaat, en dus beelden met dezelfde deeltjesdichtheid overeen met een veel grotere dichtheid in de meetruimte. Niettemin de 3D ​​SAPIV werkwijze maakt veel grotere dichtheden seeding dat andere 3D PIV methoden 1. Een ander potentieel beperken overweging is de relatief grote rekenkracht intensiteit geassocieerd met Light Field Imaging methoden, rekenkundige complexiteit is typisch voor beeld gebaseerde 3D ​​reconstructie werkwijzen zoals tomografische-PIV 10.

Voor dit experiment gebruikten we 8 Photron SA3 camera's uitgerust met Sigma 105 mm macro lenzen en een Quantronix Dual Darwin Nd: YLF laser (532 nm, 200 mJ). De camera's en laser werden gesynchroniseerd samen via een Berkley Nucleonics 575 BNC digitale delay / pulsgenerator. De vloeistofstroom werd geënt met Expancel helium gevulde glazen microbolletjes. De microsferen hadden een gemiddelde diameter van 70 pm met een dichtheid van 0,15 g / cc. Wij bieden open source versies van de codes hier gebruikt voor de academische gemeenschap via onze website http://www.3dsaimaging.com/ en we moedigen gebruikers aan ons feedback te geven en in de verbetering en het leveren van bruikbare codes voor de kwantitatieve lichtveld gemeenschap deel te nemen.

Divulgations

The authors have nothing to disclose.

Acknowledgements

We willen graag NSF subsidie ​​CMMI # 1126862 bedanken voor de financiering van de apparatuur en het ontwikkelen van de synthetische apertuur algoritmen aan de BYU, In-house Laboratorium Independent Research (Ilir) fondsen (gecontroleerd door Dr Tony Ruffa) voor de financiering van de uitrusting en ontwikkeling op NUWC Newport, en NIH / NIDCD, toont subsidie ​​R01DC009616 voor financiering SLT, DJD en JRN en gegevens met betrekking tot de stemplooi experimenten en de Universiteit van Erlangen Graduate School in de geavanceerde optische technologieën (SAOT) voor gedeeltelijke ondersteuning van de SLT. Ten slotte is de Rocky Mountain NASA Space Grant Consortium voor financiering 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. , (2007).
  4. Belden, J. Auto-Calibration of Multi-Camera Systems with Refractive Interfaces. Experiments in Fluids. , (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. Vaish, V., Garg, G., Talvala, E., Antunez, E., Wilburn, B., Horowitz, M., Levoy, M. Synthetic aperture focusing using a shear-warp factorization of the viewing transfor. 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. , (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).

Play Video

Citer Cet 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).

View Video