JoVE Journal > Engineering
Summary
Abstract
Protocol
Results
Discussion
Disclosures
Acknowledgements
References
Please note that all translations are automatically generated. Click here for the English version.
공학

Çoklu kamera Işık Alanı Görüntüleme aracılığıyla 3D Akış Alanları Belirleme

Published: March 06, 2013
doi:
10.3791/4325
, , , ,
1Department of Mechanical Engineering,Brigham Young University, 2Naval Undersea Warfare Center, Newport, RI

Summary

Akışkanlar için bir dizi nicel üç boyutlu (3D) görüntüleme yapmak için bir teknik sunulmuştur. Işık Alanı Görüntüleme alanından kavramları kullanarak, görüntü dizilerinden 3D hacimleri yeniden. Bizim 3D sonuçlar hız alanları ve çok fazlı kabarcık boyutu dağılımları gibi geniş bir yelpazede kapsar.

Abstract

Akışkanlar mekaniği alanında, hesaplamalı projelerin çözünürlük deneysel yöntemler outpaced ve akışlarda öngörülen ve gözlenen fenomenler arasındaki uçurum daha da büyümüştür. Böylece, ihtiyaç sorunları bir dizi için üç boyutlu (3B) veri setleri çözme yeteneğine sahip, erişilebilir bir yöntem var. Biz akış alanlarının çok çeşitli kantitatif 3D görüntüleme gerçekleştirmek için yeni bir teknik sunuldu. 3D tekniği karmaşık hız alanları ve kabarcıklı akışlar incelenmesi sağlar. Bu tür ölçümler araca çeşitli zorluklar mevcut. Örneğin, optik yoğun kabarcıklı fazlı akışlar kolayca ilgi hacmi iç bölgelere optik erişim tıkayıp kabarcıkları nedeniyle geleneksel, non-invaziv akış ölçüm teknikleri ile görüntülenmiştir edilemez. Işık Alanı Görüntüleme kullanarak biz rağmen, her zaman örneğin bir 3D hacimsel harita yeniden kameralar dizisi tarafından çekilen görüntülerin reparameterize edebiliyoruzhacminde kısmi tıkanıklıklar. Tekniği 3D odak yığını birkaç kameradan gelen görüntüleri birleştirerek 1 post-yakalama tarafından oluşturulan sayede sentetik diyafram (SA) odaklanma olarak bilinen bir algoritma kullanır. Işığı alan görüntüleme açısal hem de ışık ışınları uzaysal bilgileri ve yakalanmasına imkan verir ve dolayısıyla 3B sahne yeniden sağlar. Kantitatif bilgiler daha sonra işleme algoritmaları kullanarak çeşitli 3D rekonstrüksiyonlar elde edilebilir. Özellikle, biz, 3D parçacık görüntü velosimetri (PIV) yapan bir 3D alanında kabarcıklar ayıklanması ve titreyen alev sınır izlemek için Işık Alanı Görüntüleme dayalı ölçüm yöntemleri geliştirmişlerdir. Biz sentetik vokal kıvrımlar bir set üzerinden geçen hava akımının 3DPIV gerçekleştirmek için bizim kurulum bağlamında Işık Alanı Görüntüleme metodolojinin temellerini sunmak ve bir kabarcık sürükleyici plunging jet tekniği uygulamadan temsilcisi sonuçlar göstermektedir.

Protocol

1. 3D Işık Alan Görüntüleme Kurulumu Ölçüm birimin boyutu yanı sıra çalışılan sıvı akışının deney soruşturma için gerekli zamansal ve mekansal çözünürlük belirleyerek başlayın. Iyi sinyal-gürültü oranı (SNR) 1, 2 (PIV biri için örneğin piksel başına parçacıklar hesaplanması gerekmektedir) ile refocused görüntüleri oluşturmak için gerekli kamera sayısını belirlemek amacıyla deney mevcut olacak optik yoğunluk tahmin. Burada sunulan sentetik vokal kıvrımlar ile 3D SAPIV denemeniz için, 8 kamera kullanımı ve piksel başına 0.05-0.1 parçacıklar (ppp) bir ekim yoğunluğu elde etmek için bekliyoruz. Bu sayı 13 kamera uzandı azalan verim ile kamera sayısı arttıkça artar; SNR hızla 5 kameralar altına düşer. Her bir kamera farklı bakış açılarından ölçüm hacmi görebilirsiniz böyle bir çerçeve üzerinde bir dizi yapılandırma kameralar monte edin. Veri yakalama ve izleme için merkezi bir bilgisayara kamera takın. İstediğiniz büyütme ve optik çalışma mesafeleri için uygun odak uzaklığına sahip objektifler seçin. Tipik olarak, sabit odak uzaklığı lens aynı tip her görüntünün benzer büyütme oluşturmak için her kamera monte edilir. Ölçüm hacmi orta görsel bir hedef (örneğin, bir kalibrasyon ızgara gibi) yerleştirin. Bir referans olarak dizi merkezi kameradan görüntü kullanarak, arzu edilen büyütme elde etmek için daha yakın veya uzak ölçüm hacminden tüm kamera dizi çerçeve hareket ettirin. Sonraki, dizideki kalan kameralar ayırın. Aralığı uzaklaştırın birbirinden kameralar toplam çözülebilir derinliği 1 pahasına derinlik boyutundaki uzaysal çözünürlüğü artırır. Not: biz (bkz. Şekil 1) kameraları doğru pozitif Z-boyutu, başvurmak için derinlik kullanın. Içinde için bir derinlik oranDüzlem kararı ile yaklaşık olarak verilmiştir Z hacmi derinliği nerede, s o birimin ön kamera mesafe, ve D s o kadar kameranın boşluk oranıdır. Ölçüm hacmi merkezinde görsel hedef yaklaşık her kamera görüntüsü merkezli böyle tüm kameralar eğiniz. Her kamera lensi üzerinde tamamen açık diyafram ile, görsel hedef her kamera odaklanır. Ölçüm biriminin arkasındaki bir kalibrasyon hedef yerleştirin. Hedef her kameranın görünümünde olduğundan emin olun; daha sonra, kamera ve ölçüm hacmi ve / veya kamera aralığı ihtiyaçlarına uyum (adımları 1,7-1,8) arasındaki mesafe değilse. Hedef her kamera odaklama içinde kadar her kameranın diyafram kapatın. Tekrar t hedef 1,11-1,12 adımlarıölçüm hacmi de önünde. Her kamera ayarlandıktan sonra kalibrasyon hedefi Şekil 2'ye benzer görünmelidir. 2. Cilt Aydınlatma Ayarı Akış alanına uygulanan spesifik ölçüm yöntemine göre ölçüm hacmi aydınlatmak için uygun bir yöntem belirler. Parçacık Hızı için (PIV) bir lazer hacim kullanılır. Ölçüm istenen zamansal çözünürlük elde edebilirsiniz bir nabız ile lazer seçin. Lazer Tek olabilir zaman çözüme yönelik darbeli veya çift çerçeve straddling 3 pulsed. Ölçüm hacmi kapsayan bir ışık hacmin içine lazer ışını oluşturmak üzere optik lens kullanın. PIV ölçümleri 3 için uygun tracer parçacıkları ile Tohum hacmi. Sıvı içinde parçacıkların konsantrasyonu, istenen uzaysal çözünürlüğünü elde etmek için yeterince büyük olacak, fakat olarak SNR azaltmak için çok büyük olmamalıdırSA kabul edilebilir bir seviyenin altına görüntüleri odaklandık. Referans 1 başarılabilir ekim yoğunluğu ayrıntılı bir çalışma içerir, ancak kural olarak piksel başına 0.05-0.15 parçacıkların bir görüntü yoğunluğu (ppp) 8 veya daha fazla kamera ile en deneyleri için uygundur. Kameralar sabit bir numarası için, piksel başına parçacıklar daha büyük hacimli derinlik boyutları için azalır. 3. Kamera Dizi Kalibrasyon Kalibrasyon ölçüm hacmi boyunca birden çok yerde bir kalibrasyon hedefi (bir dama ızgara, örneğin, bakınız Şekil 2) ile her kamera görüntüleri bir dizi yakalama gerektirir. Bir çok kamera otomatik kalibrasyon yöntemini veya görüntüleme hassas ilgi alanı aracılığıyla taşınır bilinen bir kalibrasyon hedefi ya: Birincisi, kalibrasyon iki tip arasında bir seçim. Ölçüm hacmi bir referans koordinat sisteminin kurulması. Bu koordinat sistemi genellikle ilgili f bir şekilde seçilirveya deneme (örneğin düz levha, vb önde gelen kenarında menşeli, bir silindirin ekseni ile uyumlu). Burada Z ekseni (Şekil 1) boyunca puan hizalanmış XY düzleminde bizim ızgaralar yerleştirmek için seçtiniz. Kendi kendini kalibre algoritması 4, 5, kalibrasyon hedef yerleri tam referans koordinat sisteminde yer alan bir konumu haricinde, rasgele olabilir, bir çok kamera kullanarak edin. Bu tam olarak bulunduğu hedef kalibrasyon noktalarının konumu yüksek doğrulukta bilinmesi gerekir. Her kamera, Şekil 2'ye benzer her yerde hedef bir görüntü yakalayabilirsiniz. Kendi kendini kalibre algoritması bir çok kamera kullanarak Eğer değilse, o zaman, kalibrasyon hedef tam referans koordinat sisteminde hedef yönü, yüksek doğruluk ile bilinir ki bu tür ölçüm hacmi içinde çeşitli konumlarda yerleştirilmesi gerekir. Her kamera, her yerde hedef bir görüntü yakalayabilirsiniz. Her görüntü için her kamera hedef noktaları belirleyin. Self-kalibrasyon için, tüm kameralar karşısında görüntü noktası yazışmalar 5 gereklidir, ancak açık referans-to-görüntü noktası yazışmalar yalnızca tam bulunan hedef tarafından oluşturulan noktaları için gereklidir. Tam geçilen kalibrasyon yöntemi için açık referans-to-görüntü noktası yazışmalar tüm kameralar tüm noktaları için gereklidir. Tüm kameralar kalibre etmek için seçilen kalibrasyon algoritması uygulayın. Burada bir çok kamera otomatik kalibrasyon algoritması 4, 5 (açık kaynak kullanmayı seçtiniz http://cmp.felk.cvut.cz/ ~ Svoboda / SelfCal / ) ve faiz uçakları göreli çıkan kamera konumları Şekil 3 'de gösterilmiştir. 4. Zamanlama, Tetikleme ve Veri Toplama Kantitatif, zaman çözüme ışık alan görüntüleme tüm c gerektirirameras ve aydınlatma kaynaklarına doğru alakalı bir deneysel olay genellikle, senkronize edilecek. Harici bir sinyal jeneratörü kamera poz ve aydınlatma dizileri tetiklemek için kullanılır. Puls üreteci üzerine uygun zamanlama darbe dizileri programlayın. Vokal kord denemeniz için, lazer bir kameranın pozlama sonuna yakın pulsed ve sonraki 3 başlangıcına yakın sayede bir çerçeve-straddling dizisi kullanın. Deneysel bir olay tetikleme, uygun bir sinyal üretilir ve puls üreteci giriş olduğundan emin olun. Manuel tetikleme ise, puls üreteci tetikleme için hükümler olun. Seçilen tetikleme yöntemi ile kamera çekimi ve aydınlatma dizisi başlatarak deneysel veri yakalama başlayın. Bir çoklu-kamera ışığı alan görüntüleme deneyi ile ilişkili veri büyük miktarda satın zaman, önemsiz gibi görünse de iyi bir adlandırma kuralı cru olduğunuCIAL. Bu adlandırma geliştirirken veri son tahlilde için yakalama nasıl kullanılacağını dikkate almak yararlı olacaktır. 5. Sentetik Açıklıklı refocusing Biz şimdi bir sentetik refocused hacmi üretmek için görüntüleri bir 3D odak yığını oluşturur. İlk olarak, hacim odak noktasını yeniden kullanılmak üzere, odak düzlemi ve genel olarak odaklanma derinliği arasındaki boşluk tanımlamak 1, 7. Genellikle, odak düzlemi yarı mesafede derinlik çözünürlüğü ayarlanır ve toplam odaklanma derinliği bölgeye göre yönetilir nerede görünümü örtüşme tüm kamera alanları. Odak düzlemi referans koordinat sistemi, Z-eksenine dik olacaktır. Ölçüm hacmi içine projeksiyon üzerine görüntülere uygulamak için ölçek tanımlayın. Ölçek önlemek için ham görüntü büyütme ile tutarlı olmalıdıranlamlı fazla örnekleme veya projeksiyonu görüntülerin altında örnekleme. Her kamera görüntü düzlemi ve her bir sentetik odak düzlemi arasındaki dönüşümleri oluşturulması. Resim 1, 7 arasındaki yoğunluk farklılıkları için arka plan gürültü çıkarmak ve yerleştirmek için görüntü önişleme gerçekleştirin. Sentetik odak düzlemi üzerine Reproject görüntüleri, ölçek ve yeniden numune görüntüleri uygulayın. Bir dizi yerleşik Matlab fonksiyonları (görüntü işleme araç kutusu) uçaktan uçağa dönüşümler verilen bu görevleri işleyebilir. Her sentetik odak düzlemi üzerinde, katkı maddesi ya da çarpımsal SA refocusing algoritması 1, 7 ya geçerlidir. 3D SAPIV uygulamalar için, katkı SA (burada vokal kıvrımlar uygulanan) ile iyi bir başarı oldu. Aydınlatmalı kabarcık görüntüler için, çarpımsal SA üstün sonuçlar vermiştir. Çek yeniden beklendiği gibi görünüp görünmediğini görmek için kalibrasyon görüntülerden biri düzlemine refocusing uygulamak gibi. </li> 6. Cilt Post-processing Işık alanının oluşturulan hacmi orijinal nesneler tahmin etmek rekonstrüksiyon olarak bilinen bir işlem adımı gerektirir. Çeşitli algoritmalar daha karmaşık 3D Dekonvolüsyonun 7 ila 8 arasında gradyan tabanlı odak ölçümler 1 eşikleme basit yoğunluğu değişen bulunmaktad. Uygulama için uygun bir rekonstrüksiyon algoritması seçin. PIV, biz şiddeti eşikleme ve 3D ters evrişim hem de başarı oldu. Biz bir odak yığını oluşturmak için buraya eşikleme yoğunluğu kullanın. Süresi 1 (t 1) ve zaman 2 (t 2) İki fokal yığınları bir vektör alanı oluşturmak için çapraz bağıntılı vardır. 3D Light Field Görüntüleme yöntemi doğal PIV doğruluğunu etkileyebilir derinlik boyutundaki uzamıştır nesneleri sonuçları; iyi bir rekonstrüksiyon algoritması bu uzamayı azaltmak için çalışır. Rekonstrüksiyon adımdan sonra, ses özellikleri veya ex gerekebilirboyut ölçümü için izin vermek için Palplanş, şekil, vb özelliği, ekstraksiyon için kullanılan algoritmalar ve çeşitli uygulama 7 dayalıdır. Baloncuklar elde etmek için, örneğin, kabarcık ® lokalize ve bunların boyutunu tanımlayan bir yöntem gerektirir. PIV uygulamaları için, biz açıkça parçacıkları ayıklamak yok ve bu adım atlanabilir. 3D SAPIV uygulamalar için, daha küçük sorgulama birimleri halinde daha da yeniden hacim ayrıştırmak ve vektör alan 1, 3 ölçmek için uygun bir çapraz-korelasyon bazlı PIV algoritması uygulanır. Bir maketform: haritalar ve resamples maketform gelen dönüşümler dayalı bir görüntü: düzlemi dönüşümü & ​​imtransform bir uçak oluşturur.

Representative Results

Yüksek kaliteli ham PIV görüntüleri siyah arka plan (Şekil 4a) karşı yüksek kontrast görünen düzgün yayılı parçacıklar içerir. Görüntünün genelinde homojen olmayan aydınlatma telafi etmek için, görüntü ön işleme, aydınlık bölgeleri kaldırmak kontrastını ayarlamak ve tüm kameralar (Şekil 4b) tüm görüntüleri genelinde yoğunluğu histogramlar normalleştirmek için yapılabilir. Deney uygun bir yoğunluğa ekildi ve doğru bir kalibrasyon yapıldığında, SA görüntüler her derinlik düzlemi (Şekil 5) odaklanmak parçacıklar ortaya çıkaracaktır odaklandık. Ölçme tohumlari hacim fazla ise, refocused görüntüler SNR zor partiküllerin yeniden yapım düşük olacaktır. SA iyi SNR görüntüleri her derinlikteki uçağa odak parçacıklar korumak için eşiklenir edilebilir odakladı. Şekil 6 Z = -10.6 mm derinlik düzlemi az iki kez adım iki eşiklenir görüntüleri gösterir. Eşiklenir volume sonra PIV 3 gerçekleştirmek için parçacıkların yeterli bir sayıda içerebilir sorgulama birimleri halinde ayrıştırılır. Ayrıştırıldı hacmi için bir 3DPIV algoritmasının uygulanmasıyla, Şekil 7'de gösterildiği gibi bir akışkan hızı alan üretir ve bu örnekte, akış alan bir model vokal kat tarafından indüklenen olmasıdır. Jet dış akış alanının hızı dolayısıyla çok az vektörler bu bölgenin dışında görülebilir, çok küçük. T = 0 msn de vokal kord kapalı ve alanında çok az hız mevcut. T jet en büyük hızı = 1 milisaniye pozitif y yönünde hareket eder ve t = 2-4 milisaniye dan yoğunluğu azaltır. Jet hızı ve döngü azaltarak t = 5 msn de kat kapanır tekrarlanır. Bu görüntüler sunulan her hız alanı zaman içinde tek bir anlık temsil ettiği 100 ortalamalı görüntüye kadar mevcut önceki birçok yazar 9 aynı yumuşaklık yok. Bir referans noktası olarak, önceki simülasyonlar hesaplamak tipik hatalar göstermiştird hızları PIV algoritması kendisi 1'den hata içeren her hız bileşeni üzerinde% 5-10 mertebesinde olduğu; kullandığımız algoritma (MatPIV 11 3D için uyarlanmış) için, bu hata büyük göreli olduğu bilinmektedir diğer kodlar. Bubbly akımları Işık Alanı Görüntüleme 3B yetenekler yararlanabilir bilimsel ilginin başka bir alan vardır. SA teknik benzer şekilde lazer ışık gibi kabarcıklar kenarlarının beyaz bir arka plana karşı koyu görüntülendiği Şekil 8a gösterildiği gibi görüntü ile sonuçlanan, dağınık beyaz arka ile değiştirilir kabarcıklı akış alanları da uygulanabilir. Kendi kendini kalibre sonra, SA algoritmasının çarpma varyant olarak Şekil 8b-d gösterildiği gibi, keskin bir kabarcık derinliğine karşılık gelen ve diğer düzlemler üzerinde görünümü bulanık derinlik düzlemi üzerinde odaklanmış kabarcıkları ile bir odak yığını elde etmek için uygulanabilir 7. Basit bir eşik değilkabarcıklar, yerine ileri özelliği çıkarma algoritmaları bir dizi çıkarmak için yeterli bir yöntem 7'de ayrıntılı olarak kullanılmaktadır. Şekil 1. Etiketler ile kameralar ve vokal kıvrımlar Görüntü ve koordinat sistemi. Şekil 2. Tüm 8 kameralardan görüldüğü gibi Z = 0 mm Kalibrasyon ızgara. Şekil 3. Çoklu kamera kendinden kalibrasyon çıktısı kamera kurulum Topview. Kameralar 1-8 genel görüntüleme directio ile, sayılar ve çevreleri ile bulunurn bir çizgi ile gösterilir. Kökenli yakınındaki kırmızı blob aslında kameraları için 3D göreceli çizilen her Z derinlikte kalibrasyon ızgara 400 + puan. Şekil 4. T 1 ve t 2 (a & b) de kamera 6. bakıldığında parçacık alanının Ham görüntüleri. Sonra aynı görüntü ön işleme (c ve d). Şekil 5 Soldan sağa:. Derinliklerde (a) Z = -5.9 mm, (b) -10.6 mm ve (c) -15.3 mm Ham odakladı SAPIV görüntüler. Şekil 6. Threshozaman adımları (a) t 1 ve Z = -10.6 mm (b) t 2 de lded görüntüler. Şekil 7. 6 zaman adımları için sentetik vokal kıvrımlar tarafından oluşturulan jetin Üç boyutlu vektör alanı. Sol tarafta tüm 3D hız alanının bir izometrik görünümünü gösterir. Her sütunun yukarıda belirtildiği gibi xy ve yz düzlemleri arasında keser vokal kord merkezi aracılığıyla yapılmaktadır. Şekil 8 Soldan sağa:. Kamera diziden kabarcıklı akış alanı ve derinliklerde refocused görüntüleri (b) Z = -10 mm, (c) 0 mm ve (d) 10 mm Ham görüntü.Daire Z = -10 mm derinlikte düzlem üzerinde bulunan kabarcık vurgular ve diğer uçaklar görünümü kaybolur. Kabarcık deneylerin ayrıntıları 4 bulunabilir.

Discussion

Çeşitli adımlar Işık Alanı Görüntüleme deney uygun yürütülmesi için kritik öneme sahiptir. Objektif seçimi ve kamera yerleştirme dikkatli ölçüm hacmi içinde çözünürlüğü maksimize etmek seçilmelidir. SA refocusing algoritmalar doğru kalibrasyon olmadan keskin odaklı imajlar üretmek için başarısız olacak gibi Kalibrasyon, belki de en kritik adımdır. Neyse ki, çoklu kamera self-kalibrasyon çaba oldukça düşük bir seviye ile doğru kalibrasyon kolaylaştırır. Görüntü işleme, bir dereceye kadar görüntülerin normalize rağmen ilgi ve arka plan nesnelerinin arasında iyi kontrast sağlar Tüm resimlerdeki Düzgün aydınlatma, aynı zamanda gereklidir.

Hareketli nesneler var birimlerde SA yaparken Zamanlama da önemlidir. Her kamera aynı zamanda bir görüntü almak için tetiklenir değilse, görüntü oluşturma açıkça eksik olur. Bu yazıda deneyler için biz zamanlama serisi ler kullanılmaktadırŞekil 7 de hown.

3D Light Field Görüntüleme uygulamalar burada bir uzaysal çözünürlüğü ikilemi içerir sundu. Örneğin, 3B SAPIV optik olarak kalın parçacık görüntüleri parçacık birimleri yeniden olabilir, ancak parçacıkların bir (potansiyel olarak büyük) hacmi boyunca dağıtılır. 2D PIV için, parçacıkların ince bir tabaka üzerinde dağıtılır ve böylece aynı parçacık yoğunluğuna sahip resimler ölçüm hacmi içinde çok daha büyük bir yoğunluğa tekabül eder. Bununla birlikte, 3B SAPIV yöntem ki diğer 3D PIV yöntem 1 çok daha büyük bir tohumlama yoğunlukları için olanak sağlar. Başka potansiyel sınırlayıcı dikkate Işık Alan Görüntüleme yöntemleri ile ilişkili nispeten büyük bilişimsel yoğunluğu; hesaplama karmaşıklığı gibi tomografik-PIV 10 olarak görüntü tabanlı 3D rekonstrüksiyon yöntemleri için tipiktir.

Bu deneme için biz 8 Photron SA3 Sigma 105 mm makro lens ile donatılmış kameralar ve Quantron kullanılanix Çift Darwin Nd: fiber laser (532 nm, 200 mJ). Kameralar ve lazer bir Berkley Nucleonics 575 BNC dijital gecikme / puls üreteci ile birlikte senkronize edildi. Helyum akış Expancel dolu cam mikro kürecikler ile ekildi. Mikrosferler 0.15 g / cc bir yoğunluk ile 70 mikron arasında bir ortalama çapa sahiptirler. Biz web sitemiz üzerinden akademik topluluk için burada kullanılan kodları açık kaynak sürümleri sunuyoruz http://www.3dsaimaging.com/ ve biz kullanıcılar bize geribildirim vermek ve nicel ışığı alan topluluğu için yararlı kodları geliştirmek ve temin katılmaya teşvik.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Biz NUWC de ekipman ve gelişimi için mali destekte BYU de sentetik diyafram algoritmaları ekipman ve kalkınma finansmanı için NSF hibe CMMI # 1126862 teşekkür In-house Laboratuvarı Bağımsız Araştırma (Ilir) fonları (Dr Tony Ruffa tarafından izlenir) istiyorum Newport, ve finansman SLT, DJD ve JRN ve vokal kord deneyler ve SLT kısmi destek için Gelişmiş Optik Teknolojileri Erlangen Graduate School Üniversitesi (SAOT) ilişkin veriler için NIH / NIDCD hibe R01DC009616. Son olarak, finansman JRN için Rocky Mountain NASA Uzay Grant Konsorsiyumu.

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).

Tags

3D Flow FieldsMulti-camera Light Field ImagingFluid MechanicsComputational SchemesExperimental MethodsPredicted PhenomenaObserved PhenomenaAccessible MethodQuantitative 3D ImagingVelocity FieldsBubbly FlowsOptically Dense Bubbly Multiphase FlowsNon-invasive Flow Measurement TechniquesLight Field ImagingReparameterize Images3D Volumetric MapPartial OcclusionsSynthetic Aperture RefocusingAngular InformationSpatial Information3D Scene ReconstructionQuantitative Information

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).
Download Citation
Reprints and Permissions

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image