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

Ein. 3D Light Field Imaging-Setup Starten durch Bestimmung der Größe des Meßvolumens sowie die zeitliche und räumliche Auflösung für die Untersuchung der Fluidströmung Experiment untersucht erforderlich. 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. Montieren der Kameras in einer Feldanordnung auf einem Rahmen, so dass jede Kamera das Meßvolumen aus unterschiedlichen Blickwinkeln betrachten. Befestigen Sie die Kamera an einen zentralen Computer zur Datenerfassung und-Anzeige. 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. Platzieren ein visuelles Zielobjekt (wie eine Kalibrierung Gitter) im Zentrum des Messvolumens. 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. 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 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. Abzuwinkeln alle Kameras, so dass der visuelle Zielobjekt im Zentrum des Messvolumens etwa in jedem Kamerabild zentriert. Mit den Öffnungen vollständig offen an jeder Kameraobjektivs Fokussieren jedes Kamera auf der visuellen Zielobjekts. 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). Schließen Sie die Blende für jede Kamera bis das Ziel im Fokus jede Kamera. 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 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. 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. Verwenden optischer Linsen, um den Laserstrahl in ein Volumen, das das Licht Messvolumen deckt bilden. 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 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. 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. 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. 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. 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. 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 Quantitative erfordert zeitaufgelöste Lichtfeld Bildgebung alle cameras und Beleuchtungsquellen genau synchronisiert werden, oft zu einem relevanten experimentellen Veranstaltung. 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. Falls Auslösung von einem experimentellen Fall sicherzustellen, dass ein entsprechendes Signal erzeugt wird und in den Impulseinspeisungspunkt Generator. Bei manueller Auslösung Vorkehrungen für die Auslösung der Impulsgeber. Beginnen Sie mit dem experimentellen Datenerfassung durch die Einleitung des Kamera-Capture und Beleuchtung Sequenz über die gewählte Triggerung Methode. 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 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 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. 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. Stellen Sie Transformationen zwischen jeder Kamera Bildebene und jedes synthetische Brennebene. Führen Bildvorverarbeitung, um Hintergrundgeräusche zu entfernen und für die Unterschiede in der Intensität zwischen den Bildern 1, 7 unterzubringen. 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. 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. </li> 6. Volume Post-Processing 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. 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. 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.