Summary

קביעת שדות זרימה 3D באמצעות מצלמה מרובה אור תחום הדמיה

Published: March 06, 2013
doi:

Summary

טכניקה לביצוע הדמיה כמותית תלת ממדי (3D) עבור מגוון של זורם נוזל מוצגת. שימוש במושגים מתחום הדמית שדה אור, אנו משחזרים כרכי 3D ממערכים של תמונות. התוצאות שלנו 3D להקיף מגוון רחב הכוללים שדות מהירות והפצות גודל בועות רבות שלבים.

Abstract

בתחום מכניקת זורמים, ברזולוציה של תוכניות חישוביות יש outpaced שיטות ניסיוניות והרחיבה את הפער בין תופעות חזויות ונצפו בזורם נוזל. לכן, צורך קיים לשיטה מסוגלת לפתור (3D) ערכות נתונים תלת ממדיות עבור מגוון של בעיות נגישה. אנו מציגים שיטה חדשנית לביצוע הדמית 3D כמותית של סוגים רבים של שדות זרימה. טכניקת 3D מאפשרת חקירה של שדות מהירות מסובכים ותזרימים מבעבעים. מדידות של סוגים אלה להציג מגוון רחב של אתגרים למכשיר. למשל, תזרים multiphase תוסס אופטי צפוף לא יכול להיות צלם בקלות על ידי טכניקות מסורתיות, לא פולשנית זרימת מדידה בשל הבועות חוסמות גישה אופטית לאזורים הפנימיים של הנפח של עניין. באמצעות הדמית שדה אור אנו מסוגלים reparameterize תמונות שנתפסו על ידי מערך של מצלמות לשחזר מפת נפחית 3D עבור כל מופע זמן, למרותחסימות חלקיות בנפח. הטכניקה עושה שימוש באלגוריתם המכונה refocusing הסינטטי צמצם (SA), לפיה ערימת מוקד 3D נוצרה על ידי שילוב של תמונות ממספר מצלמות שלאחר לכידת 1. הדמית שדה אור מאפשרת ללכידתו של הזוויתי כמו גם מידע מרחבים על קרן האור, ולכן מאפשרת שתחזור הסצנה 3D. מידע כמוני אז ניתן לחלץ מ3D שחזורים באמצעות מגוון של אלגוריתמים לעיבוד. בפרט, פתחו שיטות מדידה המבוססות על הדמית שדה אור לביצוע velocimetry תמונת 3D חלקיקים (PIV), חילוץ בועות בשדה 3D ומעקב הגבול של להבה מרצדת. אנו מציגים את יסודות המתודולוגיה הדמית שדה האור בהקשר של ההגדרה שלנו לביצוע 3DPIV של זרימת האוויר עוברת מעל קבוצה של קפלי קול סינטטיים, ולהראות תוצאות מייצגות מיישום של הטכניקה למטוס צולל בועה entraining.

Protocol

1. התקנת הדמית 3D אור שדה התחל על ידי קביעת גודל נפח המדידה כמו גם הרזולוציה של זמן ומרחב הדרוש לחקירת ניסוי זרימת הנוזל נלמד. להעריך את הצפיפות האופטית שתהיה נוכח בניסוי על מנת לקבוע את מספר המצלמות הנדרשות כדי להפיק תמונות מקדו מחדש עם יחס אות לרעש טוב (SNR) 1, 2 (למשל עבור PIV יש לחשב חלקיקים לפיקסל). לניסוי SAPIV 3D עם קפלי קול הסינתטיים שהוצגו במסמך זה, אנו משתמשים 8 מצלמות ומצפים להשיג צפיפות זריעה של 0.05-0.1 חלקיקים לפיקסל (PPP). מספר זה עולה עם מספר הולך וגדל של מצלמה עם תשואה שולית פוחתת הגיעה סביב 13 מצלמות; SNR יורד במהירות מתחת 5 מצלמות. הר המצלמות בתצורת מערך במסגרת כך שכל מצלמה יכולה להציג את נפח המדידה מנקודתי מבט שונות. צרף את המצלמות למחשב מרכזי עבור לכידה והצגת נתונים. בחר עדשות עם אורכים מתאימים להגדלה הרצויה ומרחקי עבודה אופטיים מוקד. בדרך כלל, אותו הסוג של עדשת אורך מוקד קבועה הוא רכוב לכל מצלמה כדי ליצור גדלה דומה בכל תמונה. הצב מטרה חזותית (כגון רשת כיול) במרכז נפח המדידה. שימוש בתמונה ממצלמת המרכז של המערך כהפניה, להזיז את מסגרת מערך המצלמה כל קרוב או רחוק יותר מנפח המדידה כדי להשיג את ההגדלה הרצויה. בשלב הבא, להפריד את המצלמות שנותרו במערך. ריווח המצלמות רחוקות יותר זה מזה משפר את הרזולוציה מרחבית בממד העומק בעלות עומק לפתרון כולל 1. הערה: אנו משתמשים כדי להתייחס לעומק Z-הממד, שהוא חיובי כלפי המצלמות (ראה תרשים 1). היחס בין העומק לרזולוצית מטוס ניתנת על ידי כ , כאשר Z הוא העומק בהיקף, של o היא המרחק מהמצלמות לחלק הקדמי של הנפח, ו-D הוא היחס בין המרווח למצלמה של o. מסובב את כל המצלמות כאלה שהמטרה החזותית במרכז נפח המדידה מרוכזת כ בכל תמונת מצלמה. עם הפתחים הפתוחים לחלוטין על כל עדשת מצלמה, כל מצלמה מתמקד במטרה החזותית. הנח יעד כיול בחלק האחורי של נפח המדידה. ודא כי היעד הוא בתצוגה של כל מצלמה, אם הוא לא, אז המרחק בין המצלמות ונפח מדידה ו / או התאמה לצרכי ריווח מצלמה (1.7-1.8 צעדים). סגור את הצמצם של כל מצלמה עד היעד הוא בהתמקדות בכל מצלמה. חזור על שלבים 1.11-1.12 עם היעד בtהוא מול נפח המדידה. מטרת הכיול אמורה להופיע דומה לאיור 2 אחרי כל מצלמה מותאמת. 2. התקנת תאורת נפח לקבוע את השיטה המתאימה למאירים נפח המדידה המבוסס על שיטת מדידה המסוימת מוחלת על שדה הזרימה. לvelocimetry תמונת החלקיקים (PIV) נפח ליזר משמש. בחר ליזר עם דופק שיכול להשיג רזולוציה של הזמן הרצוי של המדידה. הליזר עשוי להיות אחת פעם לזמן נפתר או דו פעם ל3 מסגרת פישוק-. להשתמש בעדשות אופטיות ליצירת קרן הליזר לאור נפח המכסה את נפח המדידה. זרעי נפח עם חלקיקי מעקב מתאימים למדידות PIV 3. הריכוז של חלקיקים בנוזל צריך להיות גדול מספיק כדי להשיג רזולוציה מרחבית הרצויה, אבל לא כל כך גדול כמו להפחתת יחס האות לרעש בSA refocused תמונות מתחת לרמה מקובלת. 1 עזר כולל לימוד מעמיק של צפיפות זריעת השגה, אבל ככלל אצבע צפיפות תמונה של 0.05-0.15 חלקיקים לפיקסל (PPP) מתאימה למרבית הניסויים עם 8 או יותר מצלמות. למספר קבוע של מצלמות, החלקיקים לפיקסלים מקטינים לממדי עומק בנפח גדולים יותר. 3. כיול מערך מצלמה כיול דורש לכידת סדרה של תמונות בכל מצלמה עם מטרת כיול (למשל רשת דמקה, ראה איור 2) במקומות רבים ברחבי נפח המדידה. ראשית, לבחור בין שני סוגים של כיול: או שיטת מצלמה המרובה כיול עצמי או הדמית יעד כיול ידוע שהוא עבר דווקא דרך תחום העניין. הקמת מערכת קואורדינטות בכרך המדידה. מערכת קואורדינטות זו לעתים קרובות נבחרה באופן שרלוונטי הוא fאו הניסוי (למשל מיושר עם הציר של גליל, שמקורו בחוד החנית של צלחת שטוחה, וכו '). כאן אנחנו בחרנו להציב הרשתות שלנו במישור XY מיושר על נקודות לאורך ציר Z (1 איור). אם אתם משתמשים במצלמה מרובה אלגוריתם כיול עצמי 4, 5 מקומות יעד הכיול יכולים להיות אקראיים, למעט מקום אחד שממוקם בדיוק במערכת קואורדינטות ההפניה. המיקום של נקודתי כיול ביעד זה ממוקם בדיוק צריך להיות ידוע ברמת דיוק גבוה. בכל מצלמה, ללכוד תמונה של היעד בכל מיקום דומה לאיור 2. אם אינך משתמש במצלמה מרובה אלגוריתם כיול עצמי, אז יעד הכיול חייב להיות ממוקם בדיוק במספר מקומות בנפח המדידה זו שהאורינטציה של היעד במערכת צירי ההתייחסות ידועה ברמת דיוק גבוה. בכל מצלמה, ללכוד תמונה של היעד בכל מיקום. זהה את נקודות על היעד בכל מצלמה לכל תמונה. לכיול עצמי, התכתבויות נקודת תמונה בכל המצלמות נדרשות 5, אך התכתבויות נקודת התייחסות מפורשות לתמונה נדרשות רק לנקודות שנוצרו על ידי ליעד ממוקם בדיוק. לשיטת הכיול חצה בדיוק, תכתובות נקודת התייחסות מפורשות לתמונה נדרשות לכל נקודות בכל המצלמות. החל אלגוריתם הכיול נבחר כדי לכייל את כל המצלמות. כאן אנחנו בחרנו לנצל את מצלמה מרובה אלגוריתם כיול עצמי 4, 5 (קוד פתוח http://cmp.felk.cvut.cz/ ~ סוובודה / SelfCal /) ואת מיקומי מצלמת תוצאה יחסית למטוסים של עניין היא מוצג באיור 3. 4. תזמון, מפעיל ואיסוף נתונים כמותית, הדמית הזמן נפתר שדה אור לכל דורשת גameras ומקורות תאורה כדי להיות מסונכרנים באופן מדויק, לעתים קרובות לאירוע ניסיוני רלוונטי. מחולל פעימות חיצונית משמש כדי לעורר את חשיפות המצלמה ורצפי תאורה. תכנית רצפי דופק העיתוי המתאימים במחולל הפעימות. לניסוי לקפל הקולני, אנו משתמשים ברצף מסגרת פישוק-, לפיו הליזר פעם קרוב לסוף חשיפת מצלמה אחת ובסמוך לתחילת 3 הבאים. אם מפעיל מאירוע ניסיוני, להבטיח שאות מתאימה מופקת וקלט לגנרטור הדופק. אם מפעיל באופן ידני, לבצע הפרשות למפעילים גנרטור הדופק. בגין לכידת נתונים הניסיונית על ידי ייזום לכידת המצלמה ורצף תאורה באמצעות השיטה מפעילה בחרה. למרות שזה נשמע טריוויאלי, בעת רכישת הכמות הגדולה של נתונים הקשורים לניסוי מרובה מצלמת שדה אור הדמית אמנת שמות טובה היא CRUחברתי. זה מועיל לשקול איך את הנתונים ישמשו מ ללכוד לסופו בעת פיתוח אמנת השמות. 5. Refocusing צמצם הסינטטי כעת אנו נפיק ערימת מוקד 3D של תמונות כדי לייצר נפח refocused סינטטי. ראשית, להגדיר את המרווח בין מטוסי מוקד ועומק הכולל refocusing כדי לשמש בהיקף refocused 1, 7. בדרך כלל, את מרווח מטוס המוקד מוגדר למחצית רזולוצית העומק והעומק הכולל refocusing נשלט על ידי האזור שבו כל שדות המצלמה של חפיפת נוף. מטוסי המוקד יהיו בניצב לZ-הציר של מערכת קואורדינטות ההפניה. הגדר את קנה המידה להחלה על התמונות על הקרנה מחדש לתוך נפח המדידה. קנה המידה צריך להיות בקנה אחד עם הגדלה של תמונות הגולמיות כדי למנועדגימה משמעותית מעל או מתחת, דגימה של תמונות מוקרן מחדש. להקים תמורות בין כל תמונת מטוס מצלמה וכל מטוס מוקד סינטטי. בצע preprocessing תמונה כדי להסיר רעשי רקע, ולהתאים להבדלים בעצמה בין תמונות 1, 7. תמונות להקרין מחדש על גבי מטוסי המוקד הסינתטיים, להחיל את קנה המידה ודגימה מחדש את התמונות. קבוצה של פונקציות מובנות של Matlab (עיבוד תמונת ארגז כלים) יכול להתמודד עם משימות אלה ניתנו תמורות מטוס למטוס. על כל מטוס מוקד סינטטי, להחיל אלגוריתם כפל SA refocusing 1, 7 או התוסף. עבור יישומי 3D SAPIV, היו לנו הצלחה טובה עם התוסף SA (כפי שהוחל על את קפלי קול כאן). לתמונות בועת תאורה אחוריות, SA הכפלי הניב תוצאות מעולות. כבדיקה להחיל את המיקוד המחודשת למטוס על אחת מהתמונות כדי לראות אם כיול השיקום מופיע כצפוי. </li> 6. נפח לאחר העיבוד כדי להעריך את החפצים המקוריים בנפח שנוצר בתחום האור דורש צעד בתהליך המכונה שחזור. מספר אלגוריתמי מתקיים החל מעוצמת פשוטה thresholding 1 עד מדדי מיקוד שיפוע מבוסס 7 לdeconvolution 3D המורכב יותר 8. בחר אלגוריתם שחזור מתאים ליישום. לPIV, היו לנו הצלחה עם שניהם thresholding העצמה וdeconvolution 3D. אנו משתמשים בעוצמת thresholding כאן כדי ליצור ערימת מוקד. שני ערימות מוקד מהשעה 1 (1 t) ושעה 2 (לא 2) הן חוצה בקורלציה להקים שדה וקטורים. שיטת הדמית שדה אור 3D מיסוד תוצאות באובייקטים המוארכים בממד העומק, אשר יכול להשפיע על דיוק PIV; אלגוריתם שחזור טוב מנסה לצמצם התארכות זו. לאחר שלב השחזור, תכונות בהיקף ייתכן שתהיינה צורך או לשעברtracted כדי לאפשר מדידה של גודל, צורה וכו 'האלגוריתמים המשמשים להפקת תכונה הן מגוונים ותלוי ביישום 7. כדי לחלץ בועות, למשל, דורש אמצעים לאיתור מאפייני בועה והגדרת הגודל שלהם. עבור יישומי PIV, אנחנו לא במפורש לחלץ חלקיקים ושלב זה ניתן לדלג עליו. עבור יישומי 3D SAPIV, לנתח את עוצמת השיקום לנפחים קטנים יותר וחקירה להחיל אלגוריתם מתאים, מתאם צלב מבוסס PIV כדי למדוד את שדה וקטורי 1, 3. maketform: בונה מטוס למטוס והפיכת imtransform: מפות וresamples תמונה מבוססת על התמורות מmaketform.

Representative Results

תמונות PIV גלם איכותיות מכילות חלקיקים אחידים מופצים מופיעים עם ניגודיות גבוהה על הרקע השחור (איור 4 א). כדי לפצות על תאורה לא אחידה על פני התמונה, טרום עיבוד תמונה ניתן לבצע כדי להסיר אזורים בהירים, כיוון ניגודיות ולנרמל את היסטוגרמות עצמה בכל התמונות מכל המצלמות (איור 4 ב). כאשר הניסוי נזרע לצפיפות מתאימה וכיול מדויק מתבצע, SA refocused תמונות תחשופנה בחלקיקים להתמקד בכל מטוס עומק (איור 5). אם המדידה הוא מעל הנפח ייזרע, יחס האות לרעש בתמונות refocused יהיה נמוך ולכן קשים לשחזר את החלקיקים. SA refocused תמונות עם SNR הטוב ניתן thresholded לשמור בחלקיקים להתמקד בכל מטוס עומק. איור 6 מציג שתי תמונות thresholded משני צעדי זמן בZ = מטוס עומק המ"מ -10.6. Vo thresholdedlume אז מנותח לנפחי חקירה המכילים מספר מספיק של חלקיקים לביצוע 3 PIV. יישום אלגוריתם 3DPIV לכרך המנותח מניב תחום מהירות נוזל מוצג באיור 7, במקרה זה, שדה הזרימה הוא שנגרם על ידי קיפול ווקאלי מודל. המהירות של שדה הזרימה מחוץ למטוס היא קטנה מאוד, ולכן מעט מאוד וקטורים שניתן לראות מחוץ לאזור זה. בt = 0 msec לקפל הקולני סגור והמהירות מעט מאוד בתחום היא הווה. המהירות הגדולה ביותר, במטוס הסילון בt = 1 msec מהלכים בכיוון y החיובי ומפחיתה בעוצמתם מt = 2-4 אלפיות שני. נסגר בקיפול בt = 5 אלפיות הפחתת מהירות סילון והמעגל חוזר על עצמו. תמונות אלה אין לו חלקות כמחברים קודמים רבים 9 שמציגים עד 100 תמונות בממוצע ככל שדה מהירות מייצג הציג תמונה אחת בכל פעם. כנקודת התייחסות, סימולציות קודמות הראו שגיאות אופייניות בחישובמהירויות ד להיות על סדר 5-10% בכל אחד ממרכיבי מהירות, הכולל שגיאות מהאלגוריתם עצמו PIV 1; לאלגוריתם שאנו משתמשים (11 MatPIV המותאם ל3D), שגיאה זו ידועה להיות יחסי גדולה כדי קודים אחרים. תזרים תוסס הם תחום נוסף של עניין מדעי שיכולים להפיק תועלת מהיכולות של 3D הדמית שדה אור. טכניקת SA יכולה להיות מיושמת באופן דומה לשדות זרימה תוססים, שבו אור הליזר מוחלף בתאורה אחורית לבנה מפוזרת, שתוצאה בתמונות כמו שמוצג באיור 8 א בי קצות הבועות מופיעים כהים על הרקע הלבן. לאחר כיול עצמי, החלופה הכפלי של שיטת SA ניתן ליישם להניב מחסנית מוקד עם בועות ממוקדות מאוד במישור המקביל לעומקה של הבועה ומטושטשת מתצוגה במטוסים אחרים העומק, כפי שמוצגת באיור 8 ב-d 7. thresholding הפשוט הוא לאשיטה מתאימה לחילוץ הבועות, במקום סדרה של אלגוריתמי חילוץ מאפיינים מתקדמים מנוצלת כמפורטת ב7. איור 1. תמונה של מצלמות וקפלי קול עם תוויות ולתאם מערכת. איור 2. רשת כיול בZ = 0 מ"מ כפי שנראה מכל 8 המצלמות. איור 3. Topview של תכנית התקנה של מצלמה מפלט כיול עצמי מרובה מצלמה. מצלמות 1-8 נמצאות עם מספרים וחוגים, עם צפיית directio הכלליn מסומן בקו. הכתם האדום ליד המוצא הוא למעשה 400 נקודות + מרשת הכיול בכל עומק Z זממה ב3D יחסית למצלמות. איור 4. תמונות גלם של שדה החלקיקים שנצפו מהמצלמה # 6 ב t 1 ולא 2 (& B). תמונות דומות לאחר שלפני העיבוד (C & D). איור 5 משמאל לימין:. תמונות גלם refocused SAPIV בעומקים () Z = -5.9 מ"מ, (ב) ומ"מ -10.6 (ג) -15.3 מ"מ. האיור 6. Threshoתמונות lded בצעדי זמן () 1 t ו (ב) t 2 בZ = -10.6 מ"מ. איור 7. שדה וקטורים תלת ממדי של המטוס שנוצר על ידי קפלי קול סינטטי ל6 שלבים בזמן. צד השמאל מראה נוף איזומטרי של שדה מהירות 3D כולו. קיצוצים של מטוסי YZ xy ונעשים דרך המרכז של הקפל הקולני כפי שצוין לעיל כל עמודה. איור 8 משמאל לימין:. תמונה גולמית של שדה זרימה מבעבע ממערך מצלמה ותמונות מקדו מחדש בעומקים (ב) Z = -10 מ"מ, (ג) 0 מ"מ ו( ד) 10 מ"מ.המעגל מדגיש בועה שנמצאת על Z = מטוס עומק המ"מ -10, ונעלם מנוף במישורים אחרים. פרטים על ניסויי הבועה ניתן למצוא 4.

Discussion

כמה שלבים קריטיים לביצוע נכון של ניסוי הדמית שדה אור. בחירת עדשה ומיקום מצלמה צריכה להיות שנבחרו בקפידה על מנת למקסם את הרזולוציה בתוך נפח המדידה. כיול הוא אולי השלב הקריטי ביותר, שכן אלגוריתמי refocusing SA ייכשלו כדי להפיק תמונות ממוקדות בחדות ללא כיול מדויק. למרבה המזל, מרובת המצלמה כיול עצמי מאפשר כיול מדויק ברמה נמוכה יחסית של מאמץ. תאורה אחידה בכל התמונות שמספקות ניגודיות טובה בין האובייקטים של עניין והרקע היא גם הכרחית, למרות שעיבוד תמונה יכול לנרמל את התמונות למידה.

עיתוי חשוב גם בעת ביצוע SA בכרכים שאובייקטים נעים. אם כל מצלמה אינה מופעל לקחת תמונה באותו הזמן, שחזור התמונה יהיה ברור להיות לא מדויק. לניסויים במאמר זה אנו מנוצלים רצף של עיתויhown באיור 7.

יישומי הדמית שדות אור 3D המוצגים כאן כרוכים ברזולוציה מרחבית trade-off. לדוגמה, 3D SAPIV יכול לשחזר כמויות חלקיקים מתמונות חלקיקים אופטיים צפופות, אבל החלקיקים מופצים ברחבי נפח (פוטנציאל גדול). עבור 2D PIV, החלקיקים מופצים על סדין דק, ולכן תמונות עם אותו צפיפות החלקיקים מתאימות לצפיפות גדולה בהרבה בהיקף המדידה. עם זאת, שיטת SAPIV 3D מאפשרת לצפיפות זריעה הרבה יותר גדולה ששיטות PIV אחרות 3D 1. עוד שיקול שעלול להיות מגביל הוא עוצמת המחשוב הגדולה יחסית קשורה בשיטות הדמית שדות אור; מורכבות חישובית הן אופייניות לשיטות שיקום 3D המבוססים על תמונות, כגון טומוגרפית-PIV 10.

לצורך ניסוי זה השתמשנו במצלמות 8 SA3 Photron מצוידות בעדשות מאקרו 105 מ"מ סיגמה וQuantronix הכפול דרווין Nd: YLF ליזר (532 ננומטר, 200 MJ). המצלמות והליזר היו synched יחד באמצעות גנרטור ברקלי תורת גרעין 575 BNC הדיגיטלי עיכוב / דופק. זרימת הנוזל נזרעה עם Expancel הליום מלא microspheres זכוכית. Microspheres היה בקוטר ממוצע של 70 מיקרומטר עם צפיפות של 0.15 גר '/ סמ"ק. אנו מציעים גרסות קוד פתוחות של קודים המשמשים בזאת לקהילה האקדמית באמצעות אתר האינטרנט שלנו http://www.3dsaimaging.com/ ואנו מעודדים את המשתמשים לתת לנו משוב ולהשתתף בשיפור ואספקת קודים שימושיים לקהילת תחום האור כמותית.

Disclosures

The authors have nothing to disclose.

Acknowledgements

ברצוננו להודות למענק NSF CMMI # 1126862 למימון הציוד והפיתוח של אלגוריתמי המפתח הסינתטיים בBYU, בבית מעבדת מחקר עצמאי (ILIR) כספים (פיקוח על ידי ד"ר טוני Ruffa) למימון הציוד והפיתוח בNUWC ניופורט, וNIH / NIDCD המענק R01DC009616 למימון SLT, DJD וJRN ונתונים הנוגעים לניסויי קיפול קול ובאוניברסיטת בית הספר למוסמכים בארלנגן אופטיות טכנולוגיות מתקדמות (SAOT) לתמיכה חלקית של SLT. לבסוף, מאגד Rocky Mountain נאס"א חלל גרנט למימון 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

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).

View Video