6 marca 2013
Przedstawiono technikę wykonywania ilościowego obrazowania trójwymiarowego (3D) dla różnych rodzajów przepływów płynów. Wykorzystując koncepcje z zakresu obrazowania pola światła (Light Field Imaging), rekonstruujemy objętości 3D z zestawów obrazów. Nasze wyniki 3D obejmują szeroki zakres danych, w tym pola prędkości oraz wielofazowe rozkłady wielkości pęcherzyków.
Ogólnym celem następującego filmu jest przedstawienie przeglądu trójwymiarowej techniki obrazowania, która pozwala na uzyskanie 3D pola prędkości. Jest to osiągane poprzez wykorzystanie skalibrowanych kamer do zgromadzenia obrazów niezbędnych do próbkowania pola światła. W drugim kroku następuje reparametryzacja pola światła, co pozwala na wygenerowanie stosu obrazów o różnej ogniskowej, tworzących trójwymiarową reprezentację pola przepływu.
Następnie stos stosu ogniskowych zostaje poddany postprocesowi z wykorzystaniem algorytmu korelacji wzajemnej w celu uzyskania wektorów trójwymiarowego pola prędkości. Wyniki przedstawiają rozdzielone w czasie 3D pole przepływu w śladzie wibrującego syntetycznego modelu fałdu głosowego, który posłużył jako układ testowy. Wyniki przedstawiono również dla techniki zastosowanej do pola pęcherzyków.
Można kontynuować. Główną zaletą tej techniki w porównaniu z istniejącymi metodami jest możliwość pomiarów w objętościach zawierających więcej cząstek, pęcherzyków lub kropel. Metoda ta może dostarczyć wiedzy na temat przepływów płynów i może zostać rozszerzona na inne zastosowania, takie jak pomiar kształtu płomienia i roli, jaką prędkość odgrywa w spalaniu, a nawet pomiar zbiorowego zachowania grup zwierząt, na przykład stad ptaków.
Zazwyczaj osoby rozpoczynające pracę z tą techniką napotykają trudności ze względu na przytłaczającą ilość danych, jednak uważamy, że opracowaliśmy praktyczny podręcznik stosowania tej metody. Wizualna demonstracja tej metody jest kluczowa, ponieważ konfiguracja kamery i kalibracji znacząco różni się od podejścia z wykorzystaniem pojedynczej kamery. Eksperymenty te przeprowadzimy w laboratorium Biofluids na BYU, należącym do dr. Scotta Thompsona, z pomocą jego doktoranta, Jessego Daleya.
Pierwszym krokiem jest określenie wielkości objętości pomiarowej, a także rozdzielczości czasowej i przestrzennej wymaganej do zbadania eksperymentu przepływu płynu. W niniejszym przypadku metoda zostanie wykorzystana do przeprowadzenia trójwymiarowej syntetycznej obrazowania cząstek z aperturą syntetyczną (3D synthetic aperture particle image) w celu analizy symetrii strat w przepływie powietrza wywołanym przez syntetyczną fałdę głosową. Objętość pomiarowa wynosi 50 na 50 na 25 mm³, a najkrótsze rejestrowane skale czasowe wynoszą 10 µs.
Następnie należy oszacować gęstość optyczną, jaka wystąpi w eksperymencie, aby określić liczbę kamer niezbędnych do wygenerowania obrazów refokusowania o dobrym stosunku sygnału do szumu. Wyższe gęstości zasiewu wymagają w tym przypadku większej liczby kamer w obrazie cząstek. W przypadku eksperymentów z symetrią O należy również obliczyć liczbę cząstek na piksel. Zamontuj kamery w konfiguracji macierzowej na ramie w taki sposób, aby każda kamera mogła obserwować objętość pomiarową z różnych punktów widzenia.
Następnie ustaw odstępy między pozostałymi kamerami w matrycy. Większy odstęp między kamerami poprawia rozdzielczość przestrzenną w wymiarze głębokości kosztem całkowitej rozdzielczej głębokości. Do przechwytywania danych.
W celu wizualizacji podłącz kamery do centralnego komputera. Umieść cel wizualny, taki jak siatka kalibracyjna, w centrum objętości pomiarowej. Używając obrazu z centralnej kamery układu jako punktu odniesienia, przesuń całą ramę układu bliżej lub dalej od objętości pomiarowej, aby uzyskać pożądany kąt powiększenia lub ustaw kamery w taki sposób, aby cel wizualny w centrum objętości pomiarowej znajdował się w przybliżeniu w środku obrazu z każdej kamery.
Przy całkowicie otwartych przysłonach w każdym obiektywie kamery, ustaw ostrość każdej kamery na cel wizualny. Umieść tarczę kalibracyjną z tyłu objętości pomiarowej. Upewnij się, że tarcza znajduje się w polu widzenia każdej kamery.
Jeśli tak nie jest, należy ponownie dostosować odległość między kamerami a objętością pomiarową i/lub odstęp między kamerami. Postąp analogicznie z tarczą kalibracyjną znajdującą się z przodu objętości i powtarzaj czynność do momentu, aż przednia i tylna część będą widoczne we wszystkich kamerach.
Przymykaj przysłonę każdej kamery, aż obiekt zostanie wyostrzony. W przypadku umieszczenia obiektu w dowolnym punkcie objętości pomiarowej każdej z kamer, przy przymkniętej przysłonie może być wymagane dodatkowe oświetlenie. W pierwszej kolejności należy dobrać odpowiednią metodę oświetlenia objętości pomiarowej, w zależności od konkretnej metody pomiarowej stosowanej do badania pola przepływu.
W tym pokazie wykorzystano laser dwupulsacyjny o częstotliwości 1000 Hz. Należy użyć soczewek optycznych, aby uformować wiązkę lasera w objętość światła obejmującą objętość pomiarową. Na koniec, po przygotowaniu do zbierania danych, należy wprowadzić do objętości cząstki śledzące odpowiednie do techniki Particle Image Velocimetry (PIV).
Pomiary symetrii opisane w literaturze przedmiotu. Jako ogólną zasadę, gęstość obrazu od 0,05 do 0,15 cząsteczek na piksel jest odpowiednia dla większości eksperymentów z ośmioma lub większą liczbą kamer. Przy stałej liczbie kamer liczba cząsteczek na piksel ulega zmniejszeniu.
Dla większych wymiarów głębokości objętości. Kluczowym etapem jest kalibracja. Można ją przeprowadzić z użyciem lub bez użycia cząsteczek znacznika.
W przypadku zastosowania algorytmu samokalibracji wielokamerowej, jak w niniejszej demonstracji, należy ustanowić układ współrzędnych odniesienia w objętości pomiarowej. Tutaj siatka kalibracyjna jest umieszczona w centrum fałdy głosowej w stałej orientacji względem układu współrzędnych odniesienia; jako cel kalibracyjny należy wykorzystać obiekt o znanej geometrii. W tym przypadku położenia siatki kalibracyjnej w algorytmie samokalibracji wielokamerowej lub pozycje celów kalibracyjnych mogą być przypadkowe, z wyjątkiem jednego, który jest precyzyjnie kontrolowany.
Ustanawia to układ współrzędnych odniesienia. W każdej kamerze należy zarejestrować obraz celu w każdej lokalizacji. Zidentyfikuj punkty na celu w każdej kamerze. W przypadku każdego obrazu wykorzystywanego do autokalibracji, każdy zidentyfikowany punkt na celu musi znajdować się na obrazie wykonanym przez każdą z kamer.
Jednakże jawne określenie położenia punktów w układzie współrzędnych odniesienia jest wymagane jedynie dla punktów powiązanych z precyzyjnie zlokalizowanym celem. Aby pozyskać dane do ilościowego obrazowania pola światła z rozdzielczością czasową, wszystkie kamery i źródła oświetlenia muszą być dokładnie zsynchronizowane. W tym doświadczeniu do wyzwalania ekspozycji kamer i sekwencji oświetlenia wykorzystuje się zaprogramowany zewnętrzny generator impulsów.
Przygotuj się do zgromadzenia dużej ilości danych, uwzględniając odpowiednie nazewnictwo plików danych. Rozpocznij rejestrację danych eksperymentalnych, upewniając się, że cząstki znacznika przepływają, a następnie uruchom sekwencję przechwytywania obrazu i oświetlenia za pomocą wybranej metody wyzwalania. Aby uzyskać syntetycznie refokusowaną objętość do zbierania danych, wygeneruj trójwymiarowy stos ogniskowych (3D focal stack).
Aby to osiągnąć, należy zdefiniować odstępy między płaszczyznami ogniskowymi oraz całkowitą głębokość refokusowania w wolumenie refokusowanym. Jak wyjaśniono w literaturze, zazwyczaj płaszczyznę ogniskową ustawia się na połowę rozdzielczości głębokości, a całkowita głębokość refokusowania jest określona przez obszar, w którym nakładają się wszystkie pola widzenia kamery. Płaszczyzny ogniskowe będą prostopadłe do osi Z układu współrzędnych odniesienia.
W tym przypadku odstęp między płaszczyznami ogniskowymi wynosi około 0,16 milimetra, a całkowita głębokość ponownego ogniskowania 20 milimetrów, co po przetwarzaniu daje około 128 rozdzielonych płaszczyzn ogniskowych; należy przeprowadzić wstępne przetwarzanie obrazów w celu redukcji szumów tła i wyrównania różnic w intensywności między obrazami. Należy ustalić transformacje między każdą kamerą, płaszczyzną obrazu a każdą syntetyczną płaszczyzną ogniskową. Następnie należy reprojektować obrazy na syntetyczne płaszczyzny ogniskowe.
Zastosuj skalowanie i przeprowadź ponowne próbkowanie obrazów. Można to wykonać w programie Matlab. Mając do dyspozycji transformacje między płaszczyznami, zastosuj addytywny lub multiplikatywny algorytm refokusowania syntetycznej apertury dla każdej syntetycznej płaszczyzny ogniskowej.
W ramach weryfikacji należy zastosować ponowne ogniskowanie do jednej płaszczyzny obrazów kalibracyjnych, aby sprawdzić, czy rekonstrukcja przebiega zgodnie z oczekiwaniami. Po zastosowaniu metody addytywnej do jednej z płaszczyzn kalibracyjnych przy z równym 13.3 mm, obraz staje się ostry i traci ostrość podczas przechodzenia przez stos ostrości od tyłu do przodu. Na koniec prezentujemy ostrość na każdej płaszczyźnie kalibracyjnej, wykorzystując obrazy po ponownym ogniskowaniu po lewej stronie oraz obraz z siatki kalibracyjnej z kamery centralnej po prawej stronie.
Po ponownym ustawieniu ostrości na wszystkich wybranych płaszczyznach należy przetworzyć obrazy w celu usunięcia szumu powstałego podczas tej operacji; należy zastosować progowanie w oparciu o histogramy intensywności obrazów po ustawieniu ostrości, aby zachować cząstki znajdujące się w polu ostrości. Następnie obrazy po progowaniu należy nałożyć na siebie, tworząc wolumen w procesie zwanym rekonstrukcją. Po rekonstrukcji z wolumenu można zebrać dane ilościowe.
Poniżej przedstawiono przykład wysokiej jakości surowego obrazu cząstek dla straty oraz obrazy symetrii z jednej kamery. Obrazy te zawierają równomiernie rozmieszczone cząstki, które wykazują wysoki kontrast na czarnym tle. Jest to wynik eksperymentu z odpowiednim zasiewem cząstek i dokładną kalibracją.
Obraz z refokusowaniem syntetyczną aperturą ukazuje w ostrości cząstki na każdej płaszczyźnie głębokości; od lewej do prawej widoczne są obrazy na głębokościach minus siedmiu milimetrów, zero milimetrów oraz siedmiu milimetrów. Wykorzystanie tych danych wymaga etapu przetwarzania zwanego rekonstrukcją. W tym przypadku zastosowano progowanie intensywności w celu zachowania w ostrości cząstek na każdej płaszczyźnie głębokości.
Następnie płaszczyzny ogniskowe są nakładane w celu stworzenia objętości. Obrazy na tej samej głębokości są przedstawione w dwóch różnych momentach czasowych. Objętość progowa może następnie zostać przekazana do objętości przesłuchujących, które zawierają odpowiednią liczbę cząstek do przeprowadzenia pomiaru prędkości obrazu cząstek.
Jest to przykład przykładowych danych zebranych dla trójwymiarowego pola wektorowego strumienia powstałego w wyniku działania syntetycznych fałdów głosowych dla kilku kroków czasowych. Po lewej stronie przedstawiono asymetryczny widok całego trójwymiarowego pola prędkości w każdym punkcie czasowym. W środkowej części pokazano przekroje płaszczyzny XY dla Z równego 5 mm oraz przekroje płaszczyzny YZ.
Po prawej stronie pokazano obraz dla X równym 14 milimetrów w czasie t równym zero milisekund. Fałd głosowy jest zamknięty, a w polu występuje bardzo mała prędkość. Największa prędkość w strumieniu w pierwszej milisekundzie kieruje się w dodatnim kierunku szerokości i zmniejsza swoją intensywność od drugiej do czwartej milisekundy.
Fałda zamyka się w piątej milisekundzie, co zmniejsza prędkość strumienia, a następnie cykl zostaje powtórzony. Dane te przedstawiają pole prędkości w pojedynczym momencie czasowym, w przeciwieństwie do wartości średniej, która jest zazwyczaj prezentowana. Innym zastosowaniem obrazowania pola świetlnego są przepływy pęcherzykowe.
Przedstawiono tutaj pole pęcherzyków powstałe w wyniku wciągania powietrza przez strumień uderzający w powierzchnię wody. Zatrzymanie wideo w jednym momencie pozwala na zmianę ostrości obrazu na różnych płaszczyznach głębokości, co umożliwia obserwację pęcherzyków wchodzących i wychodzących z obszaru ostrości.
Ten obraz statyczny przedstawia, od lewej do prawej, surowy obraz pola przepływu pęcherzykowego z macierzy kamer oraz obrazy po refokusowaniu na głębokościach minus 10 milimetrów, zero milimetrów i 10 milimetrów. Okrąg zaznacza pęcherzyk znajdujący się w płaszczyźnie głębokości minus 10 milimetrów, który znika z pola widzenia w pozostałych płaszczyznach. Po opanowaniu metody kalibracja i przechwytywanie danych mogą być zazwyczaj przeprowadzone w ciągu około czterech godzin, a syntetyczne refokusowanie przechwyconych danych w około 12 godzin podczas wykonywania tej procedury. Ważne jest zachowanie dużej organizacji, ponieważ procedura składa się z wielu etapów i wiąże się z zebraniem znacznej ilości danych.
Po zastosowaniu tej procedury bogate zestawy danych można analizować w celu uzyskania fizycznych odpowiedzi na szereg pytań, takich jak na przykład: jakie są rozkłady wielkości pęcherzyków w przepływach wielofazowych? Technika ta utoruje drogę badaczom z dziedzin takich jak biologia fizyczna, umożliwiając im badanie dynamiki płynów podczas lotu motyla lub trójwymiarowej struktury stad ptaków. Po obejrzeniu tego filmu powinni Państwo posiadać solidną wiedzę na temat tego, jak prawidłowo ustawić kamery do obrazowania pola światła, precyzyjnie je skalibrować, przeprowadzić syntezę apertury obrazów w oprogramowaniu oraz wykorzystać dane wolumetryczne do dalszego przetwarzania.
W celu uzyskania kodów przykładowych, zestawów danych oraz informacji dotyczących samouczków, prosimy o odwiedzenie naszej strony internetowej. Proszę pamiętać, że współpraca z Tad Truscottem może być niezwykle niebezpieczna, dlatego należy zawsze zachować pełne środki ostrożności, takie jak noszenie kamizelki kuloodpornej podczas pracy w jego laboratorium.
Ten artykuł przedstawia nową technikę ilościowego trójwymiarowego (3D) obrazowania przepływów płynów za pomocą Light Field Imaging. Metoda umożliwia rekonstrukcję 3D pól prędkości i dystrybucji wielkości bąbelków wielofazowych z kalibrowanych tablic kamer.
Quantitative 3D flow field imaging using multi-camera Light Field Imaging addresses a critical gap in experimental fluid dynamics, enabling high-resolution volumetric data acquisition where traditional methods fail. This capability enhances predictive confidence in early discovery and mechanistic de-risking for biopharma R&D, particularly in complex or optically dense systems. The approach supports robust target validation and informs risk-adjusted decisions across the discovery pipeline.
This method integrates from early discovery through lead identification and preclinical research, providing a reusable platform for volumetric data acquisition and analysis.