CN112698053A

CN112698053A - 粒子图像测速误差优化方法、系统和存储介质

Info

Publication number: CN112698053A
Application number: CN202011393747.XA
Authority: CN
Inventors: 徐东升; 张志杰; 范小春; 秦月
Original assignee: Wuhan University of Technology WUT
Current assignee: Wuhan University of Technology WUT
Priority date: 2020-12-02
Filing date: 2020-12-02
Publication date: 2021-04-23
Anticipated expiration: 2040-12-02
Also published as: CN112698053B

Abstract

本发明公开了一种粒子图像测速误差优化方法、系统和存储介质，方法包括以下步骤：采集摄像头拍摄的若干张第一图像，所述若干张第一图像均为预设区域内的图像；根据所述若干张第一图像计算所述预设区域内的位移矩阵；获取所述预设区域内检测点的第一位移和检测点之间的第一距离；根据所述第一距离计算所述若干张第一图像的第二位移；根据所述第一位移和所述第二位移计算误差样本；对所述误差样本进行多次贝叶斯优化处理，得到误差分布；在所述误差分布中抽取误差值；采用所述抽取得到的误差值优化所述位移矩阵。本发明能降低PIV处理得到的位移数据的误差，使最后得到的位移值更加接近真实情况。本发明可广泛应用于粒子追踪技术领域。

Description

粒子图像测速误差优化方法、系统和存储介质

技术领域

本发明涉及粒子追踪技术领域，尤其是一种粒子图像测速误差优化方法、系统和存储介质。

背景技术

PIV技术：Particle Image Velocimetry，粒子图像测速技术，其是一种具备全区域、非接触式测量的显示技术。由于PIV技术的误差校正方法并不确定，大部分只是将得到的数据整体乘以一个校准的系数，且PIV得到的图像质量和对图像的数据处理方法均会影响最终得出的位移数据。一方面，对于图像的质量问题，其存在较多的影响因素，例如图像采集装置的广角镜头畸变、采集图像的平面视差、光源是否充足且均匀、识别区域的像素块是否规则等均会影响图像质量；以及对于图像采集装置本身的稳定性也会在一定程度上影响图像质量。另一方面，对于PIV处理位移数据的方法为识别区域的灰度值分布函数的关联性来判断前后两张图片中同一区域的位移，在识别中有一定的概率会产生较大误差。上述影响因素导致最终得到的位移数据存在较大的误差。

发明内容

为解决上述技术问题之一，本发明的目的在于：提供一种粒子图像测速误差优化方法、系统和存储介质，其能有效降低PIV处理得到的位移数据的误差。

第一方面，本发明实施例提供了：

一种粒子图像测速误差优化方法，包括以下步骤：

采集摄像头拍摄的若干张第一图像，所述若干张第一图像均为预设区域内的图像；

根据所述若干张第一图像计算所述预设区域内的位移矩阵；

获取所述预设区域内检测点的第一位移和检测点之间的第一距离；

根据所述第一距离计算所述若干张第一图像的第二位移；

根据所述第一位移和所述第二位移计算误差样本；

对所述误差样本进行多次贝叶斯优化处理，得到误差分布；

在所述误差分布中抽取误差值；

采用所述抽取得到的误差值优化所述位移矩阵。

进一步地，所述若干张第一图像均为预设区域内的图像，其通过以下步骤判断：

获取所述若干张第一图像的灰度值分布函数；

计算所述若干张第一图像的分布函数的关联函数值；

当所述关联函数值大于预设阈值，判定所述若干张第一图像均为预设区域内的图像。

进一步地，所述根据所述第一距离计算所述若干张第一图像的第二位移，包括：

获取所述若干张图像内与所述检测点对应的像素点；

计算与所述检测点对应的像素点之间的第二距离；

根据所述第一距离和所述第二距离计算比例尺；

根据所述比例尺计算所述若干张第一图像的第二位移。

进一步地，所述对所述误差样本进行多次贝叶斯优化处理，得到误差分布，包括：

采用蒙贝特卡洛方式在所述误差样本中抽取多个误差值作为等效样本；

多次采用贝叶斯方式确定所述等效样本的误差分布。

进一步地，所述多次采用贝叶斯方式确定所述等效样本的误差分布，包括：

获取贝叶斯方式中的似然函数；

采用所述似然函数确定所述等效样本的误差分布。

进一步地，所述在所述误差分布中抽取误差值，其具体为：

在所述误差分布中抽取与所述位移矩阵的项数相同位数的误差值。

第二方面，本发明实施例提供了：

一种粒子图像测速误差优化系统，包括摄像头、检测点采集模块和处理模块，所述摄像头用于拍摄预设区域内的若干张第一图像；所述检测点采集模块用于检测预设区域内的若干个检测点；所述处理模块用于执行以下步骤：

根据所述若干张第一图像计算所述预设区域内的位移矩阵；

根据所述第一距离计算所述若干张第一图像的第二位移；

根据所述第一位移和所述第二位移计算误差样本；

对所述误差样本进行多次贝叶斯优化处理，得到误差分布；

在所述误差分布中抽取误差值；

采用所述抽取得到的误差值优化所述位移矩阵。

进一步地，所述摄像头为工业相机，所述工业相机的拍摄方向与所述预设区域垂直。

第三方面，本发明实施例提供了：

一种粒子图像测速误差优化系统，包括：

至少一个存储器，用于存储程序；

至少一个处理器，用于加载所述程序以执行所述的粒子图像测速误差优化方法。

第四方面，本发明实施例提供了：

一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于实现所述的粒子图像测速误差优化方法。

本发明实施例的有益效果是：本发明实施例先根据摄像头拍摄的若干张第一图像计算预设区域内的位移矩阵，接着获取预设区域内检测点的第一位移和检测点之间的第一距离，并根据第一距离计算若干张第一图像的第二位移后，根据第一位移和第二位移计算误差样本，然后对误差样本进行多次贝叶斯优化处理，得到误差分布，然后在误差分布中抽取误差值，采用抽取得到的误差值优化位移矩阵，以降低PIV处理得到的位移数据的误差，使最后得到的位移值更加接近真实情况。

附图说明

图1为本发明一种具体实施例的粒子图像测速误差优化方法的流程图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

首先，对本申请出现的名词进行解释：

粒子图像测速方式：Particle Image Velocimetry，简称PIV技术，是一种具备全区域、非接触式测量的显示技术。

贝叶斯方式：是主观贝叶斯派归纳理论的重要组成部分。贝叶斯方式在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。

马尔科夫链蒙特卡法：Markov Chain Monte Carlo，简称MCMC，其是在计算机进行模拟的蒙特卡洛法。该方法将马尔科夫过程引入到Monte Carlo模拟中，实现抽样分布随模拟的进行改变的动态模拟，弥补了传统的蒙特卡罗积分只能静态模拟的缺陷。

参照图1，本发明实施例提供了一种粒子图像测速误差优化方法，本实施例可应用于处理模块，该处理模块可以包括若干个服务器、平台或者与平台对应的后台处理器。其中，处理模块上可预先存储有处理对应数据的代码。

具体地，本实施例包括以下步骤：

S11、采集摄像头拍摄的若干张第一图像，其中，若干张第一图像均为预设区域内的图像；在本步骤中，摄像头为工业相机，该工业相机可在短时间内采集多张无畸变的图像。

在一些实施例中，步骤若干张第一图像均为预设区域内的图像，其可通过以下方式实现：

获取若干张第一图像的灰度值分布函数；

计算若干张第一图像的分布函数的关联函数值；

当关联函数值大于预设阈值，判定若干张第一图像均为预设区域内的图像。

在本实施例中，若干张第一图像可以是至少两张图像。关联函数值可通过公式1计算得到：

其中，M和N为该区域的像素尺寸，f(m,n)和g(m+Δx,n+Δy)为前后两张图像区域的灰度值分布函数，C(x,y)为最终确定的前后两张图像的对应区域的关联函数。

S12、根据若干张第一图像计算预设区域内的位移矩阵；本步骤是通过加载geoPIVlauncher程序计算得到预设区域内的位移矩阵。该位移矩阵的规模与图像规模相同。

S13、获取预设区域内检测点的第一位移和检测点之间的第一距离。本步骤位移和距离可以通过在预设区域内预先设置的传感器采集得到。处理模块从传感器中获取即可。

S14、根据第一距离计算若干张第一图像的第二位移。

在一些实施例中，步骤S14可通过以下方式实现：

S141、获取若干张图像内与检测点对应的像素点；

S142、计算与检测点对应的像素点之间的第二距离；

S143、根据第一距离和第二距离计算比例尺；

S144、根据比例尺计算若干张第一图像的第二位移。

在本实施例中，第一距离为检测点之间的实测距离，第二距离为图像上与检测点对应的像素点之间的距离。本实施例通过实测距离与像素点距离之间的比例尺来计算若干张图像的位移，以建立图像像素点与检测点之间的关联关系，同时为后续步骤中数据校正过程提供数据参考。

S15、根据第一位移和第二位移计算误差样本；以及对误差样本进行多次贝叶斯优化处理，得到误差分布。

在一些实施例中，步骤对误差样本进行多次贝叶斯优化处理，得到误差分布，可通以下方式实现：

S151、采用蒙贝特卡洛方式在误差样本中抽取多个误差值作为等效样本。在本步骤中，可从误差样本中抽取最大值和最小值，通过最大值和最小值来确定误差的先验分布。接着通过蒙贝特卡洛方式进行抽样，将抽取的等效样本后续处理步骤。

S152、多次采用贝叶斯方式确定所述等效样本的误差分布。在本步骤中，其具体包括：

获取贝叶斯方式中的似然函数；

采用似然函数确定所述等效样本的误差分布。

本实施例中，会多次进行贝叶斯优化，以使误差不断接近真实情况。

S16、在误差分布中抽取误差值；在本步骤中，是在误差分布中抽取与位移矩阵的项数相同位数的误差值。例如，位移矩阵的项数为8，则抽取的误差值的个数也为8个。

S17、采用抽取得到的误差值优化位移矩阵。本步骤是将位移矩阵内的每一格数据均加上一个误差值。

在完成上述处理后，可将处理完成后的数据导入预设软件，该预设软件即能生成grid网格文件，该网格文件可在该预设软件中直观显示位移云图。

在一些实施例中，将上述实施例应用于实际操作过程中时，包括以下步骤：

步骤一、指定需要检测的区域为预设区域，选择合适的角度架设相机。在本步骤中，预设区域需要与相机正对方向垂直，以降低拍摄得到的图像畸变，影响后续处理过程。在架设相机时，相机需要固定，固定的底座需要稳固不会发生微小的振动，以避免拍摄过程中，振动导致拍摄的图像发生偏移，导致实际的位移无法预测。

步骤二、布置修正位移用的检测点，连接到处理模块，记录图像并保存。其中，步骤修正位移用的检测点仅需要极少数的点，通常布置2-3个即可。通过位移计、激光传感器等多种方式监测位移即可。同时还需要记录检测点之间的距离，该距离通过与拍摄图像中相对应的像素之间的距离比较，形成实际情况与图像的比例尺，即可将图像与真实数据对应起来。

步骤三、将拍摄的图像导入处理模块的matlab中，采用数据矩阵转换、图像剪切等方式初步处理图像，加载geoPIVlauncher程序计算前后图片特征区域的关联函数并识别前后两张图像同一区域的变化，以获取整个区域的位移变化，得到与图像同样规模的位移矩阵。

步骤四、在图像中找到对应于实际工程中用来校准的测量点，通过测量点间的距离和图像上的像素距离的比值确定比例尺，即可将图像上的像素位移值与实际位移值对应，即可得到PIV计算的位移，将PIV计算值与实际测量的数值比对，即得到了用于贝叶斯分析的误差的样本。

步骤五、将得到的误差的最大最小值提取出来，以此确定误差的先验分布。在从该分布中通过蒙特卡洛法进行抽样，抽取的等效样本用于计算似然函数，并通过贝叶斯方法的概率公式计算出误差的分布。多次贝叶斯优化分析后得到误差使其不断接近真实情况，由于误差本身具有随机性，会随机出现在所检测区域的任意位置，因而在得到的PIV计算位移值矩阵中，每一项都加上一个误差ε，该误差即为通过贝叶斯方法计算出的误差分布中随机抽取的误差样本，以此便可以修正在测量、图像处理中可能出现的误差。

步骤六、将修正后的位移矩阵导入预设软件surfer软件中生成grid文件，即可在软件中生成该区域的可视化云图。

在上述实施例中，通过工业相机的高速采集模式采集到短暂时间内的多张图像，通过相关的数字图像处理软件可以将前后两张图像中同一示踪粒子识别出来，并标记其初始、结束位置，即可得到该粒子的位移，再与两张图像之间的时间长度比对，即可得到该粒子的速度。实际操作中拍摄的图像中单个像素是无法识别出特征的，因此，一般采用多个像素点组成的区域作为示踪粒子。

此外，每个区域有其独有的灰度值分布函数，前后两张图像的分布函数的关联函数值大于预设阈值时即认为其为同一片区域。具体地，关联函数值可通过公式1计算得到：

当关联函数满足条件时，该区域即被标记为同一区域，依据其前后位置的差值，通过比例尺即可得到该区域的实际位移计算值，并被记录在数据矩阵中。

而贝叶斯方式是一种通过未知参数的先验信息和样本对位置参数进行更新，再通过后验信息去推测未知参数情况的方法。在实际操作中一般会将现场测量的误差看作随机变量，在PIV方式中可以将由图像质量和数据处理引起的误差看作随机变量。则该随机变量的分布形式为正态分布。如公式2所示：

其中，μ和σ为PIV中误差分布的均值和标准差，则在已知先验信息和样本数据的情况下，通过全概率公式3、公式4和公式5可得到现场误差的概率：

f(δ|Data,Prior)＝∫_μ,σf(δ|μ,σ)f(μ,σ|Data,Prior)dμdσ 公式3

f(μ,σ|Data)＝Kf(Data|μ,σ)f(μ,σ) 公式4

其中，Data为均值；Prior为标准差；δ为误差；f(δ|Data,Prior)为给定的均值和标准差的误差分布；f(μ,σ|Data,Prior)为给定的均值和标准差后μ和σ的联合分布；f(μ,σ)为μ和σ的先验分布；K为一个归一化常量；f(Data|μ,σ)为给定误差时，计算误差的分布函数，又称似然函数。将公式4和5代入公式3中，可得公式6：

f(δ|Data,Prior)＝K∫_μ,σf(δ|μ,σ)f(Data|μ,σ)f(μ,σ)dμdσ 公式6

在公式6中，f(Data|μ,σ)外均为已知，先验分布中假设μ和σ相互独立且为均匀分布，其分布满足公式7：

其中，公式7中，μ∈(μ_max,μ_min)，σ∈(σ_max,σ_min)。

将误差的概率密度函数作为贝叶斯分析中的似然函数，可得似然函数的分布如公式8所示：

其中，D_i为理论计算值与实验测量值之间的误差样本。

已知似然函数具体分布和先验分布，即可得到误差的分布。

在本实施例中，假设PIV得出的数据与实测数据之间的误差服从正态分布，但误差均值和标准差的分布是不确定的，对于无信息的先验信息，通过确定其最大、最小值，依据蒙特卡洛模拟方法，抽样产生大量等效样本，该样本满足如公式9所示的静态平稳的马尔科夫过程：

P(D_i＝δ|D₁＝δ₁,D₂＝δ₂,...,D_i-1＝δ_i-1)＝P(D_i＝δ|D_i-1＝δ_i-1) 公式9

其中，D为需要的误差样本；δ为该过程中误差的候选样本。

通过计算可得该PIV方式全过程中的误差分布，将PIV得出的位移矩阵中每一项考虑一个误差项ε，该误差项将从根据贝叶斯方式确定的误差的分布函数中抽取。即如公式10所示：

g(真实值)＝g(计算值)+ε 公式10

修正后得到的位移数据经过该方法的优化，其与真实情况的误差会大幅度减小，从而提高PIV方式的可靠度。

本发明实施例一种粒子图像测速误差优化系统，包括摄像头、检测点采集模块和处理模块，所述摄像头用于拍摄预设区域内的若干张第一图像；所述检测点采集模块用于检测预设区域内的若干个检测点；所述处理模块用于执行如图1所示方法。其中，所述摄像头为工业相机，所述工业相机的拍摄方向与所述预设区域垂直。

本发明方法实施例的内容均适用于本系统实施例，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法达到的有益效果也相同。

本发明实施例提供了一种粒子图像测速误差优化系统，包括：

至少一个存储器，用于存储程序；

本发明实施例提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于实现所述的粒子图像测速误差优化方法。

此外，本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。

以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims

1.一种粒子图像测速误差优化方法，其特征在于，包括以下步骤：

根据所述若干张第一图像计算所述预设区域内的位移矩阵；

根据所述第一距离计算所述若干张第一图像的第二位移；

根据所述第一位移和所述第二位移计算误差样本；

对所述误差样本进行多次贝叶斯优化处理，得到误差分布；

在所述误差分布中抽取误差值；

采用所述抽取得到的误差值优化所述位移矩阵。

2.根据权利要求1所述的一种粒子图像测速误差优化方法，其特征在于，所述若干张第一图像均为预设区域内的图像，其通过以下步骤判断：

获取所述若干张第一图像的灰度值分布函数；

计算所述若干张第一图像的分布函数的关联函数值；

3.根据权利要求1所述的一种粒子图像测速误差优化方法，其特征在于，所述根据所述第一距离计算所述若干张第一图像的第二位移，包括：

获取所述若干张图像内与所述检测点对应的像素点；

计算与所述检测点对应的像素点之间的第二距离；

根据所述第一距离和所述第二距离计算比例尺；

根据所述比例尺计算所述若干张第一图像的第二位移。

4.根据权利要求1所述的一种粒子图像测速误差优化方法，其特征在于，所述对所述误差样本进行多次贝叶斯优化处理，得到误差分布，包括：

多次采用贝叶斯方式确定所述等效样本的误差分布。

5.根据权利要求4所述的一种粒子图像测速误差优化方法，其特征在于，所述多次采用贝叶斯方式确定所述等效样本的误差分布，包括：

获取贝叶斯方式中的似然函数；

采用所述似然函数确定所述等效样本的误差分布。

6.根据权利要求5所述的一种粒子图像测速误差优化方法，其特征在于，所述在所述误差分布中抽取误差值，其具体为：

7.一种粒子图像测速误差优化系统，其特征在于，包括摄像头、检测点采集模块和处理模块，所述摄像头用于拍摄预设区域内的若干张第一图像；所述检测点采集模块用于检测预设区域内的若干个检测点；所述处理模块用于执行以下步骤：

根据所述若干张第一图像计算所述预设区域内的位移矩阵；

根据所述第一距离计算所述若干张第一图像的第二位移；

根据所述第一位移和所述第二位移计算误差样本；

对所述误差样本进行多次贝叶斯优化处理，得到误差分布；

在所述误差分布中抽取误差值；

采用所述抽取得到的误差值优化所述位移矩阵。

8.根据权利要求7所述的粒子图像测速误差优化系统，其特征在于，所述摄像头为工业相机，所述工业相机的拍摄方向与所述预设区域垂直。

9.一种粒子图像测速误差优化系统，其特征在于，包括：

至少一个存储器，用于存储程序；

至少一个处理器，用于加载所述程序以执行如权利要求1-6任一项所述的粒子图像测速误差优化方法。

10.一种存储介质，其中存储有处理器可执行的指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于实现如权利要求1-6任一项所述的粒子图像测速误差优化方法。