KR101039183B1 - System and method for velocity field measurement using hybrid piv based affine transformation - Google Patents
System and method for velocity field measurement using hybrid piv based affine transformation Download PDFInfo
- Publication number
- KR101039183B1 KR101039183B1 KR1020110039191A KR20110039191A KR101039183B1 KR 101039183 B1 KR101039183 B1 KR 101039183B1 KR 1020110039191 A KR1020110039191 A KR 1020110039191A KR 20110039191 A KR20110039191 A KR 20110039191A KR 101039183 B1 KR101039183 B1 KR 101039183B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- velocity vector
- affine transformation
- particle
- velocity
- Prior art date
Links
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 title claims abstract description 38
- 230000009466 transformation Effects 0.000 title claims abstract description 28
- 238000005259 measurement Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims description 43
- 239000013598 vector Substances 0.000 claims abstract description 55
- 239000012530 fluid Substances 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 239000002245 particle Substances 0.000 claims description 52
- 239000011859 microparticle Substances 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000013519 translation Methods 0.000 claims description 3
- 239000010419 fine particle Substances 0.000 claims 1
- 230000001678 irradiating effect Effects 0.000 claims 1
- 238000001454 recorded image Methods 0.000 abstract description 3
- 239000002105 nanoparticle Substances 0.000 abstract 3
- 238000000917 particle-image velocimetry Methods 0.000 abstract 3
- 230000008602 contraction Effects 0.000 abstract 1
- 238000000037 particle-tracking velocimetry Methods 0.000 description 17
- 238000011426 transformation method Methods 0.000 description 17
- 238000002474 experimental method Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 230000005484 gravity Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 239000000700 radioactive tracer Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000005206 flow analysis Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000000827 velocimetry Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means, e.g. by light scattering, diffraction, holography or imaging
- G01N15/0227—Investigating particle size or size distribution by optical means, e.g. by light scattering, diffraction, holography or imaging using imaging, e.g. a projected image of suspension; using holography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
- G01P3/36—Devices characterised by the use of optical means, e.g. using infrared, visible, or ultraviolet light
- G01P3/38—Devices characterised by the use of optical means, e.g. using infrared, visible, or ultraviolet light using photographic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
Abstract
Description
본 발명은 유체유동의 속도장을 계측하기 위한 방법 및 시스템에 관한 기술분야에 속하는 것으로서, 보다 구체적으로는 격자점을 기준으로 연속되는 두 입자 영상의 밝기 분포를 상관시켜 속도장을 구하는 PIV(Particle Image Velocimetry)의 장점과, 영상에서 개별입자를 인식 한 후 입자 궤적을 직접 추적하는 방법인 PTV (Particle Tracking Velocimetry)의 장점을 동시에 이용하며, 보간이 불필요한 입자중심 정보 기반의 PIV 알고리즘을 이용한 유체 유동장 계측 시스템에 관한 것이다.
The present invention belongs to the technical field of a method and system for measuring the velocity field of a fluid flow, and more specifically, PIV (Particle) for obtaining the velocity field by correlating the brightness distribution of two successive particle images based on a grid point It uses the advantages of Image Velocimetry and PTV (Particle Tracking Velocimetry), which directly tracks particle trajectories after recognizing individual particles in an image, and uses a fluid-based field based on particle center information-based PIV algorithm that does not require interpolation. It relates to a measurement system.
입자추적유속계(이하 PTV라 칭함)는 유체 유동장에 유체와 동일 비중의 추적입자(Particle)를 투입한 후 이들을 가시화(可視化)용 광원(일반적으로 레이저광원)과 카메라로 가시화한 영상(Image)을 화상처리 해석함으로써, 유동장 전체에 걸쳐서 일정 시각의 속도분포를 정량적으로 측량하는 기술이다. 카메라에 의해 가시화 간격 시간(
Particle tracking flowmeter (hereinafter referred to as PTV) is a source of tracer particles with the same specific gravity as the fluid in the fluid flow field, and then visualizes them by visualizing a light source (generally a laser light source) and a camera image. Image processing analysis is a technique for quantitatively measuring the velocity distribution at a certain time throughout the flow field. Interval time visualized by the camera (
PTV는 나노 및 바이오 분야의 유체 유동장에서는 각 입자들을 추적하여 속도측정을 하기 때문에 여러 장점이 있지만 그러나 그 측정 원리상 보간 (interpolation) 에 의한 속도장 측정 오차를 피할 수 없기 때문에 PTV 기술을 사용함에 있어서 제한적이었다.
PTV has several advantages because it measures velocity by tracking each particle in the fluid flow field of nano and bio fields. However, the measurement principle of velocity field due to interpolation cannot be avoided. It was limited.
즉 종래의 PIV 방식이나 PTV 방식은 유체의 변형 즉, 회전, 신축, 전단 및 이동을 동시에 고려하지 못하여 속도벡터의 필터링 효과, 보간에 의한 오차가 발생되었기 때문에 속도장의 연속성을 잘 나타내지 못하였으며 특허 와유동(vortex flow)의 구조(이하, 와구조)를 잘 측정하지 못하는 등, 유체 유동장 측정에 한계가 있었다.
That is, the conventional PIV method or PTV method cannot show the continuity of the velocity field because the deformation of the fluid, that is, rotation, expansion, shear, and movement cannot be considered at the same time, so that the filtering effect of the velocity vector and the error due to interpolation have occurred. There was a limitation in measuring the fluid flow field, such as poor measurement of vortex flow structure (hereinafter, referred to as vortex structure).
본 발명에서는 `보간이 불필요한, 어파인 변환 기반의 하이브리드 알고리듬(이하, 어파인 알고리듬이라 칭함)을 세계 최초로 개발하여 이를 유동장 계측 시스템에 도입한 기술을 제시한다.
In the present invention, the present invention develops a hybrid algorithm based on affine transformation (hereinafter referred to as affine algorithm ), which requires no interpolation, and introduces it into a flow field measurement system.
본 발명에서는 종래 PIV 혹은 PTV 방식에 의한 속도장 측정시 필연적으로 수반되던 속도벡터의 필터링 효과나 혹은 보간에 의한 오차 발생이 없는, 유동장 측정을 위한 입자 중심 정보 기반의 알고리듬을 개발하며, 이를 속도장 측정 시스템에 적용함으로써 속도장 측정오차 발생을 최소화할 수 있는 어파인 변환 기반 하이브리드 PIV(이하 어파인변환법 이라 칭함)를 이용한 유동장 해석 시스템 및 해석 방법을 제시함을 목적으로 한다.In the present invention, a particle-based information-based algorithm for flow field measurement is developed, which is free from the effects of filtering the velocity vectors or errors caused by interpolation. The purpose of this study is to propose a flow field analysis system and analysis method using a hybrid transformation-based hybrid PIV (hereinafter called affine transformation method) that can minimize the occurrence of velocity field measurement errors by applying to a measurement system.
상기 목적을 달성하기 위하여 개발하고자 하는 알고리듬에는 유체의 변형 즉 회전, 신축, 전단 및 이동을 동시에 고려한 계산 방식을 개발하여 유동장 측정 방법 및 시스템에 적용하도록 한다.
The algorithm to be developed to achieve the above object is to develop a calculation method that considers the deformation of the fluid, that is, rotation, expansion, shear and movement at the same time to apply to the flow field measurement method and system.
간략히 다음의 단계들을 거침으로써 상기 본 발명의 목적을 달성할 수 있다.
Briefly, the object of the present invention can be achieved by the following steps.
(1단계-광원 조사 단계) (Step 1-light irradiation stage)
도 8의 유체 유동장에 2차원 빔발생기(cylindrical lens)를 통한 2차원 단면상의 레이저 광원을 유체유동장을 조사한다. The fluid flow field is irradiated with a laser light source on a two-dimensional cross section through a two-dimensional beam generator (cylindrical lens) to the fluid flow field of FIG. 8.
(2단계-카메라 촬영 단계)(Step 2-Camera Shooting Step)
유동장에 투입되어 있는 미소입자(주로 작동유체의 비중과 동일 비중의 미소입자, 직경은 100~200미크론 전후)는 레이저광원에 의하여 반사되는 빛을 발하게 되고 CCD 카메라는 이 미소입자들로부터 반사되어 온 빛을 촬영, 기록하게 된다. 이 때 시간 연속의 영상을 담게 된다.
The microparticles injected into the flow field (mainly microparticles with specific gravity equal to the specific gravity of the working fluid, around 100 to 200 microns in diameter) emit light reflected by the laser light source, and the CCD camera is reflected from these microparticles. Shoot and record the light. At this time, the image of time continuation is captured.
(3단계-촬영된 영상정보 저장단계)(Step 3-Saving the recorded image information)
상기 2단계에서 담겨진 영상은 PC메모리에 직접 저장되거나 혹은 이미지프로세서(Image Processor)가 내장된 메모리에 저장된다.
The image contained in
(4단계-입자 영상의 디지털화 단계)(Step 4-Digitization of Particle Images)
속도 벡터장을 구하기 위해서는 시간 연속의 2장의 영상을 이용한다. 이들 미소 입자 영상들에 대하여 디지털화 영상을 만든 다음, 이들 입자들의 도심 정보를 속도 벡터장 계산에 활용한다.
To obtain the velocity vector field, two images of a time sequence are used. A digitized image is generated for these microparticle images, and the city information of these particles is used for the velocity vector field calculation.
(5단계-초기속도벡터 획득 단계)(Step 5-Acquisition of initial velocity vector)
도 9의 바둑판 모양의 격자점에서 속도벡터를 구하게 되며, 격자점이 속도벡터의 시점(始點)이 된다. 이어서 속도 벡터의 종점을 구하게 되면 최종적인 속도벡터가 얻어지게 되는데, 속도벡터의 종점은 
The velocity vector is obtained from the checkerboard lattice point of FIG. 9, and the lattice point becomes the viewpoint of the velocity vector. Then, if we find the end point of the velocity vector, the final velocity vector is obtained.
(6단계-속도벡터 종점 획득 단계(어파인 변환법 적용))(Step 6-Acquisition of velocity vector end point (with affine transformation))
속도벡터의 종점을 찾는 과정을 거침으로써 최종적인 속도벡터가 획득될 수 있다. 유체 변형에는 이동, 전단, 회전, 신축과 같은 변형이 동시에 발생되므로 이들을 모두 고려하기 위하여는 어파인 변환식과 같은 선형 기하학적 변환 알고리듬이 적용된다.
The final velocity vector can be obtained by going through the process of finding the end point of the velocity vector. Since deformations such as movement, shear, rotation, and stretching occur simultaneously at the fluid deformation, a linear geometric transformation algorithm such as affine transformation is applied to all of them.
기타 자세한 내용은 발명을 실시하기 위한 구체적인 내용 부분에서 상세히 서술하도록 한다.
Other details will be described in detail in the Detailed Description section.
본 발명에서는 종래 PIV 혹은 PTV 방식에 의한 속도장 측정시 필연적으로 수반되던 속도벡터의 필터링 효과나 혹은 보간에 의한 오차 발생이 없는, 유동장 측정을 위한 입자 중심 정보 기반의 알고리듬을 개발하며, 이를 속도장 측정 시스템에 적용함으로써 속도장 측정오차 발생을 최소화할 수 있는 어파인 변환 기반 하이브리드 피아이브이를 이용한 유동장 해석 시스템 및 해석 방법을 제시하였다.
In the present invention, a particle-based information-based algorithm for flow field measurement is developed, which is free from the effects of filtering the velocity vectors or errors caused by interpolation. A flow field analysis system and analysis method using a hybrid transformation based on affine transformation that can minimize the occurrence of velocity field measurement error by applying to measurement system are presented.
특히,테일러그린(Taylor-Green) 와유동에 대한 가상영상 시험으로부터, 입자수가 최저 2,000개 이상이기만 하면, 어파인 변환 기반 하이브리드 PIV법은 상호상관 PIV법과 확률일치 PTV법보다 측정오차가 휠씬 적었으며 두 영상간의 이동거리가 10 픽셀 이상이 되어도 오차는 서브픽셀(sub-pixel) 수준이었다.
In particular, from the virtual image test of Taylor-Green and flow, the affine transformation-based hybrid PIV method had much smaller measurement error than the cross-correlation PIV method and the probability matched PTV method, as long as the particle count was at least 2,000. Even if the moving distance between the two images was more than 10 pixels, the error was sub-pixel level.
유체의 변형(회전, 신축 및 전단, 이동)을 동시에 고려한 알고리듬을 적용하였기 때문에, 상호상관PIV법과 확률일치PTV법의 원리상 발생되는 속도벡터의 필터링 효과, 보간에 의한 오차가 발생하지 않아 측정 성능이 매우 우수한 것으로 나타났고, 또한 장방형 물체 후류의 실제 실험영상에 대한 계측으로부터 어파인 변환 기반 하이브리드 PIV법은 상호상관 PIV법보다 속도장의 연속성을 잘 나타내었으며, 와구조 역시 잘 표현해 낼 수 있음을 확인함에 따라 향후 유체 속도장 측정 시스템에 있어서 획기적인 전환점을 이룰 수 있는 기술로 판단된다.
Since the algorithm which considers the deformation of the fluid (rotation, stretching, shearing, and movement) is applied at the same time, the velocity vector filtering effect and the interpolation error do not occur due to the principle of cross-correlation PIV and probability matching PTV. From the measurements on the actual experimental images of the rectangular object wake, the affine transformation-based hybrid PIV method showed better continuity of the velocity field than the cross-correlation PIV method, and the vortex structure can be well represented. Therefore, it is considered to be a technology that can achieve a breakthrough in future fluid velocity field measurement system.
도 1은 어파인 변환법을 적용시킨 속도장 해석 과정,
도 2는 테일러그린 와유동의 시뮬레이션 결과
도 3은 생성된 버츄얼 이미지(각각 입자수=1000, 15,000)
도 4는 세가지 유동 해석방법에 의한 속도장 비교 결과(가상영상실험)
도 5는 입자수에 따른 계산결과와 원래의 벡터의 RMS 오차 그래프(가상영상실험)
도 6은 상호상관PIV법과 어파인변환법에 의한 속도벡터 비교 그래프(실제영상실험)
도 7은 상호상관PIV법과 어파인변환법에 의한 와류장 비교 그래프(실제영상실험)
도 8은 유동장 측정 장치
도 9는 일정 시간 간격을 갖는 미소 입자 영상의 도심 배치
도 10은 최종 속도 벡터 획득 설명하기 위한 도면
도 11은 
2 is a simulation result of Taylor Green eddy flow
Figure 3 shows the generated virtual image (particle count = 1000, 15,000 respectively)
4 is a result of comparing the velocity fields by three flow analysis methods (virtual image experiment)
5 is a graph showing the RMS results of the calculation results according to the number of particles and the original vector (virtual image experiment)
6 is a graph of comparing the velocity vectors by the cross-correlation PIV method and the affine transformation method (actual image experiment)
7 is a graph comparing the vortex field by the cross-correlation PIV method and the affine transformation method (actual image experiment)
8 is a flow field measuring device
9 is a city center arrangement of the microparticle image having a certain time interval
10 is a diagram for explaining final velocity vector acquisition.
11 is
이하, 본 발명의 실시예에 대하여 구체적으로 설명한다.EMBODIMENT OF THE INVENTION Hereinafter, the Example of this invention is described concretely.
다만, 본 발명의 권리범위는 이하의 설명에만 국한됨은 아니고, 당해 기술분야의 통상의 지식을 가진자가 특허청구범위로부터 파악하여 개발할 수 있는 모든 균등 수준의 변형된 여하한 발명은 모두 본 발명의 권리범위에 속한다는 것을 미리 밝혀둔다.
However, the scope of the present invention is not limited only to the following description, and any equivalent level of modified invention that can be understood and developed by those skilled in the art from the claims are all rights of the present invention. Make sure you belong in range.
유동장 계측 시스템 설명Flow Field Measurement System Description
도 8은 본 발명에서 제안하는 시스템의 유동장의 속도분포를 구하기 위한 기본적인 구성을 나타낸다. 본 발명에서는 기존 유동장 관측 장치와는 유사하나 CCD 카메라에 의해 촬영된 화상을 처리하여, 속도벡터 추출의 오차를 최소화함으로써 보다 실제에 가까운 유동장 해석을 할 수 있는 방법과 이를 포괄하는 시스템이라는데에 특징이 있다.
8 shows a basic configuration for obtaining the velocity distribution of the flow field of the system proposed by the present invention. The present invention is similar to the existing flow field observation device, but by processing the image captured by the CCD camera, by minimizing the error of the velocity vector extraction method that can be more realistic flow field analysis and comprehensive system have.
유동장 관측을 시행하기 위해서는 유동장에 유체와 동일한 비중의 추적입자를 먼저 투입한다. In order to perform flow field observations, tracer particles with the same specific gravity as the fluid are first introduced into the flow field.
그 다음 가시화용 광원을 유동장의 계측하고자 하는 부분에 조명을 가한다. 일반적으로 레이져광원이 빛의 직진성과 빛에 대한 차단성이 좋기 때문에 많이 쓰인다. The visualization light source is then illuminated with the part to be measured in the flow field. In general, laser light source is used because it is good for the straightness of the light and good blocking of light.
레이져빔은 선 광원으로 주사되므로 측정대상이 2차원 단면인 경우이므로 레이저빔을 2차원 광원으로 바꾸어 줄 필요가 있는데 원통형렌즈(cylindrical lens)는 이를 위하여 사용된다. Since the laser beam is scanned with a line light source, it is necessary to change the laser beam to a two-dimensional light source because the measurement object is a two-dimensional cross section. A cylindrical lens is used for this purpose.
일단 추적입자가 들어 있는 유동장에 레이져 광원이 통과하게 되면 그 추적입자들이 반사광을 내게 되어 유동장이 가시화 되게 된다. Once the laser light source passes through the flow field containing the tracer particles, the tracer emits reflected light and the flow field becomes visible.
가시화 된 유동장은 CCD(Charge Coupled Device)카메라로 촬영된 후 연속된 화상으로 호스트 컴퓨터에 꽂혀있는 이미지보오드라고 하는 연속된 화상을 담아두는 장치로 기록된다.
The visualized flow field is recorded by a CCD (Charge Coupled Device) camera and recorded by a device that stores a continuous image called an image board which is inserted into a host computer as a continuous image.
보간(Interpolation interpolationinterpolation )이 불필요한 어파인변환법Affine conversion 을of 적용한 Applied 속도장Speed field 측정 방법 How to measure
도 1은 본 발명을 통하여 제시되는, 어파인변환 기반의 하이브리드 PIV 알고리듬의 계산과정을 나타낸다. 본 발명에 의한 유동장 계측 시스템에서는 상기 알고리듬을 채택하여 기존의 유동장 해석법에서 필수적으로 발생되었던 속도벡터의 필터링 효과, 보간에 의한 오차 발생이 없이, 보다 정확하게 속도장을 측정할 수 있는 방법을 제시한다.
1 shows a process of calculating a hybrid PIV algorithm based on affine transformation, which is presented through the present invention. The flow field measurement system according to the present invention adopts the above algorithm and proposes a method for measuring the velocity field more accurately without the effect of filtering the velocity vector and the error caused by interpolation.
간략히 도 1을 과정을 설명하면, 먼저 두 영상의 입자좌표(centroid)를 구하고 이들 입자좌표를 이용하여 두 시점에 촬영된 동일한 입자들을 찾아내며, 확률일치PTV법으로 초기 속도벡터를 구한다. 이에 대한 연구는 종래 개발되어 있는 내용이므로 그 자세한 설명을 생략하기로 한다.(백승조, 이상준, 1995년, KSME,Vol.19, No.7 pp. 1741~1748)Briefly describing the process of Figure 1, first obtain the particle coordinates (centroid) of the two images, using these particle coordinates to find the same particles photographed at both time points, and obtains the initial velocity vector by probability matching PTV method. Since this research has been developed in the past, a detailed description thereof will be omitted. (Bae Seung-jo, Lee Sang-jun, 1995, KSME, Vol. 19, No. 7 pp. 1741 ~ 1748)
상기 얻어진 초기 속도벡터를 이용하여, 본 발명에서 제시되는 어파인변환법을 이용함으로써, 격자상에서의 최종 속도벡터를 구하게 되며 이로써 정규적인 그리드 PIV 데이타가 산출된다.(도 1 과정들)
By using the obtained initial velocity vector, by using the affine transformation method proposed in the present invention, the final velocity vector on the grid is obtained, thereby calculating regular grid PIV data (FIG. 1 processes).
(1단계-광원 조사 단계) (Step 1-light irradiation stage)
도 8의 유체 유동장에 2차원 빔발생기(cylindrical lens)를 통한 2차원 단면상의 레이저 광원을 유체유동장에 조사한다.
A laser light source in a two-dimensional cross section is irradiated to the fluid flow field through a two-dimensional beam generator (cylindrical lens) in the fluid flow field of FIG. 8.
(2단계-카메라 촬영 단계)(Step 2-Camera Shooting Step)
유동장에 투입되어 있는 미소입자(주로 작동유체의 비중과 동일 비중의 미소입자, 직경은 100~200미크론 전후)는 레이저광원에 의하여 반사되는 빛을 발하게 되고 CCD 카메라는 이 미소입자들로부터 반사되어 온 빛을 촬영, 기록하게 된다. 이 때 시간 연속의 영상을 담게 된다.
The microparticles injected into the flow field (mainly microparticles with specific gravity equal to the specific gravity of the working fluid, around 100 to 200 microns in diameter) emit light reflected by the laser light source, and the CCD camera is reflected from these microparticles. Shoot and record the light. At this time, the image of time continuation is captured.
(3단계-촬영된 영상정보 저장단계)(Step 3-Saving the recorded image information)
상기 2단계에서 담겨진 영상은 PC메모리에 직접 저장되거나 혹은 이미지프로세서(Image Processor)가 내장된 메모리에 저장된다.
The image contained in
(4단계-입자 영상의 디지털화 단계)(Step 4-Digitization of Particle Images)
속도 벡터장을 구하기 위해서는 시간 연속의 2장의 영상을 이용한다. 도 11는 2시각분(촬영 이미지 2개)의 시간 연속의 미소입자 영상을 나타낸다. To obtain the velocity vector field, two images of a time sequence are used. Fig. 11 shows a time particle-shaped microparticle image of two hours (two captured images).
이들 미소 입자 영상들에 대하여 디지털화 영상을 만든 다음, 이들 입자들의 도심 정보를 속도 벡터장 계산에 활용한다.
A digitized image is generated for these microparticle images, and the city information of these particles is used for the velocity vector field calculation.
(5단계-초기속도벡터 획득 단계)(Step 5-Acquisition of initial velocity vector)
도 11와 같이 미소 입자의 영상을 담은 실험영상에 대하여, 디지털화 한 영상으로부터 계산된 미소입자들의 도심은 도 9에 나타난 바와 같다. For the experimental image containing the image of the microparticles as shown in FIG. 11, the centers of the microparticles calculated from the digitized image are shown in FIG. 9.
도 9의 바둑판 모양의 격자점에서 속도벡터를 구하게 되는데 즉, 격자점이 속도벡터의 시점(始點)이 된다.(초기 속도벡터)
The velocity vector is obtained from the checkerboard grid point of FIG. 9, that is, the grid point becomes the start point of the velocity vector.
이어서 속도 벡터의 종점을 구하게 되면 최종적인 속도벡터가 얻어지게 되는데, 속도벡터의 종점은 
Then, if we find the end point of the velocity vector, the final velocity vector is obtained.
(6단계-속도벡터 종점 획득 단계(어파인 변환법 적용))(Step 6-Acquisition of velocity vector end point (with affine transformation))
속도벡터의 종점을 찾는 과정을 도 10을 참조하며 보다 구체적으로 설명한다. 도 10의 좌측 그림에서는 이동(translation)을 나타내고, 우측 그림은 변형(신축, 회전)을 나타내고 있다.A process of finding the end point of the velocity vector will be described in more detail with reference to FIG. 10. The left figure of FIG. 10 shows a translation, and the right figure shows a deformation | transformation (expansion, rotation).
즉, 도 10의 두 그림에 해당되는 시각 사이에는 유체 변형(deformation)이 발생한다. 유체 변형에는 이동, 전단, 회전, 신축과 같은 변형이 동시에 발생되므로 이들을 모두 고려하기 위하여는 수학식 1(이하 어파인변환식 이라고도 함)과 같은 선형 기하학적 변환 알고리듬이 적용된다.
That is, fluid deformation occurs between the time points corresponding to the two figures in FIG. 10. Since deformations such as movement, shear, rotation, and stretching occur simultaneously at the fluid deformation, a linear geometric transformation algorithm such as Equation 1 (hereinafter referred to as affine transformation) is applied to all of them.
여기서, xf, yf는 첫 번째 영상, xs, ys는 두 번째 영상에서의 입자중심의 좌표를 나타내고, xo, yo는 PIV계산에서와 같이 계산 격자좌표를 나타낸다.
Here, x f , y f represent the coordinates of the particle center of the first image, x s , y s , and x o , y o represent the calculation grid coordinates as in the PIV calculation.
a11, a12, a21, a22는 유체덩어리의 변형(Deformation, 전단, 신축이 해당)과 관련되며, a13, a23는 유체덩어리의 이동(Translation)에 관련 된다. a 11 , a 12 , a 21 , and a 22 are related to the deformation of the fluid mass (deformation, shear and expansion), and a 13 and a 23 are related to the translation of the fluid mass.
두 영상 시간차를 
Two video time difference
여기서, 
유체변형(transformation)에 기여하는 항은 다음 수학식 (3)으로 표시될 수 있다.
The term contributing to the fluid transformation (transformation) can be represented by the following equation (3).
수학식 (2)에서의 uo, vo가 최종적으로 얻고자 하는 속도벡터에 해당된다. 따라서 이 식에서 미지수에 해당되는 a11~a23까지의 계수를 알 수만 있으면 속도벡터가 구해진다. U o and v o in Equation (2) correspond to the velocity vectors to be finally obtained. Therefore, the velocity vector is obtained if the coefficients from a 11 to a 23 corresponding to the unknown are known.
a11~a23 계수 계산을 위해서는 2프레임 확률일치PTV법으로 초기 속도벡터를 구하여야 하며, 이들 속도벡터의 시점과 종점의 좌표정보를 이용하여 모든 격자점에서 수학식 (2)가 만족하도록 최소자승법으로 반복계산을 수행한다. 이때, a11~a23계수계산을 위하여 3점 이상의 위치정보가 필요하게 된다. 상기 확률일치PTV법 및 최소자승법은 공지의 내용이므로 이에 관한 추가설명은 생략한다.
a 11 to a 23 In order to calculate coefficients, initial velocity vectors should be obtained by two-frame probability matching PTV method, and iterative calculation is performed by least square method to satisfy Equation (2) at all grid points by using coordinate information of start and end point of these velocity vectors. To perform. At this time, three or more points of position information are required for calculating a 11 to a 23 coefficients. Since the probability matching PTV method and least square method are well known contents, further description thereof will be omitted.
최소자승법 기반의 반복계산이 종료되면 모든 격자점상에 대하여 최종으로 얻어지게 되는 
When the least squares based iteration is completed, all grid points are finally obtained.
상기 설명된 알고리듬은 본 발명을 통하여 세계 최초로 제시하는 것으로서 통상적인 유동장 해석방법인 PIV, PTV 방식에서는 전혀 제시된 바 없는 것이며(2010년 대한기계학회 추계학술대회 우수논문으로 추천됨), 향후 속도장 측정에서 오차를 최소화할 수 있는 획기적인 방법이다.
The algorithm described above is the world's first through the present invention, which has not been proposed in the conventional PIV and PTV methods (recommended as an excellent paper for the 2010 Fall Conference of the Korean Society of Mechanical Engineers). This is a groundbreaking way to minimize errors.
시험예들Test examples
본 발명에서 채택하는 유동장 계측 시스템의 알고리듬 성능을 평가하기 위해서 가상영상 테스트 및 실제 실험영상의 결과를 비교 분석하였다. In order to evaluate the algorithm performance of the flow field measurement system adopted in the present invention, the results of the virtual image test and the actual experimental image were compared and analyzed.
도 2는 테일러그린 와유동의 시뮬레이션 결과, 도 3은 생성된 버츄얼 이미지 (각각 입자수=1000, 15,000), 도 4는 세가지 유동 해석방법에 의한 속도장 비교 결과(가상영상실험)이며 도 5는 입자수에 따른 계산결과와 원래의 벡터의 RMS 오차 그래프(가상영상실험)이다.
2 is a simulation result of Taylor Green eddy flow, FIG. 3 is a generated virtual image (number of particles = 1000, 15,000, respectively), FIG. 4 is a velocity field comparison result by three flow analysis methods (virtual image experiment), and FIG. 5 is a particle Results of calculation according to number and RMS error graph of original vector (virtual image experiment).
1. 가상영상 시험1. Virtual Image Test
성능평가를 위하여 본 발명에서는 강한 회전성을 보이며 유체의 수학식 (4), (5)와 같이 연속성 및 나비아스톡스(Navier-Stokes) 방정식을 만족하는 테일러 그린(Taylor- Green)의 와유동을 사용하였다. 도 2는 이를 나타내는 속도벡터이다. 이 속도벡터의 시점(始點)과 종점(終點)에서의 위치 데이터를 이용하여 가상 영상을 작성하였다.
For the performance evaluation, the present invention uses Taylor Green's eddy flow, which shows strong rotation and satisfies the continuity and Navier-Stokes equations as shown in equations (4) and (5). It was. 2 is a velocity vector indicating this. A virtual image was created using the position data of the start point and the end point of the velocity vector.
여기서 
본 실험예에서는 가상영상의 크기를 640 x 480 픽셀을 사용하였으며, 
입자는 아래 수학식 (6)으로 표시되는 가우시안(Gaussian) 분포를 사용하였다.
The particles used a Gaussian distribution represented by Equation (6) below.
여기서 
here
본 실험예에서는 실제 영상과 유사한 가상영상을 제작하기 위해 입자의 최대 밝기를 0~200 사이에서, 입자의 크기는 0.5~2.0 픽셀 사이에서 가우시안 분포를 가질 수 있도록 랜덤하게 발생하였다.
In this experimental example, randomly generated particles have a Gaussian distribution between 0 and 200 and the particle size is between 0.5 and 2.0 pixels to produce a virtual image similar to the real image.
사라지는 입자 및 생성되는 입자를 고려하기 위해 입자개수의 ±5 %입자를 소멸 또는 생성시켰다. 입자개수는 1000, 2000, 4000, 7000, 10000, 15000으로 변화시키면서, 최대 이동거리와 함께 총 36가지 경우에 대해 100쌍의 가상영상을 제작하였다.
To account for the disappearing particles and the resulting particles, ± 5% of the particle count was either extinguished or produced. The number of particles was changed to 1000, 2000, 4000, 7000, 10000, 15000, and 100 pairs of virtual images were produced for 36 cases with maximum moving distance.
도 3은 각각 입자개수가 1000개와 15000개 일 때의 가상영상을 나타낸다. 알고리듬의 성능비교를 위해 상호상관PIV 및 확률일치PTV법에 의한 계산을 수행하였고 확률일치PTV법에 의한 결과를 상호상관PIV에 의한 결과와 비교를 위하여 동일한 위치의 격자점상에서 가우시안 보간법(Gaussian Interpolation)을 사용하여 보간하였고, PIV 계산을 위한 상호상관영역은 49 x 49 픽셀로 설정하였다.
3 shows virtual images when the number of particles is 1000 and 15000, respectively. To compare the performance of the algorithms, we performed calculations using cross-correlation PIV and probability-matched PTV methods, and Gaussian interpolation on grid points at the same location to compare the results of probability-matched PTV methods with those of cross-correlation PIV. We interpolated using, and the cross-correlation area for PIV calculation was set to 49 x 49 pixels.
정량적 비교를 위하여 본 발명에서 제안하는 어파인변환법에 의한 계산을 할 때도 동일한 영역을 설정하였다.
For the quantitative comparison, the same area was set when calculating by the affine transformation method proposed in the present invention.
도 4(a), (b), (c)는 입자 개수가 4000이고 최대 이동거리가 6 픽셀 일 때의 속도장 계산결과를 나타낸다.
4 (a), 4 (b) and 4 (c) show the results of the velocity field calculation when the number of particles is 4000 and the maximum moving distance is 6 pixels.
세 알고리듬 모두 주어진 와유동과 비슷한 결과를 보여주는 것처럼 보이지만 상호상관PIV법에 의한 결과는 자세히 보면 확률일치PTV법(Match-Probability PTV)과 어파인변환법에 의한 결과보다 와(vortex)의 중심(점선 원으로 표시)에서 부자연스러운 구조를 나타내고 있으며 확률일치PTV법에 의한 결과에서도 일부(원으로 표시)에서 오류벡터가 나타나 있음을 알 수 있다.
All three algorithms appear to show similar results with the given eddy flow, but the results of the cross-correlation PIV method are closer to the center of the vortex (dashed circle) than the results of the match-probability PTV method and the affine transformation method. It can be seen that the error vector is shown in part (indicated by circle) even in the result of probability matching PTV method.
또한, 와(vortex)의 바깥쪽 부분에 있어서도 부자연스런 유동구조를 나타내고 있으며(실선 원으로 표시), 어파인변환법에 의한 것이 가장 자연스러운 것으로 나타났으며 이에 대한 정량적 비교는 도 5에 나타나 있다.
In addition, the outer portion of the vortex also shows an unnatural flow structure (indicated by a solid circle), and the affine transformation method is most natural, and a quantitative comparison thereof is shown in FIG. 5.
도 5는 입자수가 각각 1000, 2000, 10000개 일 때의 세 알고리듬에 의하여 얻어진 속도벡터 데이터와 가상영상 작성에 사용되었던 데이터와의 오차를 픽셀(pixels)단위로 나타낸 것을 나타낸다. FIG. 5 shows the error of the velocity vector data obtained by the three algorithms when the number of particles is 1000, 2000, and 10000, and the data used for creating the virtual image, in pixels.
즉, 가로축(x축)은 두 영상간의 픽셀 이동거리를 나타내고 세로축은 픽셀단위의 오차크기를 나타낸다. 100쌍의 속도벡터 결과를 이용한 평균 오차를 나타낸다.
That is, the horizontal axis (x-axis) represents the pixel moving distance between the two images, and the vertical axis represents the error size in pixel units. Mean error using 100 pairs of velocity vector results.
입자 개수 1000개의 경우 어파인변환법에 의한 오차가 급증함을 알 수 있는데 이는 어파인 변환을 위해서는 최소 3개 이상의 입자 개수가 있어야 하는데 주어진 반경 안에 입자개수가 너무 적어서 발생하는 것으로 주위 입자를 찾을 반경을 증가시켜주면 되나 본 발명에서는 세 알고리듬의 비교가 목적이므로 24 픽셀(상관영역 49 픽셀에 해당)로 고정하였다.
It can be seen that the error caused by the affine transformation method increases rapidly in the case of 1000 particles, which requires at least three particles for the affine transformation, which is caused by too few particles within a given radius. In the present invention, it is fixed to 24 pixels (corresponding to 49 pixels of correlation) because the purpose of the present invention is to compare the three algorithms.
입자 개수가 2000개 이상일 때는 어파인변환법에 의한 오차는 급감하게 됨을 알 수 있다. 이후 입자수를 증가시키더라도 경향은 동일하였다. 입자의 이동거리를 점점 증가시켰을 때에는 어파인변환법에 의한 오차는 1픽셀 이하로 속도벡터 측정성능이 가장 우수함을 알 수 있다.
It can be seen that when the number of particles is 2000 or more, the error by the affine transformation method decreases rapidly. The trend was the same even after increasing the particle number. When the moving distance of the particles is gradually increased, the error by the affine transformation method is 1 pixel or less, and it can be seen that the speed vector measurement performance is the best.
또한 입자수가 증가하면 할수록 어파인변환법에 의한 계산오차는 줄어들지 않는 반면 다른 두 측정법은 점점 증가해 감을 알 수 있다. In addition, as the number of particles increases, the calculation error caused by the affine transformation method does not decrease, while the other two measurement methods gradually increase.
입자개수가 2000 정도 이상에서부터 오차가 증가하지 않는 것으로 보아 어파인변환법에 의한 PIV법의 적용은 입자개수가 최소 2000개 이상에서 최적임을 추론할 수 있다.
Since the error does not increase from about 2000 or more, it can be inferred that the application of the PIV method by the affine transformation method is optimal at least 2000 or more.
따라서, 어파인변환 기반의 하이브리드 PIV법(어파인변환법)은 상호상관PIV법과 확률일치PTV법에 의한 결과보다 우수한 성능을 보임을 알 수 있다.
Therefore, it can be seen that the hybrid PIV method based on the affine transformation (affine transformation method) shows better performance than the results obtained by the cross-correlation PIV method and the probability matching PTV method.
2. 2.
실험영상Experimental video
시험 exam
실제 PIV 적용 가능성을 평가하기 위해서 크기가 6cm x 3cm(2:1)인 장방형 물체의 후류 실험영상(레이놀즈수=5,300)에 대해 상호상관PIV법과 어파인변환법을 적용하였으며 그 결과를 도 6 과 도 7에 나타내었다. 도 6은 상호상관PIV법과 어파인변환법에 의한 속도벡터 비교 그래프(실제영상실험)이고, 와유동장의 비교 그림이다.(실제영상실험)
To evaluate the practical PIV applicability, we applied cross-correlation PIV and affine transformations to the wake experimental image (Reynolds number = 5,300) of a rectangular object of size 6cm x 3cm (2: 1). 7 is shown. Fig. 6 is a graph of comparing the velocity vectors by the cross-correlation PIV method and the affine transformation method (actual image experiment), and a comparative picture of the eddy flow field. (Actual image experiment)
도 6(a)는 상호상관 PIV법에 의하여 계산된 순간속도벡터장을 나타내고 도 6(b)는 어파인변환법에 의한 순간 속도 벡터장을 나타낸다.
Fig. 6 (a) shows the instantaneous velocity vector field calculated by the cross-correlation PIV method and Fig. 6 (b) shows the instantaneous velocity vector field by the affine transformation method.
그림에서 보이는 바와 같이 실제 유동장에서도 와 구조뿐만 아니라 속도 변화가 심한 영역(대, 중, 소로 표시된 원)에서도 어파인변환법에 의한 결과가 상호상관PIV법에 의한 결과보다 유체의 연속성을 잘 나타내고 있음을 알 수 있다.
As shown in the figure, the results of the affine transformation method showed better continuity of the fluid than the results of the cross-correlation PIV method not only in the real flow field but also in the region of high velocity change (circle, medium, small). Able to know.
도 7(a)와 도 7(b)는 각각 속도장으로부터 계산된 순간 와도장(vortex flow field) 의 결과를 나타낸다. 7 (a) and 7 (b) show the results of the instantaneous vortex flow field calculated from the velocity fields, respectively.
상호상관 PIV법에 의하여 얻어진 와도장은 와(vortex)의 연결이 불연속적인 반면, 어파인변환법에 의한 와도장은 유체유동에서 예상될 수 있는 연속성을 잘 나타내고 있음을 알 수 있다.
The vortex coating obtained by cross-correlation PIV method is discontinuous in the vortex connection, whereas the vortex coating by affine transformation shows the continuity that can be expected in the fluid flow.
Claims (1)
CCD 카메라에 의하여, 미소 입자들로부터 반사되어 온 빛을 촬영, 기록하는단계(2단계-카메라 촬영 단계) ;
상기 2단계에서 담겨진 영상이 소정의 메모리에 저장되는 단계(3단계-촬영된 영상정보 저장단계) ;
소정 시간 간격
미소 입자의 영상을 담은 영상에 대하여, 디지털화된 영상으로부터 계산된 미소 입자들의 도심이 구해진 후, 바둑판 형상의 격자점에서 초기 속도벡터가 구해지는 단계 (5단계-초기속도벡터 획득 단계); 및
어파인 변환 기반 하이브리드 PIV알고리듬을 이용한 최종 속도벡터 획득 단계(6단계)를 포함하는 것을 특징으로 하되,
상기 6단계는, 아래 수학식 (1)
으로써 표현되는 선형 기하학 변환 과정이 수반되며, 여기서 xf, yf는 첫 번째 영상, xs, ys는 두 번째 영상에서의 입자중심의 좌표, xo, yo는 계산 격자좌표, a11, a12, a21, a22 는 유체덩어리의 변형(Deformation, 전단, 신축이 해당)과 관련된 계수, a13, a23는 유체덩어리의 이동(Translation)에 관련된 계수이고, 상기 수학식(1)은 아래 수학식 (2)로도 표현되며,
여기서,
a11, a12, a21, a22 를 상기 5단계에서 획득된, 초기 속도벡터를 이용하여 구하되, 속도벡터의 시점과 종점의 좌표정보를 이용하여, 격자점들에서 수학식 (2)가 만족되도록 최소자승법에 의한 반복계산이 수행됨을 특징으로 하는,
보간이 필요없는 어파인변환 기반 하이브리드 피아이브이를 이용한 유동장 계측 시스템.Irradiating a laser light source in a two-dimensional cross section through a beam generator (cylindrical lens) to the fluid flow field to a flow field containing microparticles (step 1-light source irradiation step);
Photographing and recording the light reflected from the fine particles by the CCD camera (step 2-camera photographing step);
Storing the image contained in the step 2 in a predetermined memory (step 3-storing the captured image information);
Predetermined time interval
Obtaining an initial velocity vector at a grid-shaped grid point after obtaining the city center of the microparticles calculated from the digitized image with respect to the image containing the microparticle image (step 5-initial velocity vector obtaining step); And
Characterized in that it comprises a final velocity vector acquisition step (six steps) using an affine transformation based hybrid PIV algorithm,
Step 6 is the following equation (1)
Is a linear geometric transformation process, where x f , y f are the first images, x s and y s are the coordinates of the particle center in the second image, x o and y o are the coordinates of the computational grid, a 11 , a 12 , a 21 , a 22 Is a coefficient related to the deformation of the fluid mass (deformation, shear, stretching), a 13 , a 23 is a coefficient related to the translation of the fluid mass, and Equation (1) is also represented by Equation (2) below. Expressed,
here,
Obtain a 11 , a 12 , a 21 , and a 22 using the initial velocity vector, obtained in step 5, using coordinate information of the start and end points of the velocity vector, Iterative calculation by the least squares method is performed so that is satisfied,
Flow field measurement system using hybrid transformation based on affine transformation without interpolation.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110039191A KR101039183B1 (en) | 2011-04-26 | 2011-04-26 | System and method for velocity field measurement using hybrid piv based affine transformation |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110039191A KR101039183B1 (en) | 2011-04-26 | 2011-04-26 | System and method for velocity field measurement using hybrid piv based affine transformation |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101039183B1 true KR101039183B1 (en) | 2011-06-03 |
Family
ID=44405045
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020110039191A KR101039183B1 (en) | 2011-04-26 | 2011-04-26 | System and method for velocity field measurement using hybrid piv based affine transformation |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101039183B1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101237128B1 (en) | 2012-10-16 | 2013-02-25 | 한국해양대학교 산학협력단 | Development of tomographic ptv |
| CN103996171A (en) * | 2014-05-05 | 2014-08-20 | 河海大学 | Fluid motion vector estimation method based on space-time image |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0682331A (en) * | 1992-08-31 | 1994-03-22 | Nippon Steel Corp | Method for tracking tracer of visualized image |
| JPH1031030A (en) | 1996-07-15 | 1998-02-03 | Ricoh Co Ltd | Fluid measuring method |
| JPH10221357A (en) | 1997-02-12 | 1998-08-21 | Ricoh Co Ltd | Fluid measuring device and fluid measuring method |
| KR20090083290A (en) * | 2008-01-29 | 2009-08-03 | 한국전자통신연구원 | Method for encoding and decoding video signal using motion compensation based on affine transform and apparatus thereof |
-
2011
- 2011-04-26 KR KR1020110039191A patent/KR101039183B1/en not_active IP Right Cessation
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0682331A (en) * | 1992-08-31 | 1994-03-22 | Nippon Steel Corp | Method for tracking tracer of visualized image |
| JPH1031030A (en) | 1996-07-15 | 1998-02-03 | Ricoh Co Ltd | Fluid measuring method |
| JPH10221357A (en) | 1997-02-12 | 1998-08-21 | Ricoh Co Ltd | Fluid measuring device and fluid measuring method |
| KR20090083290A (en) * | 2008-01-29 | 2009-08-03 | 한국전자통신연구원 | Method for encoding and decoding video signal using motion compensation based on affine transform and apparatus thereof |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101237128B1 (en) | 2012-10-16 | 2013-02-25 | 한국해양대학교 산학협력단 | Development of tomographic ptv |
| CN103996171A (en) * | 2014-05-05 | 2014-08-20 | 河海大学 | Fluid motion vector estimation method based on space-time image |
| CN103996171B (en) * | 2014-05-05 | 2017-02-15 | 河海大学 | Fluid motion vector estimation method based on space-time image |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Dong et al. | Marker-free monitoring of the grandstand structures and modal identification using computer vision methods | |
| Shang et al. | Multi-point vibration measurement and mode magnification of civil structures using video-based motion processing | |
| Ishikawa et al. | A novel algorithm for particle tracking velocimetry using the velocity gradient tensor | |
| Xu et al. | An accurate and distraction-free vision-based structural displacement measurement method integrating Siamese network based tracker and correlation-based template matching | |
| Schröder et al. | Advances of PIV and 4D-PTV” Shake-The-Box” for turbulent flow analysis–the flow over periodic hills | |
| Xue et al. | Refraction wiggles for measuring fluid depth and velocity from video | |
| JP4385139B2 (en) | Displacement detection method, displacement detection apparatus, displacement detection program, phase singularity matching processing method, phase singularity matching processing program | |
| CN108898676A (en) | Method and system for detecting collision and shielding between virtual and real objects | |
| Luan et al. | Extracting full-field subpixel structural displacements from videos via deep learning | |
| Zhu et al. | A multi-resolution deep feature framework for dynamic displacement measurement of bridges using vision-based tracking system | |
| Havaran et al. | Markers tracking and extracting structural vibration utilizing Randomized Hough transform | |
| Kieft et al. | The application of a 3D PTV algorithm to a mixed convection flow | |
| KR101039183B1 (en) | System and method for velocity field measurement using hybrid piv based affine transformation | |
| Loktev et al. | Image Blur Simulation for the Estimation of the Behavior of Real Objects by Monitoring Systems. | |
| Streier et al. | Determination of the statistical distribution of drag and lift coefficients of refuse derived fuel by computer vision | |
| KR101237128B1 (en) | Development of tomographic ptv | |
| Wang et al. | Micro-amplitude vibration measurement using vision-based magnification and tracking | |
| CN114119670A (en) | Flow velocity measuring method for acquiring river video based on smart phone | |
| Zhao et al. | A GPU-accelerated particle-detection algorithm for real-time volumetric particle-tracking velocimetry under non-uniform illumination | |
| Li et al. | 3d fluid flow reconstruction using compact light field piv | |
| JP2008257382A (en) | Movement detection device, movement detection method and movement detection program | |
| Du et al. | The study for particle image velocimetry system based on binocular vision | |
| Putze et al. | 3D determination of very dense particle velocity fields by tomographic reconstruction from four camera views and voxel space tracking | |
| Dong | Investigation of computer vision concepts and methods for structural health monitoring and identification applications | |
| Ward et al. | Measuring the Cityscape: A Pipeline from Street-Level Capture to Urban Quantification |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| A302 | Request for accelerated examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20140530 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20150522 Year of fee payment: 5 |
|
| LAPS | Lapse due to unpaid annual fee |