三維PIV系統(tǒng)中匹配技術(shù)的研究.pdf

1、流場(chǎng)信息的測(cè)量是流體研究中的一項(xiàng)重要內(nèi)容。相對(duì)于傳統(tǒng)接觸式單點(diǎn)測(cè)量方式，粒子測(cè)速技術(shù)可以非接觸地獲得瞬間、全場(chǎng)的流動(dòng)信息。該技術(shù)對(duì)于流動(dòng)結(jié)構(gòu)研究極為有益，現(xiàn)已成為現(xiàn)代流場(chǎng)測(cè)試技術(shù)之一并且得到了廣泛的應(yīng)用。 根據(jù)空間粒子圖像的特點(diǎn)，本文基于雙目視覺原理對(duì)粒子圖像測(cè)速儀(Particle Image Velocimetry，PIV)的匹配技術(shù)進(jìn)行了研究。 在對(duì)每個(gè)相機(jī)的粒子圖像二維匹配技術(shù)研究的過程中，著重根據(jù)研究對(duì)象——流

2、體以及置入觀測(cè)場(chǎng)中的示蹤粒子的特點(diǎn)，對(duì)粒子運(yùn)動(dòng)圖像以及相機(jī)像平面上粒子數(shù)據(jù)的匹配結(jié)構(gòu)進(jìn)行了研究，其中包括： (1)根據(jù)粒子分布不均勻且分布結(jié)構(gòu)較復(fù)雜以及不同空間、時(shí)間的復(fù)雜流場(chǎng)會(huì)出現(xiàn)不同區(qū)域特征的特點(diǎn)，對(duì)原PIV技術(shù)中的定窗分析技術(shù)進(jìn)行改進(jìn)，提出了一種改進(jìn)的處理方法：包括利用加權(quán)平均的方法對(duì)后續(xù)圖像的預(yù)測(cè)處理，以及根據(jù)窗口內(nèi)數(shù)據(jù)的相關(guān)程度與粒子分布濃度來對(duì)分析窗進(jìn)行迭代選擇。 (2)流體具有連續(xù)性，散布在流場(chǎng)中較密集的粒

3、子群中鄰近粒子的運(yùn)動(dòng)具有很強(qiáng)的相關(guān)性。根據(jù)這種相關(guān)性，提出了基于自組織映射(Self-organized Mapping，SOM)神經(jīng)網(wǎng)絡(luò)的粒子圖像測(cè)速算法。經(jīng)SOM網(wǎng)絡(luò)改進(jìn)的測(cè)速算法首先利用相關(guān)后的結(jié)果進(jìn)行網(wǎng)絡(luò)構(gòu)建，然后使用逐次相關(guān)的方法對(duì)候選匹配點(diǎn)進(jìn)行篩選。該算法不僅消除了粒子密度與灰度分布的敏感性，而且也降低了相關(guān)時(shí)對(duì)分析窗口尺寸的敏感。 (3)根據(jù)粒子圖像中粒子聚團(tuán)分布的特點(diǎn)，針對(duì)粒子追蹤技術(shù)中的粒子誤對(duì)應(yīng)問題與粒子相關(guān)

4、法對(duì)粒子區(qū)域平均化處理所帶來的誤差問題，制定了用于粒子圖像測(cè)速的細(xì)胞分裂準(zhǔn)則，并提出了基于細(xì)胞分裂的粒子追蹤匹配算法模型：將興趣區(qū)域作為細(xì)胞體，并以細(xì)胞體內(nèi)單點(diǎn)匹配相關(guān)程度與粒子的近鄰程度作為判斷準(zhǔn)則對(duì)分析窗口內(nèi)的點(diǎn)進(jìn)行分裂；分裂形成的子團(tuán)之間進(jìn)行競(jìng)爭(zhēng)，并將優(yōu)勝團(tuán)代表本分析區(qū)域參與其他區(qū)域優(yōu)勝團(tuán)的競(jìng)爭(zhēng)；根據(jù)優(yōu)勝團(tuán)先后位置變化得到矢量位移場(chǎng)。 在對(duì)粒子圖像三維匹配技術(shù)分析的過程中，著重根據(jù)機(jī)器視覺測(cè)量原理對(duì)兩個(gè)相機(jī)的空間匹配方法以

5、及像平面上有效數(shù)據(jù)的提取方法進(jìn)行了研究，其中包括： (1)針對(duì)運(yùn)動(dòng)粒子在具有一定體積的流場(chǎng)中透視成像后易出現(xiàn)的運(yùn)動(dòng)重疊問題，研究了PIV技術(shù)中近鄰粒子的弱剛性運(yùn)動(dòng)，并在PIV技術(shù)中近鄰性假設(shè)的基礎(chǔ)上，推導(dǎo)出用于粒子篩選的空間粒子運(yùn)動(dòng)測(cè)量約束條件以及實(shí)際中便于應(yīng)用的三點(diǎn)式結(jié)構(gòu)約束條件。該約束條件基于PIV的近鄰性準(zhǔn)則并以鄰近的粒子團(tuán)作為匹配對(duì)象，利用視平面內(nèi)相同運(yùn)動(dòng)的特征直線具有公共點(diǎn)的性質(zhì)對(duì)前后兩幀圖像中的粒子進(jìn)行運(yùn)動(dòng)檢測(cè)。

6、 (2)針對(duì)粒子測(cè)速系統(tǒng)中空間點(diǎn)立體匹配難、空間信息難以表示的問題，構(gòu)建了基于雙目視覺的三維粒子測(cè)速一般模型。模型中提出并采用了分層提取的逐層相關(guān)法，即先對(duì)三維空間進(jìn)行二維切分，然后結(jié)合PIV技術(shù)與粒子追蹤測(cè)速(Particle TrackingVelocimetry，PTV)技術(shù)對(duì)不同幀的二維粒子層面進(jìn)行相關(guān)處理并求出粒子運(yùn)動(dòng)矢量。 (3)提出了基于遺傳算法的三維粒子圖像匹配方法及實(shí)際中的優(yōu)化設(shè)計(jì)。該方法以視差為編碼，結(jié)合

7、SSD(Sum of Square Difference)與SAD(Sum of Absolute Difference)法對(duì)結(jié)果進(jìn)行評(píng)估，并通過單點(diǎn)、多點(diǎn)的雙交叉、變異與序列的混沌化處理達(dá)到對(duì)分析空間的搜索；最后，局部處理結(jié)合全局唯一性迭代檢測(cè)進(jìn)一步增加了匹配結(jié)果的可信度。 (4)提出了可適用于體積光照明的雙目PIV系統(tǒng)三種匹配結(jié)構(gòu)并對(duì)其進(jìn)行分析，同時(shí)根據(jù)匹配結(jié)構(gòu)的特點(diǎn)提出了雙相機(jī)像面上數(shù)據(jù)的匹配融合方法。 此外，基于