论文部分内容阅读
粒子测速技术是在传统的图像匹配技术上利用粒子的特性和运动规律而发展起来的一种新的粒子图像测速技术。在粒子测速技术中PTV(Particle Tracking Velocimetry)粒子跟踪测速技术是一种非入侵式的全流场无干扰实时技术,该技术在空气动力学、流场力学等测速领域内取得了良好进展。二维的粒子图像跟踪测速技术已经被广泛的运用,然而三维流场的粒子跟踪测速技术迫切需要解决。三维的测速技术可以将流场的运动趋势更加立体和直观的表达,这也使得三维粒子图像跟踪测量技术成为需要重点研究解决的问题。根据粒子的特性和运动规律,本文对基于PTV的双目视觉跟踪测速技术进行了优化和分析对比研究。本文的研究主要包括:(1)本文提出了一种差异化的优化方法:首先,根据粒子的分布结构、运动趋势的特性,该方法对一定范围内的粒子的像素亮度进行加权平均处理,并对需要识别出的像素亮度的峰值阈值进行差异化制定。然后,该方法对识别到的粒子分别存储,使得粒子在双目视觉三维重构和粒子跟踪测速的过程中具有更大的可观察空间体积和更低的复杂度。该方法有效地减少双目视觉三维重构过程中粒子的重叠和遮挡问题,为三维重构过程中的准确度提供了有力保障。(2)本文提出了一种基于特征匹配的PTV优化算法。在粒子匹配过程中,在邻近原则和排除原则的基础上建立目标粒子与候选粒子之间的匹配矩阵,根据粒子间的特征距离计算特征间的相似指数,寻找相似指数最大的匹配对作为匹配结果。本文提出了一种基于特征匹配的PTV优化算法,在匹配过程中的奇异值进行迭代检测,有效的解决匹配过程中粒子的突然出现和消失的问题。去除匹配过程中的异常值,使得匹配的中的误匹配问题减少,有效的提高了匹配的正确率。(3)本文提出了一种基于数量级的PTV优化方法。该方法对前后两个时刻的粒子进行分析,并针对全局匹配问题进行合理的子问题划分,减小了PTV匹配过程中的时间复杂度。由于粒子本身的信息具有很强的识别性,所以对粒子进行差异性划分,在识别匹配的过程中差异性的匹配可以在很大程度上解决非接触性粒子的误匹配问题。在无干扰、非入侵的三维流场中,该算法取得了较好的效果,有效地减小了PTV匹配过程中的时间复杂度,提高了准确率。本文在研究算法优化的过程中进行了大量的数据对比和分析,实验数据结果说明了该优化方法确实可行,使得三维PTV的流场走势研究取得了较好的进展。