相关实验视频
Updated: Jun 13, 2026
11:59
High-speed Particle Image Velocimetry Near Surfaces
Published on: June 24, 2013
33.8K
粒子图像速度测算算法 基于尖峰摄像机 适应性集成
Xiaoqiang Li1,2,3, Changxu Wu4, Yichao Wang1
1School of Mechanics and Engineering Sciences, Peking University, Beijing 100871, China.
Sensors (Basel, Switzerland)
|October 29, 2025
概括
这项研究引入了一种使用神经形态视觉传感器 (NVS) 的新型粒子图像速度测量 (PIV) 算法,以克服在高照明环境中的过度曝光问题. 基于尖峰摄像机的PIV方法显著提高了粒子检测和速度场的准确性,在具有挑战性的条件下优于传统摄像机.
科学领域:
- 流体动力学 流体动力学
- 光学测量技术的使用.
- 生物仿真传感器传感器
背景情况:
- 在粒子图像速度测量 (PIV) 中过度曝光会降低图像质量和速度估计的准确性,特别是在液体-气体接口.
- 传统的基于的相机在高亮度下扎,导致像素和和粒子检测失败.
- 精确的速度场测量在各种流体动力学应用中至关重要.
研究的目的:
- 为了应对PIV中因高照明引起的过度曝光的挑战.
- 开发一种能够在过度曝光区域有效检测粒子的PIV算法.
- 为了在具有挑战性的环境 (如液气接口) 中实现准确的速度场测量.
主要方法:
- 提出了一个PIV算法,利用来自神经形态视觉传感器 (NVS) 的自适应性积分尖峰摄像头数据.
- 在高频数字尖峰信号上实施目标背景细分,以抑制高亮度.
- 基于照明和粒子速度特征的自适应集成尖峰数据,以重建高信号噪声比 (SNR) 图像.
主要成果:
- 模拟显示,与基于的相机相比,基于的相机在过度曝光的区域中平均流速估计误差小8.594倍.
- 实验结果表明,成功捕获了连续的高密度粒子轨迹.
- 即使在高照明挑战的情况下,也获得了可测量的和连续的速度场.
结论:
- 拟议的PIV算法有效地减轻了高照明引起的过度曝光问题,特别是在液体气体接口.
- 神经形态视觉传感器在以前具有挑战性的测量场景中为PIV提供了可行的解决方案.
- 基于尖峰摄像机的方法在高照明条件下显著提高了粒子检测和速度场的准确性.
