[论文解读] Event-based Imaging Velocimetry -- An Assessment of Event-based Cameras for the Measurement of Fluid Flows

Christian Willert, Joachim Klinner|arXiv (Cornell University)|Feb 22, 2022

Advanced Memory and Neural Computing参考文献 32被引用 54

一句话总结

本文提出事件触发成像测速法（EBIV），一种利用事件相机捕捉微秒级亮度变化而非帧图像的新方法，用于流体流动测量。通过结合连续激光照明与运动补偿及基于互相关算法的事件流处理，EBIV 实现了高时间分辨率、低光照敏感性的二维两速度分量（2D-2C）流速测量，在事件视觉（EBV）技术中此前难以实现的粒子密度下仍具可行性，已在水和空气流中验证，具备实时处理潜力。

ABSTRACT

Contrary to conventional frame-based imaging, event-based vision (EBV) or dynamic vision sensing (DVS) asynchronously records binary signals of intensity changes for given pixels with microsecond resolution. The present work explores the possibilities of harnessing the potentials of event-based vision for fluid flow measurement. The described implementations of event-based imaging velocimetry (EBIV) rely on the imaging small particles that are illuminated by a laser light sheet which is similar to classical two-dimensional, two-component (2d-2c) PIV with the difference that a continuously operating laser-light sheet is used without modulation of the laser or camera. The moving particles generate continuous time-stamped events on the detector that are later used to infer their velocity using patch-wise processing schemes. Two flow estimation algorithms are proposed; one uses a "motion compensation" that maximizes the local contrast, the other is based on a sum-of-correlations approach. The underlying motion detection schemes along with the complete absence of background signal allows straightforward retrieval of the events associated with individual particles thereby allowing the reconstruction of individual particle tracks. Alternatively, the event data can be processed with conventional PIV algorithms using images reconstructed from the event data stream. The concepts are demonstrated on simple flows in water and air.

研究动机与目标

• 评估事件视觉（EBV）在平面二维两速度分量（2D-2C）流体流动测量中的可行性。
• 评估 EBIV 在高粒子密度下的性能，超过以往基于 EBV 的流动研究中报道的密度水平。
• 对比两种事件相机运动估计算法——运动补偿与互相关和——在速度场重建中的表现。
• 通过连续激光照明，在水和空气流动中验证 EBIV 的适用性，无需使用脉冲光源。
• 探索 EBIV 在时间分辨的二维及三维粒子追踪与密集速度场估计中的潜力。

提出的方法

• 事件相机（SilkyEvCam EvC3A 和 Prophesee HD）捕捉激光照明流场中亮度变化产生的异步、时间戳事件。
• 连续波（CW）激光照射微米级粒子，在传感器上生成持续的正负事件流。
• 实现两种运动估计算法：一种通过最大化局部对比度实现运动补偿，另一种在图像块上使用互相关和。
• 对事件数据进行处理以重建粒子轨迹和速度场，同时可另类重建亮度图像以兼容传统 PIV 算法。
• 该方法无需基于帧的采集，利用 EBV 传感器的高时间分辨率（1 µs）和动态范围（>120 dB），实现密集速度场估计。
• GPU 加速处理实现毫秒级延迟的实时分析，支持实时流动诊断。

实验结果

研究问题

• RQ1 事件相机能否在连续激光照明下，实现高粒子图像密度下的可靠二维两速度分量（2D-2C）流体流动速度测量？
• RQ2 在 EBIV 速度估计算法中，运动补偿与互相关和方法在准确性和鲁棒性方面如何比较？
• RQ3 EBIV 在速度范围、时间分辨率以及对背景噪声或闪烁的敏感性方面存在哪些局限性？
• RQ4 能否从事件数据中以足够精度重建单个粒子轨迹，以适用于粒子追踪测速（PTV）应用？
• RQ5 EBIV 在高速、低光照或靠近表面的流动测量中，能在多大程度上替代或补充传统 PIV 技术？

主要发现

• EBIV 在水和空气流动中成功实现了二维两速度分量（2D-2C）流体速度测量，粒子密度显著高于以往基于事件成像的报道。
• 通过最大化局部对比度实现的运动补偿算法在速度估计算法中表现出更高的准确性，尤其在复杂流动区域优于互相关和方法。
• 采用 1280×720 分辨率、4.86 µm 像素的事件相机，在时间分辨率低至 250 µs（等效于 4 kHz 帧率）下，有效实现了粒子追踪与速度场重建。
• 事件数据中无背景信号，可直接且明确地识别粒子事件，简化了粒子追踪并减少了噪声相关误差。
• EBIV 实现了毫秒级延迟的实时处理，适用于在线流动诊断与控制应用。
• 该技术在靠近表面的流动中尤为有利，因为传统 PIV 在此类区域因过强的光散射而性能下降，而静态表面不会触发事件。