空气动力学实验方法：粒子图像测速(PIV)：高级PIV技术：多平面PIV与立体PIV.pdf

空气动力学实验方法：粒子图像测速(PIV)：高级PIV技术：

多平面PIV与立体PIV

1引言

1.1PIV技术概述

粒子图像测速（ParticleImageVelocimetry，简称PIV）是一种非接触式的流

场测量技术，广泛应用于空气动力学、流体力学等领域。PIV通过在流体中添加

示踪粒子，并使用高速相机捕捉粒子在流场中的运动图像，然后通过图像处理

技术分析粒子的位移，从而计算出流场的速度分布。这一技术能够提供二维或

三维流场的瞬时速度场信息，对于理解复杂流体动力学现象具有重要意义。

1.1.1基本流程

1.粒子注入：在流体中注入示踪粒子，这些粒子应具有良好的跟随

性，能够准确反映流体的运动。

2.图像采集：使用激光光源照射流体区域，高速相机捕捉粒子图像。

3.图像处理：将连续的图像对进行处理，识别粒子位置并计算位移。

4.速度计算：基于粒子位移和时间间隔，计算流场的速度矢量。

5.数据分析：对速度场数据进行分析，提取流场特性。

1.2高级PIV技术的重要性

随着流体动力学研究的深入，传统的二维PIV技术已难以满足对三维流场

复杂性的需求。高级PIV技术，如多平面PIV和立体PIV，应运而生，它们能够

提供更全面、更准确的流场信息，对于研究涡旋结构、边界层分离、流动稳定

性等复杂空气动力学现象至关重要。

1.2.1多平面PIV

多平面PIV技术通过在不同深度上采集多个平面的粒子图像，然后将这些

平面的数据融合，以获得更完整的三维流场信息。这一技术通常需要多台相机

从不同角度拍摄，或者使用特殊的光学系统来实现。

实现方法

多相机系统：使用多台相机同时拍摄，每台相机聚焦于不同的流

体平面。

光学系统调整：通过调整激光光源和相机的光学系统，使激光束

1

在不同深度上形成多个照明平面。

1.2.2立体PIV

立体PIV技术则是在三维空间中直接测量流场速度，它通过两台或更多相

机从不同角度拍摄同一流体区域，然后利用立体匹配算法计算粒子在三维空间

中的位移，从而得到三维速度场。

实现方法

立体匹配算法：使用计算机视觉技术中的立体匹配算法，如块匹

配、特征匹配等，来确定粒子在三维空间中的位置。

数据融合：将不同相机拍摄的图像数据进行融合，以构建完整的

三维流场模型。

1.3示例：多平面PIV数据处理

假设我们有从三个不同深度平面采集的粒子图像数据，我们将展示如何使

用Python进行初步的数据处理，包括图像对齐和粒子位移计算。

importnumpyasnp

importcv2

fromscipy.signalimportcorrelate2d

#示例图像数据

image_plane_1=cv2.imread(image_plane_1.png,cv2.IMREAD_GRAYSCALE)

image_plane_2=cv2.imread(image_plane_2.png,cv2.IMREAD_GRAYSCALE)

image_plane_3=cv2.imread(image_plane_3.png,cv2.IMREAD_GRAYSCALE)

#图像对齐

#假设image_plane_1为参考图像，其他图像需要对齐到它

#使用OpenCV的特征匹配进行对齐

sift=cv2.SIFT_create()

kp1,des1=sift.detectAndCompute(image_plane_1,None)

kp2,des2=sift.detectAndCompute(image_plane_2,None)

kp3,des3=sift.detectAndCompute(image_plane_3,None)

bf=cv2.BFMatcher()

matches12=bf.knnMatch(des1,des2,k=2)

matches13=bf.knnMatch(des1,des3,k=2)

#应用比率测试

good_matches12=[]