수치 해석은 유동 경로를 공식화할 필요가 없다는 장점으로 경로 설계와 같은 시뮬레이션 분석에 유용하다. 그러나 유체의 완전한 물리적 매개 변수와 경계 조건을 알고 있어야 한다. 그중 하나라도 알 수 없는 경우, 계산이 불가능해 지거나, 수렴되더라도 결과의 신뢰성이 낮아진다. 따라서 유동 정보를 보다 정확하게 획득하는 방법이 요구된다. 본 논문은 수로 내의 염료의 이동에 수반되는 영상 명도의 변화를 기반으로 영상 정보 및 속도장의 구속식을 이용하여 염료의 속도장을 추정하는 기법을 제시한다. 구속식은 속도장 추정 시에 발생하는 오류를 최소화하기 위해서 안정화 항을 추가했다. 본 논문은 카르만 와류의 생성 이미지와 실제 영상을 대상으로 제안 수법의 효율성을 보인다.
수치 해석은 유동 경로를 공식화할 필요가 없다는 장점으로 경로 설계와 같은 시뮬레이션 분석에 유용하다. 그러나 유체의 완전한 물리적 매개 변수와 경계 조건을 알고 있어야 한다. 그중 하나라도 알 수 없는 경우, 계산이 불가능해 지거나, 수렴되더라도 결과의 신뢰성이 낮아진다. 따라서 유동 정보를 보다 정확하게 획득하는 방법이 요구된다. 본 논문은 수로 내의 염료의 이동에 수반되는 영상 명도의 변화를 기반으로 영상 정보 및 속도장의 구속식을 이용하여 염료의 속도장을 추정하는 기법을 제시한다. 구속식은 속도장 추정 시에 발생하는 오류를 최소화하기 위해서 안정화 항을 추가했다. 본 논문은 카르만 와류의 생성 이미지와 실제 영상을 대상으로 제안 수법의 효율성을 보인다.
Numerical analysis has the advantage that no actual flow pathways need to be formulated, making this technique especially useful for simulation analysis such as pathway design. However, it does require that the complete physical parameters of the fluid and the complete boundary conditions be known. ...
Numerical analysis has the advantage that no actual flow pathways need to be formulated, making this technique especially useful for simulation analysis such as pathway design. However, it does require that the complete physical parameters of the fluid and the complete boundary conditions be known. If any of them are unknown, either the calculation will become impossible, or even if the calculation does converge, the reliability of the result will be low. Therefore, a means of more accurate acquisition of flow information is required. In this paper, we present techniques for estimating flow field from a constraint equation for image information and velocity field, based on the image intensity changes accompanying the motion of dye in waterway. In the equation, we entered a stabilizing term to suppress estimation error. We show the effectiveness of our method through experiments with generated and real images of a Karman vortex.
Numerical analysis has the advantage that no actual flow pathways need to be formulated, making this technique especially useful for simulation analysis such as pathway design. However, it does require that the complete physical parameters of the fluid and the complete boundary conditions be known. If any of them are unknown, either the calculation will become impossible, or even if the calculation does converge, the reliability of the result will be low. Therefore, a means of more accurate acquisition of flow information is required. In this paper, we present techniques for estimating flow field from a constraint equation for image information and velocity field, based on the image intensity changes accompanying the motion of dye in waterway. In the equation, we entered a stabilizing term to suppress estimation error. We show the effectiveness of our method through experiments with generated and real images of a Karman vortex.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 유체의 유동영상을 촬영한 실영상계열에 유체와 경로에 대한 지식과 속도장의 안정화 항을 사용하여 유동을 보간함으로써 시공간적 해상도와 추정의 신뢰성을 나타낸다.
본 논문에서는 컴퓨터 비전의 관점에서 와류의 정보를 지닌 유체 영상계열로부터 속도장을 추정하는 기법을 제안하였다. 제안 기법에서는 속도장의 안정화 항을 고려한 영상 간의 시간 시퀀스를 조절하여, 보다 신뢰성 있는 속도장을 얻는 것을 목적으로 하였다.
각 시각에 의한 각 점의 속도는 직선으로 근사할 수 있지만, 직선의 경사는 유지되는 것이 바람직하다. 본 논문은 각 영상 간의 시간 간격을 보정하는 것으로 각 점에 의한 속도, 즉 구속 직선의 기울기를 가급적 일정하도록 보정하였다. 시간 간격의 보정계수 α(t)를 도입한 평가함수를 식(3)에 나타낸다.
본 논문에서는 컴퓨터 비전의 관점에서 와류의 정보를 지닌 유체 영상계열로부터 속도장을 추정하는 기법을 제안하였다. 제안 기법에서는 속도장의 안정화 항을 고려한 영상 간의 시간 시퀀스를 조절하여, 보다 신뢰성 있는 속도장을 얻는 것을 목적으로 하였다.
가설 설정
실제 유체영상은 시간경과에 따른 그 속도가 변화하지만 본 논문에서는 각 점을 통과하는 순간에 농도는 보존되어 있다고 가정한다.
제안 방법
본 논문에서는 유체의 유동을 추정하기 위해서 유체의 물리적 파라미터, 몇 가지 경계 조건, 그리고 유체 유동의 이미지 시퀀스로 부터 접근한다. 이 같은 접근방법 에서 경계 조건에 대한 정보의 부족은 이미지 정보에 의해 보완되며, 경계 조건에 대한 부분적 지식만으로도 유동이 추정될 수 있다.
본 논문은 구속식으로 Gradient법의 구속식을 시공간에 확장한 것을 도입한다. P(x,y,t)를 영상 내의 점 (x,y)의 시각 t에 의한 명도, u(x,y), v(x,y)를 각각 영상 내의 점 (x,y)에 의한 속도벡터의 x성분과 y성분으로 하여 식(1)에 제시한 평가함수를 정의한다.
본 수법은 수치 데이터에 의해 생성영상 데이터를 이용하여 검토한다. 대상으로 하는 속도장은 관내 흐름의 축 방향 단면의 2차원 속도장으로 한다.
실영상 데이터는 karman와류의 영상정보를 얻기 위해서 상류부터 색소를 흘려보내고, 수로 옆면에 라이트를 설치하여 비디오카메라로 촬영하였다.
대상으로 하는 속도장은 관내 흐름의 축 방향 단면의 2차원 속도장으로 한다. 유체가 관내를 수평방향으로 흐르고 있는 경우 영상 시퀀스를 생성하여 실험을 진행하였다. 생성영상은 256레벨 계조로 24 장을 생성했다.
관심 영역의 영상 데이터는 karman와류가 발생한 일부분을 촬영하였지만 표면류 흐름 이외에 내부류도 포함되어 있다. 표면에 흐르는 색소의 명도는 110 이하 부근을 잘라내어 전처리 과정을 진행하였다. 그림 5(a), (b)에 원영상과 전처리 후의 샘플 영상들을 각각 나타낸다.
대상 데이터
본 연구에 사용된 영상은 총8장이며, 크기는 200× 250이다.
성능/효과
(1) 스무딩 구속을 이용하는 경우에는 소용돌이 등 속도변화가 큰 영역의 오차가 커지게 된다.
(2) 스무딩 구속을 이용한 경우, 유체영역이외에서도 속도장이 추정되는 가변성이다. 더욱이 유벽 부근의 속도장 추정에 있어서 유체영역이외의 영향을 받을 가능성이 크다.
Horn and Schunck의 추정 속도장은 전체적으로 물리적 연속성을 갖지 못하였으며, 반면에 제안기법에 의한 속도장은 전체적으로 연속성을 가진 속도장이 추정되어 와류의 발생 영역을 정확하게 확인할 수 있었다. 또한, 생성 영상에 있어서 평균 유사율은 Horn and Schunck 의 기법과 제안 기법은 각각 95.
98% 개선되었다. 그 결과 제안 기법에 의해서 획득한 생성 영상이 실영상에 근사함을 나타낸다.
Horn and Schunck의 추정 속도장은 전체적으로 물리적 연속성을 갖지 못하였으며, 반면에 제안기법에 의한 속도장은 전체적으로 연속성을 가진 속도장이 추정되어 와류의 발생 영역을 정확하게 확인할 수 있었다. 또한, 생성 영상에 있어서 평균 유사율은 Horn and Schunck 의 기법과 제안 기법은 각각 95.38%, 98.36%로 제안 수법이 대략 2.98% 개선된 것을 알 수 있었다. 이후 연구로 실영상으로 부터 자동적으로 시간 시퀀스를 계산하여 속도장 추정이 가능하게끔 검토할 예정이다.
또한 소용돌이 후미의 곡류(meander)한 흐름도잘 추정되었다. 속도장의 복원 결과, 본 제안 기법이 Horn and Schunck기법의 복원 결과보다 73.92% 개선되었다. 표 1에 오차 및 수정률을 나타낸다.
Horn and Schunck의 기법과 제안한 기법에 의해 생성된 영상인 그림 7(a), (b)와 전처리 후의 입력 영상인 그림 5(b)와의 유사도는 식(5)에 의해 측정하였으며, 그 결과는 그림 8과 같다. 평균 유사율은 Horn and Schunck 의 기법은 95.38%지만, 제안 기법은 98.36%로 약 2.98% 개선되었다. 그 결과 제안 기법에 의해서 획득한 생성 영상이 실영상에 근사함을 나타낸다.
후속연구
98% 개선된 것을 알 수 있었다. 이후 연구로 실영상으로 부터 자동적으로 시간 시퀀스를 계산하여 속도장 추정이 가능하게끔 검토할 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
컴퓨터 비전 분야에서 이미지 시퀀스로부터 광학적 유동을 추정할 수 있는 기법으로 어떤 것이 제안되는가?
컴퓨터 비전 분야에서 이미지 시퀀스로부터 광학적 유동을 추정할 수 있는 기법으로는 크게 상호상관법, 국부 위상법, 그리고 Gradient법의 세 가지 주용 접근 방법이 제안되고 있다. 상호상관법[3,4,5]에서는 대상 창에서 물체 모양이 보존되는 것으로 가정한다.
이미지 정보를 사용 하여 유동을 추정하는 것의 이점은 무엇인가?
이것은 두 가지의 주요 이점이 있다. 첫 번째는 데이터를 신속하게 얻을 수 있으며, 저비용으로 측정가능하다. 두 번째는 센서의 삽입이 불가능한 고온 또는 고압 유체와 같은 조건에서도 유동 정보를 포착할 수 있다는 장점을 가지고 있다.
수치 해석의 장점은 무엇인가?
그러나 이러한 기술은 특정 분야에서 독립적으로 진행되었으며, 통합의 시도는 거의 이루어 지지 못하였다. 수치 해석은 실제 유동 경로를 공식화할 필요가 없다는 장점이 있어서 경로 설계와 같은 시뮬레이션 분석에 특히 유용하다. 그러나 유체의 완전한 물리적 매개 변수와 완전한 경계 조건을 알고 있어야 한다.
참고문헌 (13)
H. J. Kim, and J. H. Park, "Robust Dynamic Projection Mapping onto Deforming Flexible Moving Surface-like Objects," Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology, vol. 7, no. 6, pp. 897-906, Jun. 2017.
D. W. Kim, "Moving Object Extraction Using Spatio-Temporal Difference," Journal of the Korea Institute of Information and Communication Engineering, vol. 6, no. 8, pp. 1319-1324, Dec. 2002.
K. K. Yu, S. J. Kim, and D. S. Kim, "Measurement of Two-Dimensional Velocity Distribution of Spatio-Temporal Image Velocimeter using Cross-Correlation Analysis," J. Korea Water Resources Association, vol. 47, no. 6, pp. 537-546, Jun. 2014.
W. M. Muhammad, A. K. Bushra, "Cross Correlation Velocity Measurement of Multiphase Flow," International Journal of Science and Research, vol. 4, no. 2, pp. 802-807, Feb. 2015.
C. Christian, and C. J. Kahler, "Cross-correlation or tracking-comparison and discussion," 16th International Symposium on Applications of Laser Techniques to Fluid Mechanics, Lisbon: Portugal, pp. 9-12, Jul. 2012.
D. J. Fleet, and A. D. Jepson, "Computation of component image velocity from local phase information ," International Journal of Computer Vision, vol. 5, no. 1, pp. 77-104, Aug. 1990.
Z. Zhang, F. Li, M. Liu and P. K. Yadav. (2016, August). Image Matching Based on Local Phase Quantization Applied for Measuring the Tensile Properties of High Elongation Materials. Hindawi Mathematical Problems in Engineering [Online]. http://dx.doi.org/10.1155/2016/5182106
B. Mostofian, C. M. Cai, M. D. Smith, L. Petridis, X. Cheng, C. E. Wyman and J. C. Smith, "Local Phase Separation of Co-solvents Enhances Pretreatment of Biomass for Bioenergy Applications," Journal of the American Chemical Society, vol. 138, no. 34, pp. 10869-10878, Aug. 2016.
T. Gautama, and M. A. Van Hulle, "A phase-based approach to the estimation of the optical flow field using spatial filtering," Neural Networks, IEEE Transactions on, vol. 13, no. 5, pp. 1127-1136, Sep. 2002.
A. Pentland, and B. Horowitz, "Recovery of nonrigid motion and structure," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 13, no. 7, pp. 730-742, 1991.
Y. Wang, X. Yan, J. Zheng, and M. Jiang. (2015, April). Sparse Approximation for Nonrigid Structure from Motion. Hindawi Mathematical Problems in Engineering [Online]. http://dx.doi.org/10.1155/2015/435385.
W. Gong, X. Zhang, J. Gonzalez, A. Sobral, T. Bouwmans, C. Tu, and E. Zahzah, "Human Pose Estimation from Monocular Images: A Comprehensive Survey," Sensors, vol. 16, no. 12, pp. 1-39, Dec. 2016.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.