基于深度学习的多视图火焰面三维重建.pdf
《基于深度学习的多视图火焰面三维重建.pdf》由会员分享,可在线阅读,更多相关《基于深度学习的多视图火焰面三维重建.pdf(9页珍藏版)》请在咨信网上搜索。
1、第 卷第 期 年 月西南科技大学学报 :收稿日期:;修回日期:基金项目:中国航发四川燃气涡轮研究院稳定支持项目();西南科技大学博士基金(,)作者简介:第一作者,宋泠澳(),男,硕士研究生,:;通信作者,刘涛(),男,博士,副教授,研究方向为高性能计算、机器学习、计算机视觉,:基于深度学习的多视图火焰面三维重建宋泠澳刘涛姜东李华东赵冬梅谢建鞍(西南科技大学计算机科学与技术学院四川绵阳 ;中国航发四川燃气涡轮研究院四川绵阳 )摘要:针对火焰面三维重建时存在背景噪点的问题,提出了一种基于 多视图三维重构网络的 网络用于重构层流火焰的火焰面。该网络通过对输入采样图像的参考帧以及邻域帧进行图像分割,去
2、除采样时的背景噪声,得到高质量分割图像,然后将多视图图像进行三维重建,构建层流火焰面三维点云,进而得到重构的层流火焰面。通过不同重构模型火焰面重构效果对比,本文提出的三维重构网络能够有效减少重构火焰面的点云噪点,提高火焰面重构精度,为燃烧研究提供了一种新的方法。关键词:多视图三维重构网络深度学习点云背景噪声中图分类号:文献标志码:文章编号:(),(,;,):,:;燃烧是人类社会赖以生存的重要现象,一直伴随着人类社会的发展。在进入近现代社会后,更是人类获取能量、动力的重要手段之一,从居家使用的热水器与燃气灶到内燃机,再到航空航天发动机,其本质都是通过燃烧将燃料中蕴含的化学能转化为动能、热能等不同
3、形式的能量并加以利用。燃烧过程是一个极为复杂的多因素耦合作用过程,其中包括了化学反应、传热与传质、辐射、湍流、动量和能量输运等复杂且相互作用的因素。因此,燃烧过程的研究受到广泛关注。得益于计算机视觉以及人工智能技术的发展,卷积神经网络可以识别到图像中的特征信息 ,使得三维重建技术取得了进步,文献 首次将深度学习应用到三维重建领域,提出了基于单目估计深度的方法,该方法基于体素形式用单张图像使用神经网络直接恢复深度图,将网络分为全局粗估计和局部精估计,并用一个尺度不变的损失函数进行回归。文献 基于体素形式提出的 模型使用 的网络结构建立 图形到 体素模型的映射,完成了基于体素的单视图 多视图三维重
4、建(多视图的输入会被当作一个序列输入到 中,并输出多个结果)。等 在传统多视图立体匹配(,)的基础上提出 网络,利用卷积神经网络进行特征提取,通过可微单应性变换 到 的转换方法以及 网络产生的概率体生成深度图。尽管基于深度学习的三维重建技术在一定程度上简化了三维重建难度 ,且有了一定的研究成果,然而对于火焰的三维重建主要还是使用了火焰电学重建技术、火焰激光重建技术以及火焰化学发光重建技术等,基于计算机视觉技术的火焰三维重建一直停留在使用传统三维重建技术上,罕有使用深度学习技术进行火焰面三维重建的研究。火焰并非刚体,具有高亮、边缘变化速度快、表面积不规整等特性,会导致常规三维重建算法产生较大误差
5、 。到目前为止,对于火焰进行三维反演的主流是进行三维温度场重建,由于实际的燃烧过程中存在辐射、对流等现象,仅依靠温度场进行三维重构,实际上重构得到的轮廓边界并不完全等同于火焰外轮廓。本文讨论的火焰面是指火焰的外轮廓,即化学反应发生最激烈的区域,具有亮度高、温度高、温度梯度大、某些特征组分(如 )浓度梯度大等特点,对其重构,可以快速获取火焰当前的外轮廓,评估火焰发展的态势、对环境气体的卷积量以及与环境气体之间动能、动量交互的基本趋势,从而初步评估火焰燃烧的质量。本文针对层流火焰面三维重建问题提出了一种基于深度学习的多视图立体匹配网络。一方面,期望解决在受限空间内通过诸如内窥镜、光学窗等拍摄的光学
6、图像去重构该空间内火焰面发展态势,用于航空发动机试验等内部流道中火焰燃烧质量的快速评价;另一方面,尝试解决火灾现场通过红外或光学相机远距离拍摄的图像去重构火焰面,以预估火焰发展趋势,用于火灾现场火焰态势评估。另外,本文提出的方法可为后续研究湍流火焰及重构湍流火焰以评估湍流火焰发展机制提供参考方案。相关工作 层流火焰本文中重构的是层流火焰面,层流火焰是指将静止气体或者层流流动气体()引燃后得到的火焰,其特点是火焰锋面光滑,不会产生褶皱,火焰传播速度较低,一般在 之间。本文中待重构的层流火焰由燃气罐产生,其外观如图所示。图 燃料罐产生的层流火焰 该燃料罐喷嘴直径为 ,罐体内压力为 ,根据式()计算
7、得到喷嘴处的 数为 。()式中:为流体的密度;为流体的速度;为特征长度,这里指喷嘴的直径;为流体的黏性系数。当流体发展为湍流后(即 ),引燃得到的火焰即为湍流火焰,与层流火焰相比,湍流火焰表面不再光滑,火焰发展速度更快,表面会产生很多褶皱,且其火焰面会随着各种因素作用随时间发生剧烈变化。湍流火焰与层流火焰关系非常密切,根据层流火焰得到的模型和结果比较精确可靠,并可有条件地推广到湍流火焰研究中,因此对于层流火焰第 期宋泠澳,等:基于深度学习的多视图火焰面三维重建的研究具有重要的理论和应用价值。多视图立体匹配多视图立体匹配是计算机领域中的一个重要方法,其目的是通过不同位置(视点)拍摄的图像恢复出真
8、实的三维信息 。相机标定在机器视觉中,要建立图像到现实世界三维物体坐标点的对应关系,则必须建立相机成像的几何模型及其参数,世界坐标系到像素坐标系的转化关系如式()所示:()()式中:(,)为在世界坐标系下一点的物理坐标,(,)为该点对应的在像素坐标系下的像素坐标,为尺度因子。通过相机标定可得到式()所示的内参矩阵及式()所示的外参矩阵:()()()对极几何在三维世界中,必然存在一条光线从照片上一点,同时穿过拍摄这张照片相机的成像中心点,最后到达空间中一个三维点,这个三维点同时也会在另一张照片中以同样的方式投影得到,原理如图 所示。图 对级几何 表示空间中的一点,为 在两张图片中的同一点。由于空
9、间约束关系,已知,想要在另一张图片中找到,可以在直线 上进行一维寻找。的主要任务就是最佳搜索匹配不同图片的同一个点。基于 的实例分割 是 的扩展形式 ,能够有效地检测图像中的目标,同时还能为每个实例生成一个高质量的分割掩码,其结构如图 所示。流程步骤为:输入单张图片进行预处理后提取其对应特征图,对特征图中的每一点设定感兴趣区域(,),获得多个 ,再对这些候选 进行二分类,从而舍弃部分候选 ,对剩下的 进行 对齐操作,即先将原图和特征图的像素对应起来,然后将特征图和固定特征相对应,最后再对所剩 进行 类别分类、边界框回归和掩码生成。图 框架 火焰面三维重建模型设计在实际的多视图采样过程中,不可避
10、免地会包含大量的背景噪声,为了更好地重构层流火焰面,尽可能剔除背景噪声,提高重构质量,本文改进了 神经网络,加入了图像分割模块对火焰图像进行实例分割 ,提出了 ()网络,该网络直接分割出火焰图片,完全剔除背景噪点,以达到降低重建火焰面噪点的目的。的网络结构如图 所示。输入图像(大小为 )为单张参考帧以及多张邻域帧图像,选定 为参考帧,为邻域帧。通过 提取特征,得到 层特征图,与原始图像相比,分别缩小了 ,和 倍,特征图进入区域推荐网络以帮助网络推荐感兴趣的区域,推荐网络会为每一张特征图上的每一点给予 个锚框,并对所有的框进行分类以及回归得到其锚框大西南科技大学学报第 卷小以及兴趣区域概率。得到
11、带有锚框的兴趣区域后将其汇聚成特征图同等大小,用于进行图像分割,分割得到的图像大小为。分割后的图像进入 层卷积神经网络,该网络第 层和第 层步长为 ,其余为 ,除最后一层卷积,其他层都带有 ()正则化以及 ()激活函数,该 网络输出的特征图是(输入图片数目)个 通道的特征图,大小为()。图 网络结构 可微单应变换因为 和 的视角不一致,模型的目的是估计参考视图的深度图,需要将经过可微分的单应变换变形到对应的相机坐标系内。设 为对应于特征图的相机内参矩阵、旋转矩阵以及平移矩阵。将视图的特征弯曲到参考视图 的 深度,设 为对应视图的像素坐标点,为对应视图的内参矩阵,为对应视图的相机坐标系坐标,为世
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 深度 学习 视图 火焰 三维重建
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。