Zusammenfassung
In diesem Beitrag werden verschiedene Verfahren zur Bestimmung des optischen Flusses auf ihre Eignung zur Bestimmung von Gasgeschwindigkeiten untersucht. Dazu werden diese auf Differenzbilder einer Gaskamera angewandt, um eine mittlere Gasgeschwindigkeit zu bestimmen. In einer Messkampagne an einem Prüfstand werden die Verfahren charakterisiert und die Messunsicherheit wird abgeschätzt.
Abstract
In this work different methods for the estimation of the optical flow are evaluated for the task of estimating gas velocities. For this the methods are applied to difference images of a gas camera to estimate an average gas velocity. Based on measurements from a test bench the methods are characterized and the measurement uncertainty is estimated.
Funding source: Deutsche Bundesstiftung Umwelt
Award Identifier / Grant number: 31314/02
Funding statement: Die Autoren danken den Gutachtern für die konstruktiven und zielführenden Anmerkungen sowie der Deutschen Bundesstiftung Umwelt (DBU), da ein Teil dieser Arbeiten im Projekt „Quantifizierung klimarelevanter Gasleckagen in Biogasanlagen – Felderprobung“ (Az.: 31314/02) durchgeführt wurde.
About the authors
2008–2014: Studium Maschinenbau, Diplom, Universität Kassel; 2014–2019: Wissenschaftlicher Mitarbeiter FG MRT, FB Maschinenbau, Universität Kassel.
1967: in Witten geboren; 1987–1992: Studium der Elektrotechnik, Universitäten Dortmund & Leeds; 1993–1996: Wissenschaftlicher Mitarbeiter am FG Mess-, Steuerungs- und Regelungstechnik, Universität Duisburg sowie am Institut für Mechatronik (IMECH); 1996: Promotion bei Prof. Dr.-Ing. Helmut Schwarz, FG Mess-, Steuerungs- und Regelungstechnik, FB Maschinenbau, Universität Duisburg; 1997–2006: ABB Forschungszentrum Deutschland; 1997–1998: Wissenschaftlicher Mitarbeiter; 1999–2006: Projektleiter komplexer F&E-Projekte; 2001–2006: Gruppenleiter; 2004–2006: stellv. Abteilungsleiter; 2002–2006: nebenberuflicher Dozent, BA Mannheim; seit WS 2006: Leiter des FG Mess- und Regelungstechnik, FB Maschinenbau, Universität Kassel.
Literatur
1. T. Stocker, Hrsg., Climate change 2013: The physical science basis: Working Group I contribution to the Fifth assessment report of the Intergovernmental Panel on Climate Change, Cambridge University Press, 2014.Search in Google Scholar
2. W. Schreier, „Untersuchung von Gasleckagen bei Biogasanlagen.“ [Online]. Available: https://publikationen.sachsen.de/bdb/artikel/15246/documents/18428.Search in Google Scholar
3. S. Dierks und A. Kroll, „Quantification of Methane Gas Leakages using Remote Sensing and Sensor Data Fusion,“ in Proceedings of Sensors Applications Symposium (SAS), 2017.Search in Google Scholar
4. M. Gålfalk, G. Olofsson, P. Crill, und D. Bastviken, „Making methane visible,“ Nature Climate Change, vol. 6, no. 4, pp. 426–430, 2015.Search in Google Scholar
5. J. Sandsten und M. Andersson, „Volume flow calculations on gas leaks imaged with infrared gas-correlation,“ Optics Express, vol. 20, no. 18, pp. 20 318–20 329, 2012.10.1364/OE.20.020318Search in Google Scholar
6. H. Abdel-Moati, J. Morris, Y. Zeng, P. Kangas, und D. McGregor, „New Optical Gas Imaging Technology for Quantifying Fugitive Emission Rates,“ in Proceedings of International Petroleum Technology Conference, 2015.Search in Google Scholar
7. W. Nitsche und A. Brunn, Strömungsmesstechnik, 2. Aufl., VDI-Buch. Springer-Verlag Berlin Heidelberg, 2006.Search in Google Scholar
8. R. P. Wildes, A.-M. Lanzillotto, M. J. Amabile, und T.-S. Leu, „Physically based fluid flow recovery from image sequences,“ in Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition, IEEE Computer Society, 1997, pp. 969–975.Search in Google Scholar
9. T. Corpetti, D. Heitz, G. Arroyo, E. Mémin, und A. Santa-Cruz, „Fluid experimental flow estimation based on an optical-flow scheme,“ Experiments in Fluids, vol. 40, no. 1, pp. 80–97, 2006.10.1007/s00348-005-0048-ySearch in Google Scholar
10. T. Liu und L. Shen, „Fluid flow and optical flow,“ Journal of Fluid Mechanics, vol. 614, p. 253, 2008.10.1017/S0022112008003273Search in Google Scholar
11. D. Heitz, E. Mémin, und C. Schnörr, „Variational fluid flow measurements from image sequences: Synopsis and perspectives,“ Experiments in Fluids, vol. 48, no. 3, pp. 369–393, 2010.10.1007/s00348-009-0778-3Search in Google Scholar
12. J. Rangel und A. Kroll, „Characterization and evaluation of spatial jitter’s influence on the intrinsic geometric calibration of an infrared camera for gas visualization,“ in Proceedings of Sensors Applications Symposium (SAS), 2017.Search in Google Scholar
13. M. Gålfalk und D. Bastviken, „Remote sensing of methane and nitrous oxide fluxes from waste incineration,“ Waste management, vol. 75, pp. 319–326, 2018.10.1016/j.wasman.2018.01.031Search in Google Scholar
14. T. J. Crone, R. E. McDuff, und W. S. D. Wilcock, „Optical plume velocimetry: a new flow measurement technique for use in seafloor hydrothermal systems,“ Experiments in Fluids, vol. 45, no. 5, pp. 899–915, 2008.10.1007/s00348-008-0508-2Search in Google Scholar
15. D. Fortun, P. Bouthemy, und C. Kervrann, „Optical flow modeling and computation: A survey,“ Computer Vision and Image Understanding, vol. 134, pp. 1–21, 2015.10.1016/j.cviu.2015.02.008Search in Google Scholar
16. B. D. Lucas und T. Kanade, „An Iterative Image Registration Technique with an Application to Stereo Vision,“ in Proceedings of Imaging Understanding Workshop, 1981, pp. 121–130.Search in Google Scholar
17. G. Farnebäck, „Two-Frame Motion Estimation Based on Polynomial Expansion,“ Dissertation, Linköping University, 2002.Search in Google Scholar
18. E. Ilg, N. Mayer, T. Saikia, M. Keuper, A. Dosovitskiy, und T. Brox, „FlowNet 2.0: Evolution of Optical Flow Estimation with Deep Networks,“ in IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017.Search in Google Scholar
19. S. Meister, J. Hur, und S. Roth, „UnFlow: Unsupervised learning of optical flow with a bidirectional census loss,“ in Thirty-Second AAAI Conference on Artificial Intelligence, 2018.Search in Google Scholar
20. D. Sun, X. Yang, M. Liu, und J. Kautz, „PWC-Net: CNNs for optical flow using pyramid, warping, and cost volume,“ in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2018, pp. 8934–8943.Search in Google Scholar
21. B. Jähne, Digitale Bildverarbeitung, 7. Aufl. Springer Berlin Heidelberg, 2012.Search in Google Scholar
22. S. Dierks und A. Kroll, „Schätzung von Gasgeschwindigkeiten aus Differenzbildserien einer Infrarotkamera zur Gasvisualisierung,“ in Kommunikation und Bildverarbeitung in der Automation, Technologien für die intelligente Automation, J. Jasperneite und V. Lohweg, Hrsg., Springer Berlin Heidelberg, 2018, pp. 188–203.Search in Google Scholar
23. D. Sun, S. Roth, und M. Black, „Secrets of Optical Flow Estimation and Their Principles,“ in Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 09 2010.Search in Google Scholar
24. FLIR Systems, „FLIR GF300/320 Specifications.“ [Online]. Available: http://www.flir.de/ogi/display/?id=55671.Search in Google Scholar
25. Deutsches Institut für Normung, „Grundlagen der Meßtechnik – Teil 3: Auswertung von Messungen einer einzelnen Meßgröße, Messunsicherheit,“ 1996.Search in Google Scholar
26. Evaluation of measurement data – Guide to the expression of uncertainty in measurement, Genf, 2008.Search in Google Scholar
© 2020 Walter de Gruyter GmbH, Berlin/Boston
