基于25 kHz双目视觉的智能处理流程，用于燃烧铝滴时尾焰的3D重建及定量分析

《Advanced Powder Technology》：Intelligent pipeline for 25 kHz binocular vision-based 3D reconstruction and quantitative analysis of tail flame on burning aluminum droplet

三维铝凝聚体尾焰的智能双目视觉重建方法及其流动热耦合特性研究，提出基于梯度优化ROI与块式K-means聚类的特征分割，结合ZNCC-IRLS匹配算法实现低自发光尾焰的三维高精度重构，定量揭示三维边长与表面积较二维投影分别放大2倍和3倍，验证了速度、雷诺数等动力学参数与经典理论一致性，发现拉伸方向与深度方向振荡频率和幅度的梯度衰减规律。

　　

张航|王宇|吴英春|郑成航|吴学成

浙江大学清洁能源利用国家重点实验室，中国杭州310027

摘要

在含有铝添加剂的固体火箭推进剂燃烧过程中，会形成团聚体。在这些团聚体的四个组成部分中，尾焰会延伸到三维（3D）空间，并表现出片状皱褶和复杂的形态，这些特征反映了局部流场情况，同时尾焰具有最大的表面积，从而影响热量和质量传递效率。因此，对尾焰进行3D测量对于阐明流动-热传递耦合机制至关重要。本研究开发了一种基于双目视觉的算法来重建3D铝团聚体尾焰。该方法采用梯度细化的感兴趣区域（ROI）和块状K均值聚类来处理背景噪声和灰度衰减问题。特征匹配结合了零均值归一化互相关（ZNCC）和迭代加权最小二乘（IRLS）算法，以实现鲁棒的视差细化。该方法通过详细的超参数敏感性分析，与Segment Anything Model 2（SAM 2）进行了严格对比评估。最终提取出具有量化不确定性的几何和运动学参数。研究结果表明，尾焰存在明显的片状皱褶，其3D边缘长度和表面积分别约为2D结果的两倍和三倍。运动学参数（速度、雷诺数和斯特劳哈尔数）与经典研究结果一致。此外，定量分析显示，沿火焰延伸方向的振荡频率和振幅会减小。

引言

在固体火箭推进剂中，通常会添加铝等金属作为高能燃料添加剂。燃烧过程中，铝颗粒熔化并聚集成较大的熔融团聚体，然后从燃烧表面喷射出来并在气相中继续燃烧。团聚体包含熔融液滴、氧化层、包裹火焰和尾焰，对推进剂的燃烧效率和颗粒沉积有显著影响[1]、[2]。作为一种三维（3D）燃烧现象，已经采用了3D光学实验方法来观察颗粒场[3]、[4]、单个液滴的微观形态以及流动的氧化层[5]和颗粒轨迹[6]，同时还测量了颗粒的大小、位置和速度等定量参数。Ao等人[7]开发了一种双视角高速显微成像系统，从两个对齐的角度捕捉颗粒团聚体的演变过程，以分析熔融铝颗粒及其氧化层的3D分布。Cai等人[8]通过结合3D光纤成像和双色测温技术，实现了颗粒尺寸、跟踪、速度测量和温度测量的同时进行。Zhuo等人[9]利用像差双光束干涉粒子成像（ADIPI）技术，在全景散射角下测量了球形金属颗粒的3D位置和尺寸。Chen等人[3]、[10]、[11]、[4]使用数字内联全息术（DIH）实验性地量化了铝颗粒的3D位置、尺寸和速度。

液滴尾焰本质上是一个小尺度的扩散火焰，通常呈细长形状，跟随移动的燃烧液滴后方延伸。由于燃烧释放的热量，周围气体发生热膨胀和对流，将火焰和颗粒向上拖动，形成细长的尾焰。铝氧化物层通常会在液滴前端表面形成并附着，而其余的氧化产物则被喷射到液滴后方，形成烟雾轨迹。在团聚体的四个部分中，尾焰是质量最轻且表面积最大的结构。一方面，尾焰的形态和运动反映了局部热流场，尤其是火焰的皱褶和变形，体现了燃烧反应与流场之间的耦合效应。另一方面，燃烧反应、热传递（对流和辐射）和质量传递发生在尾焰表面。因此，测量液滴尾焰对于理解团聚体周围的流场和推进剂的燃烧机制至关重要[12]、[13]、[14]。研究人员尝试使用粒子图像测速（PIV）技术来表征液滴尾焰周围的气相速度场，其中燃烧的铝颗粒被用作PIV的示踪颗粒来测量燃烧速度[15]。Wang等人[13]发现了燃烧金属颗粒及其尾焰中的复杂振荡和不稳定现象。这些振荡导致包裹火焰以与液滴运动略有相位差的方式同步振荡。此外，平面激光诱导荧光（PLIF）[16]技术也被用来可视化气体相中的OH自由基和表面荧光AP晶体的火焰结构。

尾焰的火焰表面延伸到三维空间，呈现出复杂的曲面形态，并因流场的变化而动态变化。二维（2D）测量方法只能捕捉到一个截面或投影，因此只是对3D尾焰的粗略估计，这导致了2D几何和运动学参数与3D参数之间的差异。然而，关于尾焰3D测量的研究较少。本研究开发了一种基于双目视觉的算法来重建尾焰并提取参数。该方法结合了感兴趣区域（ROI）的生成和细化以及块状K均值聚类进行分割，并使用零均值归一化互相关（ZNCC）和迭代加权最小二乘（IRLS）进行鲁棒的特征匹配。通过与Segment Anything Model 2（SAM 2）的分割对比和超参数敏感性分析验证了该方法的有效性。提取的几何和运动学参数带有不确定性量化，结果表明3D边缘长度和表面积显著大于2D投影值。此外，得到的运动学参数（速度、剪切力、雷诺数和斯特劳哈尔数）与经典基准值一致，证实了数据的有效性。通过后处理边缘点，观察并定量分析了沿火焰延伸方向和深度方向的振荡现象。

实验装置

如图1所示，双目成像系统由两个高速摄像机组成。由于机械干涉（测量体积为100立方毫米，而摄像机轴与摄像机侧面的距离仅为8厘米），难以将两个高速摄像机平行放置以实现小于1厘米的基线距离，以便两者共享足够的视野。因此，两个高速摄像机以90度角放置（虚线表示右侧摄像机）

方法论

尾焰的自发光较低，纹理不明显，且部分透明，这使得即使在双目成像系统下，火焰内部的特征匹配也容易出错，从而影响精确的3D重建。因此，本研究专注于火焰边缘，因为这些区域的匹配关系更为明显，有利于重建和运动分析。整个流程包括四个阶段：尾焰分割、特征点匹配、3D重建和速度计算。

重建流程分析

分析包括两个关键阶段：分割和特征点匹配。为了定量评估所提出的分割性能，通过手动标记属于尾焰的像素建立了评估数据集。该数据集包含来自两个摄像机的73张图像，这些图像记录了具有不同形态的尾焰。使用了两个指标：正交交集比（PIOU）和平均对称表面距离（ASSD）

结论

本研究提出了一种基于双目视觉的智能算法来重建3D尾焰边缘，并展示了从3D重建结果中提取的几何和运动学参数。本文的主要贡献如下：

• 1.
  针对尾焰的独特特性，开发了一种定制的分割和特征点匹配方法。为了适应宽范围的灰度值，采用了块状K均值聚类分割技术

CRediT作者贡献声明

郑成航：监督、资源管理、项目协调。吴学成：监督、项目协调、写作与编辑、监督、资源管理、资金获取、概念构思。吴英春：写作与编辑、监督、资源管理、资金获取、概念构思。张航：写作与编辑、原始稿件撰写、可视化、验证、软件开发、方法论设计、数据分析、概念构思。王宇：写作与编辑、软件开发、数据分析、数据整理。

利益冲突声明

作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究结果。

致谢

作者衷心感谢中国国家重点研发计划（项目编号2023YFF0614303）、国家科技重大专项（J2019-III-0006–0049）以及浙江省自然科学基金杰出青年学者计划（项目编号LR24E060002）的支持。