在這里了解千眼狼最新動態
1 技術背景
相較于統計粒子群體位移的粒子圖像測速(Particle Image Velocimetry,PIV)技術，粒子追蹤測速(Particle Tracking Velocimetry,PTV)因能夠直接獲取單粒子的拉格朗日軌跡，突破空間分辨率限制，故適用于湍流邊界層研究、多相流測量等復雜流動環境。然而，粒子追蹤測速(PTV)技術實際應用面臨兩項挑戰：
一是粒子檢測與識別難度大：PTV圖像中，示蹤粒子通常僅占2~5個像素，且灰度分布近似高斯斑。在激光能量波動、背景噪聲干擾、光照不均勻等情況會導致粒子難以識別，影響軌跡斷裂和速度場重構精度。
二是粒子的灰度特征弱，傳統特征匹配方法(如SIFT、ORB、RelD)失效，通用的互相關算法、最近鄰匹配算法在強剪切、大梯度、高Stokes數流場中誤匹配率較高，影響速度梯度、雷諾應力測量結果。
為解決上述兩大難題，中科君達視界的算法工程師們創新性提出千眼狼“動態粒子背景分割技術”與“空間拓撲結構結合最優運輸的匹配技術”，并進行經典圓柱繞流實驗以驗證PTV新技術性能。
2 技術創新
2.1 動態粒子背景分割技術(解決粒子檢測難題)
針對示蹤粒子弱光斑、小尺度、噪聲背景多變特征，千眼狼動態粒子背景分割技術采用逐幀更新的背景估計模型，并進行自適應亮、暗閾值計算，二值化輸出粒子掩膜，構建一個可隨時間和空間自適應更新的“背景模型+粒子掩膜”框架，實現粒子像元的端到端準確識別，如圖1。
圖1 動態粒子背景分割示意
2.2 空間拓撲結構+最優運輸(解決粒子匹配難題)
針對粒子低特征、灰度無效問題，千眼狼“空間拓撲結構+最優運輸”匹配技術引入空間幾何結構替代灰度特征的新思路，即將粒子集視為“拓撲圖”，技術路徑如下：
構建空間拓撲結構：對每一幀的任一粒子，以局部k-NN建立Delaunay或Gabriel圖，從局部領域中提取邊長、夾角、面積、局部密度，形成5~7維拓撲簽名，即建立拓撲形狀辨識粒子周圍的空間結構(圖2)。
圖2 空間拓撲結構示意圖
匹配最優運輸： 對t幀和t+1幀執行相同的拓撲簽名提取操作，得到兩組離散分布μ 和v，基于“邊長差異+角度差異+密度差異”構建代價矩陣，再利用Sinkhron-IPOT快速迭代算法計算并返回軟匹配矩陣T ，將“找相似”的粒子匹配轉化為“運質量”問題。
匹配后進行多重物理與幾何檢驗：一是采用運動學門控進行位移、加速度和旋轉一致性檢驗，剔除3%異常匹配；二是進行最小環校驗，即對Delaunay環閉合差＜0.1 pixel鎖定匹配；三是執行高密度場景下的缺失補償機制，若粒子密度＞0.15 ppp，以OT結果作為虛擬檢測，反向生成高置信度偽粒子，再進行一次迭代補償，實現0.05 ppp的等效增密效果，匹配率提升18%。
3 技術驗證
為驗證算法的先進性與可靠性，中科君達視界算法工程師們在流體力學實驗室進行經典圓柱繞流實驗，應用千眼狼PTV新技術，通過“動態粒子分割”與“空間拓撲結構+OT”匹配重構流場與拉格朗日軌跡，結果如下：
流場速度：流場速度分布連續、光滑。
跡線：粒子軌跡展示了渦旋結構演化。
結果表明，千眼狼PTV新算法在具有強剪切和高粒子密度條件下的圓柱繞流實驗中，可實現粒子軌跡的連續、準確重構。
4 結語
中科君達視界自研的千眼狼粒子追蹤測速PTV新技術：動態粒子背景分割與空間拓撲結構最優運輸匹配方法，有效解決了粒子檢測分割難和匹配特征少的核心難點，在強剪切、高密度流場中實現＜1%誤匹配率，新算法擺脫了傳統方法對粒子特征的依賴，為流體動力學研究中提供高頻、高保真的拉格朗日速度場和粒子軌跡數據。
微信公眾號
官方抖音
400-859-1866