Feições espaço-temporais em correntes de gravidade usando métodos de visão computacional

Abstract

Estudos experimentais em correntes de gravidade identificaram correlações entre as estruturas visualmente percebidas na porção frontal deste tipo de corrente e os parâmetros relacionados a sua velocidade e turbulência. Desde então estas correlações vêm sendo utilizadas por pesquisadores que estudam esse fenômeno. Em trabalhos mais recentes com simulações numéricas estas correlações continuam sendo validadas para vários parâmetros do escoamento e para maiores velocidades da frente da corrente. Na maioria dos trabalhos relacionados às medidas na frente da corrente de gravidade dependem de imagens da frente para realizarem suas análises e estabelecer correlações. Além disso, avanços em um campo interdisciplinar associado à ciência da computação conhecido como visão computacional traz novas ferramentas para as análises de experimentos com correntes de gravidade. A visão computacional se dedica ao estudo de como imagens digitais podem ser analisadas, como estes resultados podem ser automatizados e qual a exatidão destas análises automáticas. Este trabalho avalia o uso dos algoritmos de visão computacional, utilizados em detecção de cantos e no cálculo do fluxo óptico, para analisar experimentos de correntes de gravidade. Objetivando o acompanhamento automático das estruturas de lobos e fendas nestas correntes, são desenvolvidas duas abordagens, uma combinando detecção de cantos e fluxo óptico e outra combinando detecção de mínimos locais e fluxo óptico. Para determinar a exatidão da técnica proposta é estabelecido um método adotado como referência. Este método é aplicado em conjuntos de dados resultantes de simulações numéricas.A técnica utilizada para rastrear as estruturas apresentou resultados promissores, especialmente em escoamentos com altos números de Reynolds. A abordagem que utilizava detecção de cantos obteve uma exatidão de 50% no conjunto de dados com número de Reynolds global Re = 3450 e 72% com Re = 8950 enquanto a abordagem utilizando detecção de mínimos locais obteve uma exatidão de 100% para ambos os casos.

Previous experimental studies on the characterization of gravity currents verified correlations between the features visually identified at the current flow front and the parameters related to its velocity and turbulence. Researches on gravity currents have used these correlations ever since. And, in more recent works using numerical simulations, these correlations continue to be validated for various flow parameters at higher front velocities. The majority of the works related to measurements at a gravity current front rely on the front images for making its analysis and establishing its correlations. Besides that, there is a field of Computer Science called Computer Vision devoted to studying how digital images can be analyzed, how its results can be automated, and what is the accuracy of these automated analyses. This work describes the use of Computer Vision algorithms, particularly corner detection and optical flow, to automatically track features at the gravity current fronts, either from physical or numerical experiments. In order to determine the accuracy of the proposed approach, we establish a ground-truth method and apply it to data sets of the numerical simulation results. The technique used to trace the front features along the flow showed promising results, especially in flows with a higher Reynolds number.