Over the last 30 years, Particle Image Velocimetry (PIV) has become the most powerful tool to study velocity fields in fluid mechanics. This technique is non-intrusive requiring seeding the flow with small tracer particles. The hardware required for these sophisticated PIV methods is very expensive (CCD or CMOS high-speed cameras and lasers), and the present dissertation aims to develop novel and inexpensive alternatives. The first part of this work investigates the use of multiple smartphones as a lower-cost Tomographic-PIV system for reconstructing 3D-3C velocity fields. We use colored shadows to imprint two or three different time-steps on the same image in a RGB-backlit configuration. We use commercially available Tomo-PIV software for the calibration, 3-D particle reconstruction, and particle-field correlations, to obtain three velocity components in a volume. The proposed system is tested with a vortex ring and the results are compared to stereoscopic-PIV for error estimations. We expand this work to a high-speed time-resolved setup to obtain 3D-3C velocity fields in time. This improvement is possible using newer smartphones capable of recording high-speed video at HD resolution. The challenges of using such cameras are presented and tackled. The illumination system, testing flow and image processing is similar to the one presented in the first section. A benchmark of the smartphone system is carried out comparing it to a Tomo-PIV system capable of recording 4K video resolution. A different approach is proposed to reconstruct a 3D-3C velocity field using a single color video camera. This technique uses chromatic structured light with color-gradients projected perpendicularly with respect to the color camera. Thus, we encode the depth position of the particles with a different wavelength of light. Different light sources are used to produce such color gradients. Finally, a variation of the previous technique is tested using a single monochromatic camera and structured volumetric illumination with spatially varying intensity profiles. This technique enables us to encode the depth position of every particle in their intrinsic brightness. The proposed system can achieve a depth resolution of 200 levels, i.e., an order of magnitude higher than previously proposed systems.

Die 3D Particle Tracking Velocimetry (3D PTV) ist eine Methode zur bildbasierten Bestimmung von Geschwindigkeitsfeldern in Gas- oder Flüssigkeitsströmungen. Dazu wird die Strömung mit Partikeln markiert und durch ein Mehrkamerasystem beobachtet. Das Ergebnis der Datenauswertung sind 3D Trajektorien einer großen Anzahl von Partikeln, die zur statistischen Analyse der Strömung genutzt werden können. In der vorliegenden Arbeit werden verschiedene neu entwickelte Modelle gezeigt, die das Einsatzspektrum vergrößern und die Leistungsfähigkeit der 3D PTV erhöhen. Wesentliche Neuerungen sind der Einsatz eines Spiegelsystems zur Generierung eines virtuellen Kamerasystems, die Modellierung von komplex parametrisierten Trennflächen der Mehrmedienphotogrammetrie, eine wahrscheinlichkeitsbasierte Trackingmethode sowie eine neuartige Methode zur tomographischen Rekonstruktion von Rastervolumendaten. Die neuen Modelle sind an drei realen Experimentieranlagen und mit synthetischen Daten getestet worden. Durch den Einsatz eines Strahlteilers vor dem Objektiv einer einzelnen Kamera und vier Umlenkspiegeln, positioniert im weiteren Strahlengang, werden vier virtuelle Kameras generiert. Diese Methode zeichnet sich vor allem durch die Wirtschaftlichkeit als auch durch die nicht notwendige Synchronisation aus. Vor allem für die Anwendung im Hochgeschwindigkeitsbereich sind diese beiden Faktoren entscheidend. Bei der Beobachtung von Phänomenen in Wasser kommt es an den Trennflächen verschiedener Medien zur optischen Brechung. Diese muss für die weitere Auswertung zwingend modelliert werden. Für komplexe Trennflächen sind einfache Ansätze über zusätzliche Korrekturterme nicht praktikabel. Der entwickelte Ansatz basiert auf der mehrfachen Brechung jedes einzelnen Bildstrahls. Dazu müssen die Trennflächenparameter und die Kameraorientierungen im selben Koordinatensystem bekannt sein. Zumeist wird die Mehrbildzuordnung von Partikeln durch die Verwendung von Kernlinien realisiert. Auf Grund von instabilen Kameraorientierungen oder bei einer sehr hohen Partikeldichte sind diese geometrischen Eigenschaften nicht mehr ausreichend, um die Mehrbildzuordnung zu lösen. Unter der Ausnutzung weiterer geometrischer, radiometrischer und physikalischer Eigenschaften kann die Bestimmung der 3D Trajektorien dennoch durchgeführt werden. Dabei werden durch die Analyse verschiedener Merkmale diejenigen ausgewählt, welche sich für die spatio-temporale Zuordnung eignen. Die 3D PTV beruht auf der Diskretisierung der Partikelabbildungen im Bildraum und der anschließenden Objektkoordinatenbestimmung. Eine rasterbasierte Betrachtungsweise stellt die tomographische Rekonstruktion des Volumens dar. Hierbei wird die Intensitätsverteilung wird im Volumen rekonstruiert. Die Bewegungsinformationen werden im Anschluss aus den Veränderungen aufeinander folgender 3D-Bilder bestimmt. Durch dieses Verfahren können Strömungen mit einer höheren Partikeldichte im Volumen analysiert werden. Das entwickelte Verfahren basiert auf der schichtweisen Entzerrung und Zusammensetzung der Kamerabilder. Die entwickelten Modelle und Ansätze sind an verschiedenen Versuchsanlagen erprobt worden. Diese unterschieden sich stark in der Größe (0,5 dm³ – 20 dm³ – 130 m³) und den vorherrschenden Strömungsgeschwindigkeiten (0,3 m/s – 7 m/s – 0,5 m/s). / 3D Particle Tracking Velocimetry (3D PTV) is an image based method for flow field determination. It is based on seeding a flow with tracer particles and recording the flow with a multi camera system. The results are 3D trajectories of a large number of particles for a statistical analysis of the flow. The thesis shows different novel models to increase the spectrum of applications and to optimize efficiency of 3D PTV. Central aspects are the use of the mirror system to generate a virtual multi camera system, the modelling of complex interfaces of multimedia photogrammetry, a probability based tracking method and a novel method for tomographic reconstruction of volume raster data. The improved models are tested in three real testing facilities and with synthetic data. Using a beam splitter in front of the camera lens and deflecting mirrors arranged in the optical path, a four headed virtual camera system can be generated. This method is characterised by its economic efficiency and by the fact that a synchronisation is not necessary. These facts are important especially when using high speed cameras. When observing phenomena in water, there will be refraction at the different interfaces. This has to be taken into account and modelled for each application. Approaches which use correction terms are not suitable to handle complex optical interfaces. The developed approach is based on a multiple refraction ray tracing with known interface parameters and camera orientations. Mostly the multi image matching of particles is performed using epipolar geometry. Caused by the not stable camera orientation or a very high particle density this geometric properties are not sufficient to solve the ambiguities. Using further geometrical radiometrical and physical properties of particles, the determination of the 3D trajectories can be performed. After the analysis of different properties those of them are chosen which are suitable for spatio-temporal matching. 3D PTV bases on the discretisation of particle images in image space and the following object coordinate determination. A raster based approach is the tomographic reconstruction of the volume. Here the light intensity distribution in the volume will be reconstructed. Afterwards the flow information is determined from the differences in successive 3D images. Using tomographic reconstruction techniques a higher particle density can be analysed. The developed approach bases on a slice by slice rectification of the camera images and on a following assembly of the volume. The developed models and approaches are tested at different testing facilities. These differ in size (0.5 dm³ – 20 dm³ – 130 m³) and flow velocities (0.3 m/s – 7 m/s – 0.5 m/s).

Les travaux réalisés dans le cadre de cette thèse visent à décrire une approche Lagrangienne de caractérisation de flux d’air par suivi de particules, nous avons implémenté un système de caméras synchronisées pour l’acquisition des images de bulles de savon remplies à l’hélium. L’approche développée pour le calcul des trajectoires des particules est basée sur une méthode multi-échelle de détection de points intérêt et de reconstruction 3D. Le système permet ainsi de réaliser un suivi tridimensionnel et fournir une description des flux d’air présents dans une pièce à grande échelle. / In this thesis, we describe an approach for Lagrangian characterizing of airflows using particle tracking velocimetry, a camera system was implemented here and Helium filled bubbles images were acquired in a synchronized way. We developed a new system for particle trajectories calculation based on a multi-scale image processing technique and well-known 3D reconstruction methods. Our system allows tracking particles in 3D space and providing yet a global description of airflows in large-scale environment.The application is supposed to improve the optimization of ventilation in building rooms in order to reduce energy consumption by optimal positioning and shaping of air diffusers. A major constraint here is to preserve human comfort

Die 3D Particle Tracking Velocimetry (3D PTV) ist eine Methode zur bildbasierten Bestimmung von Geschwindigkeitsfeldern in Gas- oder Flüssigkeitsströmungen. Dazu wird die Strömung mit Partikeln markiert und durch ein Mehrkamerasystem beobachtet. Das Ergebnis der Datenauswertung sind 3D Trajektorien einer großen Anzahl von Partikeln, die zur statistischen Analyse der Strömung genutzt werden können. In der vorliegenden Arbeit werden verschiedene neu entwickelte Modelle gezeigt, die das Einsatzspektrum vergrößern und die Leistungsfähigkeit der 3D PTV erhöhen. Wesentliche Neuerungen sind der Einsatz eines Spiegelsystems zur Generierung eines virtuellen Kamerasystems, die Modellierung von komplex parametrisierten Trennflächen der Mehrmedienphotogrammetrie, eine wahrscheinlichkeitsbasierte Trackingmethode sowie eine neuartige Methode zur tomographischen Rekonstruktion von Rastervolumendaten. Die neuen Modelle sind an drei realen Experimentieranlagen und mit synthetischen Daten getestet worden. Durch den Einsatz eines Strahlteilers vor dem Objektiv einer einzelnen Kamera und vier Umlenkspiegeln, positioniert im weiteren Strahlengang, werden vier virtuelle Kameras generiert. Diese Methode zeichnet sich vor allem durch die Wirtschaftlichkeit als auch durch die nicht notwendige Synchronisation aus. Vor allem für die Anwendung im Hochgeschwindigkeitsbereich sind diese beiden Faktoren entscheidend. Bei der Beobachtung von Phänomenen in Wasser kommt es an den Trennflächen verschiedener Medien zur optischen Brechung. Diese muss für die weitere Auswertung zwingend modelliert werden. Für komplexe Trennflächen sind einfache Ansätze über zusätzliche Korrekturterme nicht praktikabel. Der entwickelte Ansatz basiert auf der mehrfachen Brechung jedes einzelnen Bildstrahls. Dazu müssen die Trennflächenparameter und die Kameraorientierungen im selben Koordinatensystem bekannt sein. Zumeist wird die Mehrbildzuordnung von Partikeln durch die Verwendung von Kernlinien realisiert. Auf Grund von instabilen Kameraorientierungen oder bei einer sehr hohen Partikeldichte sind diese geometrischen Eigenschaften nicht mehr ausreichend, um die Mehrbildzuordnung zu lösen. Unter der Ausnutzung weiterer geometrischer, radiometrischer und physikalischer Eigenschaften kann die Bestimmung der 3D Trajektorien dennoch durchgeführt werden. Dabei werden durch die Analyse verschiedener Merkmale diejenigen ausgewählt, welche sich für die spatio-temporale Zuordnung eignen. Die 3D PTV beruht auf der Diskretisierung der Partikelabbildungen im Bildraum und der anschließenden Objektkoordinatenbestimmung. Eine rasterbasierte Betrachtungsweise stellt die tomographische Rekonstruktion des Volumens dar. Hierbei wird die Intensitätsverteilung wird im Volumen rekonstruiert. Die Bewegungsinformationen werden im Anschluss aus den Veränderungen aufeinander folgender 3D-Bilder bestimmt. Durch dieses Verfahren können Strömungen mit einer höheren Partikeldichte im Volumen analysiert werden. Das entwickelte Verfahren basiert auf der schichtweisen Entzerrung und Zusammensetzung der Kamerabilder. Die entwickelten Modelle und Ansätze sind an verschiedenen Versuchsanlagen erprobt worden. Diese unterschieden sich stark in der Größe (0,5 dm³ – 20 dm³ – 130 m³) und den vorherrschenden Strömungsgeschwindigkeiten (0,3 m/s – 7 m/s – 0,5 m/s). / 3D Particle Tracking Velocimetry (3D PTV) is an image based method for flow field determination. It is based on seeding a flow with tracer particles and recording the flow with a multi camera system. The results are 3D trajectories of a large number of particles for a statistical analysis of the flow. The thesis shows different novel models to increase the spectrum of applications and to optimize efficiency of 3D PTV. Central aspects are the use of the mirror system to generate a virtual multi camera system, the modelling of complex interfaces of multimedia photogrammetry, a probability based tracking method and a novel method for tomographic reconstruction of volume raster data. The improved models are tested in three real testing facilities and with synthetic data. Using a beam splitter in front of the camera lens and deflecting mirrors arranged in the optical path, a four headed virtual camera system can be generated. This method is characterised by its economic efficiency and by the fact that a synchronisation is not necessary. These facts are important especially when using high speed cameras. When observing phenomena in water, there will be refraction at the different interfaces. This has to be taken into account and modelled for each application. Approaches which use correction terms are not suitable to handle complex optical interfaces. The developed approach is based on a multiple refraction ray tracing with known interface parameters and camera orientations. Mostly the multi image matching of particles is performed using epipolar geometry. Caused by the not stable camera orientation or a very high particle density this geometric properties are not sufficient to solve the ambiguities. Using further geometrical radiometrical and physical properties of particles, the determination of the 3D trajectories can be performed. After the analysis of different properties those of them are chosen which are suitable for spatio-temporal matching. 3D PTV bases on the discretisation of particle images in image space and the following object coordinate determination. A raster based approach is the tomographic reconstruction of the volume. Here the light intensity distribution in the volume will be reconstructed. Afterwards the flow information is determined from the differences in successive 3D images. Using tomographic reconstruction techniques a higher particle density can be analysed. The developed approach bases on a slice by slice rectification of the camera images and on a following assembly of the volume. The developed models and approaches are tested at different testing facilities. These differ in size (0.5 dm³ – 20 dm³ – 130 m³) and flow velocities (0.3 m/s – 7 m/s – 0.5 m/s).

The form and dynamics of ocean turbulence are critical to all marine processes; biological, chemical and physical. The three-dimensional turbulence characteristics of the bottom boundary layer of the coastal ocean are examined using a series of 29,991 instantaneous velocity distributions. These data, recorded by a submersible 3D-PTV system at an elevation of 0.64 m above the seabed, represent conditions typical of moderate tidal flows in the coastal ocean. A complexity associated with submersible 3D-PTV in the coastal ocean is that gaps and noise affect the accuracy of the data collected. To accommodate this, a new Physics-Enabled Flow Restoration Algorithm has been tested for the restoration of gappy and noisy velocity measurements where a standard PTV or PIV laboratory set-up (e.g. concentration / size of the particles tracked) is not possible and the boundary and initial conditions are not known a priori. This is able to restore the physical structure of the flow from gappy and noisy data, in accordance with its hydrodynamical basis. In addition to the restoration of the velocity flow field, PEFRA also estimates the maximum possible deviation of the output from the true flow. 3D-PTV measurements show coherent structures, with the hairpin-like vortices highlighted in laboratory measurements and numerical modelling, were frequently present within the logarithmic layer. These exhibit a modal alignment of 8 degrees from the mean flow and a modal elevation of 27 degrees from the seabed, with a mean period of occurrence of 4.3 sec. These appear to straddle sections of zero-mean along-stream velocity, consistent with an interpretation as packets. From these measurements, it is clear that data collected through both laboratory and numerical experiments are directly applicable to geophysical scales – a finding that will enable the fine-scale details of particle transport and pollutant dispersion to be studied in future. Conditional sampling of the Reynolds shear stress (without using Taylor’s hypothesis) reveals that these coherent structures are responsible for the vertical exchange of momentum and, as such, are the key areas where energy is extracted from the mean flow and into turbulence. The present study offers the first assessment of the magnitude of the errors associated with assuming isotropy on shear-based sensors of the TKE dissipation rate and its consequential effect on the Kolmogorov microscale using 3D-PTV data from the bottom boundary layer of the coastal ocean. The results indicate a high degree of spatial variability associated with the low conditions. The averaged data supports the validity of measurements obtained by horizontal and vertical profilers, however along-stream velocity derivatives underestimate the TKE dissipation rate by more than 40% – a factor of two higher than for the equivalent cross-stream and vertical estimates. This has important implications for the deployment of these sensors and the subsequent interpretation of higher-order statistics. Finally, the data have been processed to test four popular sub-grid scale (SGS) stress models and SGS dissipation rate estimates for Large-Eddy Simulations using these in situ experimental data. When the correlation and SGS model coefficients are assessed, the nonlinear model represents the best stress models to use for the present data, consistent with the substantial anisotropy and inhomogeneity associated with these flows. The detailed measurement and analysis of coherent structures in the coastal ocean undertaken therefore supports the development of numerical models and assists with the understanding of all marine processes.

Although liquid ventilation has been researched and studied for the last six decades, it did not achieve its expected optimal performance. Within this work, a deeper understanding of the fluid dynamics during liquid ventilation shall be gathered to extend the already available clinical knowledge about this ventilation strategy. In order to reach this goal, advanced optical flow measurement techniques are applied in different models of the human conductive airways to obtain global velocity fields, identifying prominent flow structures and to determine important dissolved oxygen transport paths. As the velocity measurements revealed, the evolving flow field is strongly dominated by secondary flow effects and is highly dependent on the local airway geometry. During the visualization experiments of the dissolved oxygen concentration fields, different transportation paths occur at inspirational and expirational flow. The initial concentration distribution can be linked to the underlying flow fields but decouples after the peak velocity phases. With higher flow rates/ tidal volumes, a more homogeneously distributed oxygen concentration can be reached.:List of Figures ....................................................................................... VII List of Tables ........................................................................................XIII Nomenclature ........................................................................................ XV 1 Introduction......................................................................................... 1 1.1 Motivation ........................................................................................1 1.2 Research objectives........................................................................... 3 1.3 Outline............................................................................................ 4 2 State of the art .................................................................................... 5 2.1 Liquid Ventilation............................................................................. 5 2.2 In vitro modeling.............................................................................. 8 2.3 Flow measurements ......................................................................... 11 2.4 Gas transport..................................................................................13 3 Flow field measurements ................................................................... 16 3.1 Hydrodynamic Model.......................................................................16 3.1.1 Lung replica ..........................................................................16 3.1.2 Flow parameter .....................................................................18 3.1.3 Limitations ...........................................................................22 3.2 Particle Tracking Velocimetry (PTV) ................................................24 3.2.1 Measurement principle ...........................................................24 3.2.2 Double-frame 2D-PTV ...........................................................25 3.2.3 Time-resolved 3D-PTV ..........................................................28 3.2.4 Phase-locked ensemble PTV ................................................... 31 3.3 Experimental set-up and measurement procedure ...............................33 3.3.1 Lung flow facility...................................................................33 3.3.2 2D-PTV configuration............................................................36 3.3.3 3D-PTV configuration............................................................36 3.4 Results & Discussion........................................................................38 3.4.1 Artificial lung........................................................................38 3.4.2 Realistic lung ........................................................................52 3.5 Conclusion ......................................................................................59 4 Oxygen transport ...............................................................................61 4.1 Hydrodynamic Model....................................................................... 61 4.1.1 Lung replica .......................................................................... 61 4.1.2 Flow parameter .....................................................................62 4.1.3 Limitations ...........................................................................65 4.2 Oxygen Sensitive Dye ......................................................................66 4.3 Experimental set-up......................................................................... 71 4.4 Results & Discussion........................................................................75 4.4.1 Constant flow rate .................................................................75 4.4.2 Oscillatory flow .....................................................................83 4.5 Conclusion ......................................................................................90 5 Summary............................................................................................ 92 6 Outlook .............................................................................................. 95 Bibliography ............................................................................................ 97 / Trotz intensiver Forschung in den letzten sechs Jahrzehnten, befindet sich die Flüssigkeitsbeatmung immernoch weit entfernt vom klinischen Alltag. Mit dieser Arbeit soll ein Beitrag geleistet werden, um das Wissen um die strömungsmechanischen Effekte während der Flüssigkeitsbeatmung zu vertiefen. Dazu werden verschiedene Modellexperimente durchgeführt, bei welchen moderne laseroptische Strömungsmessmethoden zum Einsatz kommen. Untersucht werden dabei unterschiedlich komplexe Geometrien der leitenden menschlichen Atemwege mit dem Ziel wesentliche Strömungsstrukturen, globale Geschwindigkeitsfelder und wichtige Transportwege des gelösten Sauerstoffs zu identifiziern. Die Geschwindigkeitsmessungen zeigen ein stark durch sekundäre Strömungseffekte dominiertes Geschwindigkeitsfeld, welches wesentlich von der lokalen Geometrie abhängig ist. Durch die qualitative und quantitative Erfassung der gelösten Sauerstoffkonzentrationsfelder können wichtige Transportwege aufgedeckt werden. Diese unterscheiden sich deutlich zwischen inspiratorischer und expiratorischer Strömungsrichtung. Die initialen Konzentrationsfelder stimmen mit den unterliegenden Geschwindigkeitsfeldern überein, unterscheiden sich ab der verzögernden Strömungsphase jedoch. Höhere Volumenströme/Tidalvolumen tragen dabei zu einer gleichmäßigeren Konzentrationsverteilung bei.:List of Figures ....................................................................................... VII List of Tables ........................................................................................XIII Nomenclature ........................................................................................ XV 1 Introduction......................................................................................... 1 1.1 Motivation ........................................................................................1 1.2 Research objectives........................................................................... 3 1.3 Outline............................................................................................ 4 2 State of the art .................................................................................... 5 2.1 Liquid Ventilation............................................................................. 5 2.2 In vitro modeling.............................................................................. 8 2.3 Flow measurements ......................................................................... 11 2.4 Gas transport..................................................................................13 3 Flow field measurements ................................................................... 16 3.1 Hydrodynamic Model.......................................................................16 3.1.1 Lung replica ..........................................................................16 3.1.2 Flow parameter .....................................................................18 3.1.3 Limitations ...........................................................................22 3.2 Particle Tracking Velocimetry (PTV) ................................................24 3.2.1 Measurement principle ...........................................................24 3.2.2 Double-frame 2D-PTV ...........................................................25 3.2.3 Time-resolved 3D-PTV ..........................................................28 3.2.4 Phase-locked ensemble PTV ................................................... 31 3.3 Experimental set-up and measurement procedure ...............................33 3.3.1 Lung flow facility...................................................................33 3.3.2 2D-PTV configuration............................................................36 3.3.3 3D-PTV configuration............................................................36 3.4 Results & Discussion........................................................................38 3.4.1 Artificial lung........................................................................38 3.4.2 Realistic lung ........................................................................52 3.5 Conclusion ......................................................................................59 4 Oxygen transport ...............................................................................61 4.1 Hydrodynamic Model....................................................................... 61 4.1.1 Lung replica .......................................................................... 61 4.1.2 Flow parameter .....................................................................62 4.1.3 Limitations ...........................................................................65 4.2 Oxygen Sensitive Dye ......................................................................66 4.3 Experimental set-up......................................................................... 71 4.4 Results & Discussion........................................................................75 4.4.1 Constant flow rate .................................................................75 4.4.2 Oscillatory flow .....................................................................83 4.5 Conclusion ......................................................................................90 5 Summary............................................................................................ 92 6 Outlook .............................................................................................. 95 Bibliography ............................................................................................ 97