CN104864819B - 一种基于数字散斑的高速三维应变测量方法 - Google Patents
一种基于数字散斑的高速三维应变测量方法 Download PDFInfo
- Publication number
- CN104864819B CN104864819B CN201510025233.1A CN201510025233A CN104864819B CN 104864819 B CN104864819 B CN 104864819B CN 201510025233 A CN201510025233 A CN 201510025233A CN 104864819 B CN104864819 B CN 104864819B
- Authority
- CN
- China
- Prior art keywords
- image
- image sensor
- subset
- speckle
- delta
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000691 measurement method Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 27
- 239000002245 particle Substances 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000013441 quality evaluation Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 24
- 238000005516 engineering process Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006056 electrooxidation reaction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000005305 interferometry Methods 0.000 description 1
- 238000010330 laser marking Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000009864 tensile test Methods 0.000 description 1
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于数字散斑的高速三维应变测量方法。采用高速图像采集系统进行高速形变物体的采集,利用图像的散斑颗粒均值或者灰度梯度评价散斑图像质量,确保测量过程中,图像具有高相关性,高质量,有效提高测量的准确性;在此基础上,根据快速获取的变形物体图像序列对变形过程中的被测物体进行实时连续的三维重建和应变测量,从而最终实现对高速形变物体的三维应变测量。
Description
技术领域
本发明属于应变测量技术领域,更具体地,涉及一种基于数字散斑的高速三维应变测量方法。
背景技术
随着材料科学和测量技术的飞速发展,高速应变测量技术在许多领域有着越来越广泛的应用前景。在实验力学领域,可利用该技术对板料进行高速拉伸测试,进而得到板料在高速拉伸状态下的应变信息及力学参数,这对于材料的疲劳实验有着重要意义;在车辆工程领域,可利用该技术对汽车碰撞实验过程中,车体的高速变形信息进行测量和监控,帮助相关技术人员改善结构设计并提高车辆的安全性能;在航空航天领域,可利用该技术测量风洞实验中飞机外壳、机翼等的变形数据,也可以用来分析航空发动机叶片在高速运行时的形变和振动信息,帮助技术人员快速找到问题,改善设计,缩短研发周期并提高稳定性。因此,高速应变测量技术对于许多行业都有着巨大的帮助与促进作用。
现有的高速应变测量技术主要分为接触式和非接触式测量。接触式测量中,电阻应变计是最为常用的应变测量方法,其测量精度较高,设备成熟。然而,应变计只能测量单向的应变数据,若要获得密集、多向的应变数据便需要粘贴非常多的应变计,操作繁琐,而且在高速运动状态下,粘贴的应变计容易脱落造成测量失败。非接触式测量中,光学测量方法最具有代表性,主要分为干涉法和非干涉法两大类。干涉法又包括:云纹相干法、全息相干法等。干涉法一般需要建立一个复杂精密的干涉光路以及干涉光源,对于振动信息非常敏感,因此,其并不适用于高速三维应变测量。非干涉法具有代表性的是网格法,是通过采集变形过程中的图像,并分析图像的特征信息进而获得变形数据,无需复杂光路且对于测量环境要求低。然而,该方法需要在被测物表面刻画精细标准的网格或者栅线,在实际应用中具有一定的局限性,此外,对于高速形变的物体,普通的图像传感器无法获取清晰同步的散斑图像,成为限制高速三维应变测量的壁垒。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于数字散斑的高速三维应变测量方法,能测量高速应变、振动等信息,并获得高精度的结果。
为实现上述目的,本发明提供了一种高速三维应变测量方法,其特征在于,包括如下步骤:
(1)在被测物表面制备随机的散斑图案;
(2)利用第一和第二图像传感器从不同角度拍摄标定物体,提取得到的两个标定物体图像上的特征点,根据特征点与其在世界坐标系中对应点的关系,计算第一和第二图像传感器的内参数以及第一和第二图像传感器间的位置转换关系;
其中,世界坐标系的原点为标定物体上的任一固定点,X轴和Y轴在原点所在的标定物体表面且相互垂直,Z轴垂直于X轴和Y轴;图像传感器的内参数包括焦距、主点位置和畸变参数;
(3)利用第一和第二图像传感器从不同角度拍摄被测物,分别计算得到的两个被测物图像的散斑质量评价参数Q1和Q2,将其与阈值Q进行比较,若Q1≥Q且Q2≥Q,则判定散斑质量合格,顺序执行步骤(4);否则返回步骤(1),并调整步骤(1)中的散斑制作工艺,同时调整步骤(2)中第一和第二图像传感器的位置关系;
(4)利用第一和第二图像传感器从不同角度同步采集被测物图像;
(5)将第一和第二图像传感器采集的被测物图像分别记为左图像和右图像,获取同一时刻采集的左图像和右图像对应点的匹配关系,根据第一和第二图像传感器间的位置转换关系,得到被测物形变过程中的三维数据;
(6)根据多个时刻被测物形变过程中的三维数据,比较各个时刻的三维形貌变化,获得全场三维应变分区图。
优选地,所述步骤(3)中,标记得到的两个被测物图像中的任意一个为R,按如下方法计算R的散斑质量评价参数QR:
(A1)计算R中散斑颗粒的平均尺寸A=S/N,其中,S为R中散斑颗粒的总面积,N为R中散斑颗粒的总数;
(A2)计算R的灰度梯度均值其中,W和H分别为以像素为单位的R的宽度和高度,xij代表R中第i行第j列的像素点,为xij的灰度梯度矢量的模,fu(xij)和fv(xij)分别为xij在R的像素点的行所在方向u和列所在方向v的灰度的导数;
(A3)根据R中散斑颗粒的平均尺寸和R的灰度梯度均值,计算R的散斑质量评价参数QR=α·A+β·B,其中,α为尺寸系数,β为灰度系数。
优选地,所述步骤(5)中,按如下方法获取同一时刻采集的左图像和右图像对应点的匹配关系:
(B1)选取左图像上的像素点P(x0,y0),以P为中心选取子集,子集的边长为2M+1,子集中的像素点坐标为(x,y),计算得到左图像子集的归一化最小平方距离其中,I(x,y)表示左图像上坐标为(x,y)的像素点的灰度值,Im是左图像子集中像素点的灰度均值,
(B2)令P(x0,y0)在右图像上对应的像素点为P'(x0+ξ0,y0+η0),以P'为中心,以与左图像的子集同样大小的窗口在右图像上选取子集,得到右图像子集的归一化最小平方距离其中,ξ0和η0分别为P'点相对于P点的横纵坐标偏移,I'(x',y')表示右图像上像素坐标为(x',y')的像素点的灰度值,(x',y')为右图像上与左图像上坐标为(x,y)的像素点对应的像素点的坐标,I'm是右图像子集中像素点的灰度均值,
其中,Δx=x-x0,Δy=y-y0,ξx、ξy、ηx和ηy为左图像子集和右图像子集内像素点的灰度差异的一阶梯度,ξxx、ξxy、ξyy、ηxx、ηxy和ηyy为左图像子集和右图像子集内像素点的灰度差异的二阶梯度;
(B3)根据左图像子集的归一化最小平方距离和右图像子集的归一化最小平方距离,计算优化目标函数其中,计算得到为最小值时ξ0和η0的值,确定P'(x0+ξ0,y0+η0)的位置;
(B4)改变像素点P的位置,重复执行上述步骤(B1)至(B3),得到左图像与右图像对应点的匹配关系。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:采用高速图像采集系统进行高速形变物体的采集,利用图像的散斑颗粒均值或者灰度梯度评价散斑图像质量,确保测量过程中,图像具有高相关性,高质量,有效提高测量的准确性;在此基础上,根据快速获取的变形物体图像序列对变形过程中的被测物体进行实时连续的三维重建和应变测量,从而最终实现对高速形变物体的三维应变测量。
附图说明
图1是高速三维应变测量系统示意图;
图2是本发明实施例的基于数字散斑的高速三维应变测量方法流程图;
图3是电化学腐蚀形成的高质量散斑图像;
图4是左图像和右图像的立体匹配示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示,典型的高速三维应变测量系统包括工作站1、时序同步系统2、第一高速图像传感器3和第二高速图像传感器4。第一高速图像传感器3和第二高速图像传感器4连接时序同步系统2,用于从不同角度拍摄被测物5的图像。通过配置合适的延时使第一高速图像传感器3和第二高速图像传感器4严格精确同步地采集图像,同时通过调整图像的曝光度、传感器方位和环境光照设置,获得视场合适且清晰的图像。
如图2所示,本发明实施例的基于数字散斑的高速三维应变测量方法包括如下步骤:
(1)根据被测物的表面材质和变形速率,在被测物表面制备随机的散斑图案,并确保散斑图案在外界冲击下不会脱落。
由于物体会进行高速的形变,因此普通的散斑制作工艺,例如喷涂制备方案将不再适用。一般采用电化学腐蚀方法和激光打标方法进行被测物表面的散斑制备,电化学腐蚀形成的高质量散斑图像如图3所示。
(2)利用第一和第二图像传感器从不同角度拍摄标定物体,提取得到的两个标定物体图像上的特征点,根据特征点与其在世界坐标系中对应点的关系,计算第一和第二图像传感器的内参数以及第一和第二图像传感器间的位置转换关系。
其中,世界坐标系的原点为标定物体上的任一固定点,X轴和Y轴在原点所在的标定物体表面且相互垂直,Z轴垂直于X轴和Y轴。图像传感器的内参数具体包括:焦距、主点位置和畸变参数(包括径向畸变、切向畸变)。
(3)利用第一和第二图像传感器从不同角度拍摄被测物,分别计算得到的两个被测物图像的散斑质量评价参数Q1和Q2,将其与阈值Q(通常取25)进行比较,若Q1≥Q且Q2≥Q,则判定散斑质量合格,顺序执行步骤(4);否则返回步骤(1),并调整步骤(1)中的散斑制作工艺,同时调整步骤(2)中第一和第二图像传感器的位置关系。
具体地,标记得到的两个被测物图像中的任意一个为R,按如下方法计算R的散斑质量评价参数QR:
(A1)计算R中散斑颗粒的平均尺寸A=S/N,其中,S为R中散斑颗粒的总面积,N为R中散斑颗粒的总数;
(A2)计算R的灰度梯度均值其中,W和H分别为以像素为单位的R的宽度和高度,xij代表R中第i行第j列的像素点,为xij的灰度梯度矢量的模,fu(xij)和fv(xij)分别为xij在R的像素点的行所在方向u和列所在方向v的灰度的导数,利用常规梯度算子确定;
(A3)根据R中散斑颗粒的平均尺寸和R的灰度梯度均值,计算R的散斑质量评价参数QR=α·A+β·B,其中,α为尺寸系数,一般取0.2,β为灰度系数,一般取0.8。
(4)利用第一和第二图像传感器从不同角度同步采集被测物图像。
在被测物开始变形时,根据被测物的材料和测量场景,选择开始标识信号并发送开始标识信号到两个图像传感器,例如,开始标识信号为声信号、光信号或电信号等;两个图像传感器收到开始采集标识后,进行高速同步采集,将数据通过线缆传递至工作站。
(5)将第一和第二图像传感器采集的被测物图像分别记为左图像和右图像,获取同一时刻采集的左图像和右图像对应点的匹配关系,根据第一和第二图像传感器间的位置转换关系,通过立体视觉算法得到被测物形变过程中的三维数据。
具体地,按如下方法获取同一时刻采集的左图像和右图像对应点的匹配关系,其中,像素点的横坐标为该像素点在其所在图像中的行数,像素点的纵坐标为该像素点在其所在图像中的列数。
(B1)如图4所示,选取左图像上的像素点P(x0,y0),以P为中心选取子集,子集的边长为2M+1,子集中的像素点坐标为(x,y),计算得到左图像子集的归一化最小平方距离其中,I(x,y)表示左图像上坐标为(x,y)的像素点的灰度值,Im是左图像子集中像素点的灰度均值,
(B2)令P(x0,y0)在右图像上对应的像素点为P'(x0+ξ0,y0+η0),以P'为中心,以与左图像的子集同样大小的窗口在右图像上选取子集,得到右图像子集的归一化最小平方距离其中,ξ0和η0分别为P'点相对于P点的横纵坐标偏移,I'(x',y')表示右图像上像素坐标为(x',y')的像素点的灰度值,(x',y')为右图像上与左图像上坐标为(x,y)的像素点对应的像素点的坐标,I'm是右图像子集中像素点的灰度均值,
其中,Δx=x-x0,Δy=y-y0,ξx、ξy、ηx和ηy为左图像子集和右图像子集内像素点的灰度差异的一阶梯度,ξxx、ξxy、ξyy、ηxx、ηxy和ηyy为左图像子集和右图像子集内像素点的灰度差异的二阶梯度;
(B3)根据左图像子集的归一化最小平方距离和右图像子集的归一化最小平方距离,计算优化目标函数其中,通过牛顿-拉夫逊(Newton-Raphson,NR)算法迭代找到的最小值,根据为最小值时ξ0和η0的取值,确定P'(x0+ξ0,y0+η0)的位置,此时P'(x0+ξ0,y0+η0)精确匹配P(x0,y0);
(B4)改变像素点P的位置,重复执行上述步骤(B1)至(B3),得到左图像与右图像对应点的匹配关系。
(6)根据多个时刻被测物形变过程中的三维数据,比较各个时刻的三维形貌变化,获得全场三维应变分区图。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种高速三维应变测量方法,其特征在于,包括如下步骤:
(1)在被测物表面制备随机的散斑图案;
(2)利用第一和第二图像传感器从不同角度拍摄标定物体,提取得到的两个标定物体图像上的特征点,根据特征点与其在世界坐标系中对应点的关系,计算第一和第二图像传感器的内参数以及第一和第二图像传感器间的位置转换关系;
其中,世界坐标系的原点为标定物体上的任一固定点,X轴和Y轴在原点所在的标定物体表面且相互垂直,Z轴垂直于X轴和Y轴;图像传感器的内参数包括焦距、主点位置和畸变参数;
(3)利用第一和第二图像传感器从不同角度拍摄被测物,分别计算得到的两个被测物图像的散斑质量评价参数Q1和Q2,将其与阈值Q进行比较,若Q1≥Q且Q2≥Q,则判定散斑质量合格,顺序执行步骤(4);否则返回步骤(1),并调整步骤(1)中的散斑制作工艺,同时调整步骤(2)中第一和第二图像传感器的位置关系;
(4)利用第一和第二图像传感器从不同角度同步采集被测物图像;
(5)将第一和第二图像传感器采集的被测物图像分别记为左图像和右图像,获取同一时刻采集的左图像和右图像对应点的匹配关系,根据第一和第二图像传感器间的位置转换关系,得到被测物形变过程中的三维数据;
其中,按如下方法获取同一时刻采集的左图像和右图像对应点的匹配关系:
(B1)选取左图像上的像素点P(x0,y0),以P为中心选取子集,子集的边长为2M+1,子集中的像素点坐标为(x,y),计算得到左图像子集的归一化最小平方距离其中,I(x,y)表示左图像上坐标为(x,y)的像素点的灰度值,Im是左图像子集中像素点的灰度均值,
(B2)令P(x0,y0)在右图像上对应的像素点为P'(x0+ξ0,y0+η0),以P'为中心,以与左图像的子集同样大小的窗口在右图像上选取子集,得到右图像子集的归一化最小平方距离其中,ξ0和η0分别为P'点相对于P点的横纵坐标偏移,I'(x',y')表示右图像上像素坐标为(x',y')的像素点的灰度值,(x',y')为右图像上与左图像上坐标为(x,y)的像素点对应的像素点的坐标,I'm是右图像子集中像素点的灰度均值,
其中,Δx=x-x0,Δy=y-y0,ξx、ξy、ηx和ηy为左图像子集和右图像子集内像素点的灰度差异的一阶梯度,ξxx、ξxy、ξyy、ηxx、ηxy和ηyy为左图像子集和右图像子集内像素点的灰度差异的二阶梯度;
(B3)根据左图像子集的归一化最小平方距离和右图像子集的归一化最小平方距离,计算优化目标函数其中,计算得到为最小值时ξ0和η0的值,确定P'(x0+ξ0,y0+η0)的位置;
(B4)改变像素点P的位置,重复执行上述步骤(B1)至(B3),得到左图像与右图像对应点的匹配关系;
(6)根据多个时刻被测物形变过程中的三维数据,比较各个时刻的三维形貌变化,获得全场三维应变分区图。
2.如权利要求1所述的高速三维应变测量方法,其特征在于,所述步骤(3)中,标记得到的两个被测物图像中的任意一个为R,按如下方法计算R的散斑质量评价参数QR:
(A1)计算R中散斑颗粒的平均尺寸A=S/N,其中,S为R中散斑颗粒的总面积,N为R中散斑颗粒的总数;
(A2)计算R的灰度梯度均值其中,W和H分别为以像素为单位的R的宽度和高度,xij代表R中第i行第j列的像素点,为xij的灰度梯度矢量的模,fu(xij)和fv(xij)分别为xij在R的像素点的行所在方向u和列所在方向v的灰度的导数;
(A3)根据R中散斑颗粒的平均尺寸和R的灰度梯度均值,计算R的散斑质量评价参数QR=α·A+β·B,其中,α为尺寸系数,β为灰度系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510025233.1A CN104864819B (zh) | 2015-01-19 | 2015-01-19 | 一种基于数字散斑的高速三维应变测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510025233.1A CN104864819B (zh) | 2015-01-19 | 2015-01-19 | 一种基于数字散斑的高速三维应变测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104864819A CN104864819A (zh) | 2015-08-26 |
CN104864819B true CN104864819B (zh) | 2017-08-01 |
Family
ID=53910826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510025233.1A Active CN104864819B (zh) | 2015-01-19 | 2015-01-19 | 一种基于数字散斑的高速三维应变测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104864819B (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3416366B1 (en) * | 2016-02-12 | 2021-03-03 | Sony Corporation | Image pickup apparatus and image pickup method |
CN105806243B (zh) * | 2016-04-19 | 2018-07-03 | 辽宁工程技术大学 | 一种前后表面平行物体内部应变率场的光学测量方法 |
CN105783735B (zh) * | 2016-05-10 | 2018-05-29 | 中国科学技术大学 | 一种基于二维数字图像相关补偿算法的实时引伸计测量方法 |
CN106152964B (zh) * | 2016-07-19 | 2018-08-07 | 辽宁工程技术大学 | 一种基于速度线性拟合的平面内应变率场的光学测量方法 |
CN106289089B (zh) * | 2016-07-29 | 2018-08-21 | 东南大学 | 实验散斑场的优化制备方法 |
CN106017345A (zh) * | 2016-08-10 | 2016-10-12 | 四川大学 | 基于散斑技术的梯度材料耦合应变场原位测量系统及方法 |
CN106595528B (zh) * | 2016-11-10 | 2019-03-05 | 华中科技大学 | 一种基于数字散斑的远心显微双目立体视觉测量方法 |
CN106910246B (zh) * | 2017-03-08 | 2020-07-10 | 深圳大学 | 时空结合的散斑三维成像方法及装置 |
CN107452024B (zh) * | 2017-07-24 | 2020-03-27 | 西安交通大学 | 一种用于旋转物体全场运动追踪的视觉测量方法 |
CN108036919A (zh) * | 2017-12-28 | 2018-05-15 | 中国航天空气动力技术研究院 | 一种应用于高超声速飞行器风洞试验的高温散斑制作方法 |
CN108519225B (zh) * | 2018-03-19 | 2020-08-28 | 江苏大学 | 一种航空发动机叶片高温振动疲劳特性的检测装置及方法 |
CN108489413A (zh) * | 2018-04-28 | 2018-09-04 | 华南理工大学 | 一种混凝土表面非均匀应变测量系统与方法 |
CN108759720B (zh) * | 2018-06-07 | 2020-02-21 | 合肥工业大学 | 光滑表面面型测量方法 |
CN108534702A (zh) * | 2018-06-28 | 2018-09-14 | 中国人民武装警察部队学院 | 一种变形量实时测量装置及方法 |
CN109883333A (zh) * | 2019-03-14 | 2019-06-14 | 武汉理工大学 | 一种基于图像特征识别技术的非接触位移应变测量方法 |
CN110110390B (zh) * | 2019-04-16 | 2023-04-07 | 武汉钢铁有限公司 | 基于三维几何形貌匹配的应变测试方法 |
CN110108556A (zh) * | 2019-04-16 | 2019-08-09 | 中国人民解放军陆军装甲兵学院 | 一种预测脆性涂层开裂的方法及系统 |
CN110986811B (zh) * | 2019-11-01 | 2021-05-25 | 武汉科技大学 | 一种用于定型耐火材料形变测试的散斑制备方法 |
CN110987149A (zh) * | 2019-12-11 | 2020-04-10 | 东华大学 | 一种反作用轮微振动测量装置及方法 |
CN112991313B (zh) * | 2021-03-29 | 2021-09-14 | 清华大学 | 图像质量的评估方法及装置、电子设备和存储介质 |
CN113390605B (zh) * | 2021-07-20 | 2022-09-02 | 中国空气动力研究与发展中心设备设计与测试技术研究所 | 一种风洞试验飞机机翼变形全场测量方法 |
CN113899478B (zh) * | 2021-09-18 | 2022-07-08 | 水利部交通运输部国家能源局南京水利科学研究院 | 基于数字图像的地应力/历史应力测量方法 |
CN114018177B (zh) * | 2021-11-18 | 2023-12-26 | 南昌航空大学 | 一种基于散斑图案的镜面物体三维测量方法 |
CN115423808B (zh) * | 2022-11-04 | 2023-03-24 | 合肥的卢深视科技有限公司 | 散斑投射器的质量检测方法、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6097477A (en) * | 1994-05-27 | 2000-08-01 | American Research Corporation Of Virginia | Laser speckle strain and deformation sensor using linear array image cross-correlation method for specifically arranged triple-beam triple-camera configuration |
CN101655352A (zh) * | 2009-09-15 | 2010-02-24 | 西安交通大学 | 一种三维散斑应变测量装置及其测量方法 |
JP5017556B2 (ja) * | 2007-03-19 | 2012-09-05 | 埼玉県 | 変形測定装置、変形測定方法および変形測定プログラム |
CN103575227A (zh) * | 2013-09-23 | 2014-02-12 | 西安新拓三维光测科技有限公司 | 一种基于数字散斑的视觉引伸计实现方法 |
CN103743356A (zh) * | 2014-01-17 | 2014-04-23 | 北京光电技术研究所 | 建筑物多点实时视频测量方法及测量系统 |
-
2015
- 2015-01-19 CN CN201510025233.1A patent/CN104864819B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6097477A (en) * | 1994-05-27 | 2000-08-01 | American Research Corporation Of Virginia | Laser speckle strain and deformation sensor using linear array image cross-correlation method for specifically arranged triple-beam triple-camera configuration |
JP5017556B2 (ja) * | 2007-03-19 | 2012-09-05 | 埼玉県 | 変形測定装置、変形測定方法および変形測定プログラム |
CN101655352A (zh) * | 2009-09-15 | 2010-02-24 | 西安交通大学 | 一种三维散斑应变测量装置及其测量方法 |
CN103575227A (zh) * | 2013-09-23 | 2014-02-12 | 西安新拓三维光测科技有限公司 | 一种基于数字散斑的视觉引伸计实现方法 |
CN103743356A (zh) * | 2014-01-17 | 2014-04-23 | 北京光电技术研究所 | 建筑物多点实时视频测量方法及测量系统 |
Non-Patent Citations (2)
Title |
---|
结合数字散斑干涉和数字图像相关的三维形变测量研究;柴兴华;《中国优秀硕士学位论文全文数据库(信息科技辑)》;20130715(第07期);正文第18-19页 * |
高温条件下物体面内位移的非接触式检测;苏兰海;《北京科技大学学报》;20131231;第35卷(第12期);第1660-1662页第1-2节、图2-5、表1 * |
Also Published As
Publication number | Publication date |
---|---|
CN104864819A (zh) | 2015-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104864819B (zh) | 一种基于数字散斑的高速三维应变测量方法 | |
CN103575227B (zh) | 一种基于数字散斑的视觉引伸计实现方法 | |
CN102183214B (zh) | 一种大口径非球面镜结构光检测方法 | |
CN105716539A (zh) | 一种快速高精度的三维形面测量方法 | |
CN100575872C (zh) | 基于立体视觉的风洞模型外形监测方法 | |
CN107816942A (zh) | 一种基于十字结构光视觉系统的平面二维尺寸测量方法 | |
CN110509186B (zh) | 一种基于加工振动特征的机器人磨抛质量表征方法 | |
CN106568379A (zh) | 一种基于空间定位的测量飞机部件对接面外形的方法 | |
CN112197713A (zh) | 直升机旋翼桨叶变形及表面压力同步测量装置及方法 | |
CN111540001A (zh) | 航空发动机涡轮叶片气膜孔轴线方向检测方法 | |
CN111241667A (zh) | 一种基于图像处理和探针数据处理识别等离子体位形方法 | |
Sun et al. | Modal identification of vibrating structures using singular value decomposition and nonlinear iteration based on high-speed digital image correlation | |
CN106568365A (zh) | 一种球面孔系复合位置度误差的检测与评定方法 | |
CN106767421B (zh) | 基于多目视觉的动车车身关键尺寸检测系统解决方案 | |
CN103954220A (zh) | 撞桥试验中船体运动状态数字图像测量方法 | |
Hedayati et al. | Strain measurement and determining coefficient of plastic anisotropy using digital image correlation (DIC) | |
CN102798380B (zh) | 线阵图像中目标运动参数的测量方法 | |
Dong et al. | Pressure-sensitive paint integrated with digital image correlation for instantaneous measurement on rotating blades | |
CN112233104A (zh) | 实时位移场和应变场检测方法、系统、装置和存储介质 | |
CN114543972B (zh) | 一种基于面阵相机的转轴三维振动位移测量装置和方法 | |
CN110532725A (zh) | 基于数字图像的工程结构力学参数识别方法及系统 | |
CN105486244A (zh) | 基于超高精度数字图像测量的二维应变测量系统 | |
Johnson et al. | A stereo-videogrammetry system for monitoring wind turbine blade surfaces during structural testing | |
CN113108712A (zh) | 测量大型结构件表面变形应变的视觉测量系统 | |
CN113962932A (zh) | 一种基于三维立体建模的螺纹检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |