CN106931902A - 用于数字图像相关测试的环境光强自适应调节方法 - Google Patents

Abstract

用于数字图像相关测试的环境光强自适应调节方法，包括：利用三次多项式拟合法建立电流值I与应变值e的关系；以标定板的理想应变为测量值，以校正估计值；计算卡尔曼增益矩阵以及建立初始测量协方差矩阵；结合历史电流值以及理论应变值来计算当前状态最优估计值；进行最优估计值的适定性评价，若不满足条件，则更新测量协方差矩阵以及卡尔曼增益，计算下一状态的最优估计值。本发明利用模拟拉伸标定板来进行这一过程。

Description

用于数字图像相关测试的环境光强自适应调节方法

技术领域

本发明涉及一种在数字图像相关测试中基于卡尔曼滤波算法的环境光强自适应调节方法。

背景技术

在用三维数字图像相关法进行物体表面形貌和变形测量的实践操作过程中，相机拍摄图像的质量对于所得试验结果的影响很大，而良好的光照配置对于一个高质量的图片拍摄也是非常重要的一环。但是，随着我们实验的地点发生变化，试样所处的光照环境也发生变化，我们每次进行图像采集模块时，都要花很长的时间在调节灯光上。传统实验中依靠经验手动调节灯光亮度，导致影响最后计算精度。

发明内容

本发明要克服现有技术的上述缺点，提出一种在数字图像相关测试中利用卡尔曼滤波算法使光照自动调节的方法。

本发明的技术方案是：一种在数字图像相关测试中基于卡尔曼滤波算法的环境光强自适应调节方法，通过改变led灯的电流值来改变光强，图片亮度的不同会导致最终所测得的应变值不同，所以随着输入的电流值不同，最后的标记点的应变也会不同，这样，电流值I和应变值e产生一一对应的关系，若存在一个电流值I，使得现场环境下标记点的应变近似等于理想状态下的应变值，则这个电流值I对应的光照强度可以认作是最优光照环境所需要的光照条件，电流I就是最优值。

本发明的原理是：利用卡尔曼滤波算法，将计算得出的估计值结合测量值加以校正，让每次改变电流值进行计算得到的应变值渐渐的逼近测量值(理论值)，直到计算得到的应变值无限接近测量值时，此时可使电流值成为最优，简而言之，就是估计+校正得出下一状态的最优估计，以此循环。

1、基于卡尔曼滤波算法的环境光强自适应调节方法具体步骤：

(1)利用三次多项式拟合法建立电流值I与应变值e的关系

因为电流I和应变值e没有明确的函数关系，所以采用拟合曲线的方法。假设电流的调控范围是：0～i，取I＝0、I’＝0.333i、I”＝0.667i、I”’＝i，以这四个电流值进行四组实验计算得出相应的应变值，可以得到用(I、e)表示的四个点，通过这四个点来拟合电流值和应变值的对应函数关系。则假设函数关系为

E(I)＝aI³+bI²+cI+d

通过所取得点拟合出三次方程的系数a、b、c、d，由此可得电流应变之间的关系。

(2)卡尔曼增益矩阵(Kalman Gain)的计算

卡尔曼增益矩阵用来计算当前状态的最优估计值，卡尔曼增益矩阵K_t可以表示为：

其中，P_t为测量协方差矩阵，R_t为误差协方差矩阵。δ_t是梯度矩阵，该梯度矩阵决定了卡尔曼滤波算法的迭代跟新方向。测量协方差矩阵可以表示为：

式中，以P₀为测量协方差矩阵的初始值，P₀可以表示为：

梯度矩阵δ_t可表示为：

(3)卡尔曼滤波算法更新迭代的表达式如下：

I_t＝I_t-1+K_t[E_th-E(I_t-1)]

其中，I_t是根据历史电流值(上一状态电流值)以及理论值计算得到的当前状态最优估计值。E_th是理论值，即应变标定板设计的理论值(目标值)。E(I_t-1)是将I_t-1带入到上述拟合函数所求得的值。K_t为卡尔曼增益矩阵。

(4)最优估计值的适定性评价

最优估计值计算完成之后，将最优估计值带入拟合方程来计算E(I_t)，将E(I_t)与理论值E_th进行对比，如果存在一个合适的小量ε，使得最优估计值I_t为输入量的应变值E(I_t)与标定板理论值E_th满足一下关系：

|E(I_t)-E_th|≤ε

则I_t为最优的电流值，之后的实验基于电流值I_t下的光照强度来进行。

如果不满足上述不等式，则以该状态下的电流值I_t作为下一状态的电流值I_t-1,以该状态下协方差矩阵P_t作为下一状态的P_t-1，并返回到步骤(2)，这样就可以自循环递推下去，直到计算得电流值满足上述不等式。

2、针对本发明快速、高效率的特点，设计出一种新的试样模板，该试样模板包含变形前后两部分的信息，省略了在现场拉伸的步骤。

先制作一个带有标记点的散斑图片(用Speckled Generator这款软件来制作)，然后在计算机图像编辑软件中模拟均匀拉伸，计算出模拟拉伸标记点的应变值(拉伸距离除上原长)。再分别打印出模拟拉伸前后的两张图片，如图二所示。最后在实验时，将两张图片分别保存在相同的位置。

本发明提出一种新的方法，用led可编程灯光来实现照明设备的自动配置，可以达到快速、精确配置到最优的灯照环境的效果。

本发明利用卡尔曼滤波算法来达到最优估计的效果。卡尔曼滤波是一种最优化自回归数据处理算法，利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计。本发明利用卡尔曼滤波算法来寻找能够达到最优光照强度的电流值。

本发明还设计了一种静态模拟拉伸的试件模板，有效的避免了在运行本系统时反复进行拉伸实验，该静态模拟拉伸试件包含了拉伸变形前后的图片信息，实验时只需要进行静态摄像，无需进行拉伸实验，可以有效的满足本发明所需要的快速、简便的要求。

本发明的优点在于：解决了使用传统手动调节光强影响最后计算精度的弊端，通过设计出的试样模板以及运用卡尔曼滤波算法估算出最佳电流值I，可以使光照环境自动调节到最佳状态，提高了实验精度，简化实验步骤、使实验更加方便快捷精准。可以广泛应用于三维数字图像相关测量试验场合以及其他需要调节光照的场合。

附图说明

图1为本发明方法的流程图；

图2为本发明中模拟拉伸试样的制作样图。

具体实施方式

卡尔曼算法在本发明中实施的流程如图1所示，首先拟合出电流I与应变值e的曲线关系，利用卡尔曼滤波算法，将计算得出的估计值结合测量值加以校正，让每次改变电流值进行计算得到的应变值渐渐的逼近测量值(理论值)，直到计算得到的应变值无限接近测量值时，此时可使电流值成为最优，简而言之，就是估计+校正得出下一状态的最优估计，以此循环。

1、基于卡尔曼滤波算法的环境光强自适应调节方法具体步骤：

(1)利用三次多项式拟合法建立电流值I与应变值e的关系

因为电流I和应变值e没有明确的函数关系，所以采用拟合曲线的方法。假设电流的调控范围是：0～i，取I＝0、I’＝0.333i、I”＝0.667i、I”’＝i，以这四个电流值进行四组实验计算得出相应的应变值，可以得到用(I、e)表示的四个点如表一所示，通过这四个点来拟合电流值和应变值的对应函数关系。则假设函数关系为

E(I)＝aI³+bI²+cI+d

通过所取得点拟合出三次方程的系数a、b、c、d，由此可得电流应变之间的关系。

电流值I	I	I’	I”	I”’
					应变值e	e	e’	e”	e”’

表1

(2)卡尔曼增益矩阵(Kalman Gain)的计算

卡尔曼增益矩阵用来计算当前状态的最优估计值，卡尔曼增益矩阵K_t可以表示为：

其中，P_t为测量协方差矩阵，R_t为误差协方差矩阵。δ_t是梯度矩阵，该梯度矩阵决定了卡尔曼滤波算法的迭代跟新方向。测量协方差矩阵可以表示为：

式中，以P₀为测量协方差矩阵的初始值，P₀可以表示为：

梯度矩阵δ_t可表示为：

(3)卡尔曼滤波算法更新迭代的表达式如下：

I_t＝I_t-1+K_t[E_th-E(I_t-1)]

其中，I_t是根据历史电流值(上一状态电流值)以及理论值计算得到的当前状态最优估计值。E_th是理论值，即应变标定板设计的理论值(目标值)。E(I_t-1)是将I_t-1带入到上述拟合函数所求得的值。K_t为卡尔曼增益矩阵。

(4)最优估计值的适定性评价

最优估计值计算完成之后，将最优估计值带入拟合方程来计算E(I_t)，将E(I_t)与理论值E_th进行对比，如果存在一个合适的小量ε，使得最优估计值I_t为输入量的应变值E(I_t)与标定板理论值E_th满足一下关系：

|E(I_t)-E_th|≤ε

则我们认为I_t为最优的电流值，我们之后的实验就可以基于电流值I_t下的光照强度来进行。

如果不满足上述不等式，则以该状态下的电流值I_t作为下一状态的电流值I_t-1,以该状态下协方差矩阵P_t作为下一状态的P_t-1，并返回到步骤(2)，这样就可以自循环递推下去，直到计算得电流值满足上述不等式。

2、针对本发明快速、高效率的特点，设计出一种新的试样模板，该试样模板包含变形前后两部分的信息，省略了在现场拉伸的步骤。

先制作一个带有标记点的散斑图片(用Speckled Generator这款软件来制作)，然后在计算机图像编辑软件中模拟均匀拉伸，计算出模拟拉伸标记点的应变值(拉伸距离除上原长)。再分别打印出模拟拉伸前后的两张图片，如图二所示。最后在实验时，将两张图片分别保存在相同的位置。

Claims (1)

1.基于卡尔曼滤波算法的环境光强自适应调节方法，具体步骤：

(1)利用三次多项式拟合法建立电流值I与应变值e的关系

因为电流I和应变值e没有明确的函数关系，所以采用拟合曲线的方法；假设电流的调控范围是：0～i，取I＝0、I’＝0.333i、I”＝0.667i、I”’＝i，以这四个电流值进行四组实验计算得出相应的应变值，可以得到用(I、e)表示的四个点，通过这四个点来拟合电流值和应变值的对应函数关系；则假设函数关系为

E(I)＝aI³+bI²+cI+d

通过所取得点拟合出三次方程的系数a、b、c、d，由此可得电流应变之间的关系；

(2)卡尔曼增益矩阵(Kalman Gain)的计算

卡尔曼增益矩阵用来计算当前状态的最优估计值，卡尔曼增益矩阵K_t可以表示为：

$K_t=P_t{\mathrm{\δ}}_t^T{R}_t^{-1}$

其中，P_t为测量协方差矩阵，R_t为误差协方差矩阵；δ_t是梯度矩阵，该梯度矩阵决定了卡尔曼滤波算法的迭代跟新方向；测量协方差矩阵可以表示为：

$P_t=P_{t-1}-P_{t-1}{\mathrm{\δ}}_t^T{({\mathrm{\δ}}_t{P}_{t-1}{\mathrm{\δ}}_t^T+R_t)}^{-1}{\mathrm{\δ}}_t{P}_{t-1}$

式中，以P₀为测量协方差矩阵的初始值，P₀可以表示为：

$P_0=\left[\begin{array}{cc}{(I_{n,\max }-I_{n,\min })}^2& 0\\ 0& {\mathrm{\δ}}_{n,max}-{\mathrm{\δ}}_{n,min}\end{array}\right]$

梯度矩阵δ_t可表示为：

${\mathrm{\δ}}_t=\frac{\∂E\left(I_{t-1}\right)}{\∂I}$

(3)卡尔曼滤波算法更新迭代的表达式如下：

I_t＝I_t-1+K_t[E_th-E(I_t-1)]

其中，I_t是根据历史电流值(上一状态电流值)以及理论值计算得到的当前状态最优估计值；E_th是应变标定板设计的理论值；E(I_t-1)是将I_t-1带入到上述拟合函数所求得的值；K_t为卡尔曼增益矩阵；

(4)最优估计值的适定性评价

最优估计值计算完成之后，将最优估计值带入拟合方程来计算E(I_t)，将E(I_t)与理论值E_th进行对比，如果存在一个合适的小量ε，使得最优估计值I_t为输入量的应变值E(I_t)与标定板理论值E_th满足一下关系：

|E(I_t)-E_th|≤ε

则I_t为最优的电流值，之后的实验基于电流值I_t下的光照强度来进行；

如果不满足上述不等式，则以该状态下的电流值I_t作为下一状态的电流值I_t-1,以该状态下协方差矩阵P_t作为下一状态的P_t-1，并返回到步骤(2)，这样就可以自循环递推下去，直到计算得电流值满足上述不等式。