CN106931902B - 用于数字图像相关测试的环境光强自适应调节方法 - Google Patents

用于数字图像相关测试的环境光强自适应调节方法 Download PDF

Info

Publication number
CN106931902B
CN106931902B CN201710043815.1A CN201710043815A CN106931902B CN 106931902 B CN106931902 B CN 106931902B CN 201710043815 A CN201710043815 A CN 201710043815A CN 106931902 B CN106931902 B CN 106931902B
Authority
CN
China
Prior art keywords
value
current
strain
optimal estimation
matrix
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
Application number
CN201710043815.1A
Other languages
English (en)
Other versions
CN106931902A (zh
Inventor
许杨剑
许雷
赵帅
潘常良
韩威
王效贵
梁利华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201710043815.1A priority Critical patent/CN106931902B/zh
Publication of CN106931902A publication Critical patent/CN106931902A/zh
Application granted granted Critical
Publication of CN106931902B publication Critical patent/CN106931902B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Circuit Arrangement For Electric Light Sources In General (AREA)
  • Image Processing (AREA)

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Kt可以表示为：
其中，Pt为测量协方差矩阵，Rt为误差协方差矩阵。δt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δt可表示为：
(3)卡尔曼滤波算法更新迭代的表达式如下：
It＝It-1+Kt[Eth-E(It-1)]
其中，It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。Eth是理论值，即应变标定板设计的理论值(目标值)。E(It-1)是将It-1带入到上述拟合函数所求得的值。Kt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(It)，将E(It)与理论值Eth进行对比，如果存在一个合适的小量ε，使得最优估计值It为输入量的应变值E(It)与标定板理论值Eth满足一下关系：
|E(It)-Eth|≤ε
则It为最优的电流值，之后的实验基于电流值It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It作为下一状态的电流值It-1,以该状态下协方差矩阵Pt作为下一状态的Pt-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Kt可以表示为：
其中，Pt为测量协方差矩阵，Rt为误差协方差矩阵。δt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δt可表示为：
(3)卡尔曼滤波算法更新迭代的表达式如下：
It＝It-1+Kt[Eth-E(It-1)]
其中，It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。Eth是理论值，即应变标定板设计的理论值(目标值)。E(It-1)是将It-1带入到上述拟合函数所求得的值。Kt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(It)，将E(It)与理论值Eth进行对比，如果存在一个合适的小量ε，使得最优估计值It为输入量的应变值E(It)与标定板理论值Eth满足一下关系：
|E(It)-Eth|≤ε
则我们认为It为最优的电流值，我们之后的实验就可以基于电流值It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It作为下一状态的电流值It-1,以该状态下协方差矩阵Pt作为下一状态的Pt-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Kt可以表示为：
其中，Pt为测量协方差矩阵，Rt为误差协方差矩阵；δt是梯度矩阵，该梯度矩阵决定了卡尔曼滤波算法的迭代更新方向；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δt可表示为：
(3)卡尔曼滤波算法更新迭代的表达式如下：
It＝It-1+Kt[Eth-E(It-1)]
其中，It是根据历史电流值以及理论值计算得到的当前状态最优估计值；Eth是应变标定板设计的理论值；E(It-1)是将It-1带入到上述拟合函数所求得的值；Kt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(It)，将E(It)与理论值Eth进行对比，如果存在一个合适的小量ε，使得最优估计值It为输入量的应变值E(It)与标定板理论值Eth满足一下关系：
|E(It)-Eth|≤ε
则It为最优的电流值，之后的实验基于电流值It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It作为下一状态的电流值It-1,以该状态下协方差矩阵Pt作为下一状态的Pt-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。
CN201710043815.1A 2017-01-19 2017-01-19 用于数字图像相关测试的环境光强自适应调节方法 Active CN106931902B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710043815.1A CN106931902B (zh) 2017-01-19 2017-01-19 用于数字图像相关测试的环境光强自适应调节方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710043815.1A CN106931902B (zh) 2017-01-19 2017-01-19 用于数字图像相关测试的环境光强自适应调节方法

Publications (2)

Publication Number Publication Date
CN106931902A CN106931902A (zh) 2017-07-07
CN106931902B true CN106931902B (zh) 2018-11-13

Family

ID=59423440

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710043815.1A Active CN106931902B (zh) 2017-01-19 2017-01-19 用于数字图像相关测试的环境光强自适应调节方法

Country Status (1)

Country Link
CN (1) CN106931902B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108548834B (zh) * 2018-05-07 2020-12-11 湖南大学 一种基于sem原位成像系统的应变测量方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006039242A (ja) * 2004-07-28 2006-02-09 Seiko Epson Corp 電気光学装置および電子機器
CN102044151B (zh) * 2010-10-14 2012-10-17 吉林大学 基于光照可见度辨识的夜间车辆视频检测方法
CN103118465B (zh) * 2013-02-18 2014-08-06 大连民族学院 一种室内灯光强度的控制系统及其控制方法
KR102048214B1 (ko) * 2013-09-05 2019-11-25 삼성전자주식회사 주변광 센서 및 이를 포함하는 전자 시스템
CN103547033B (zh) * 2013-10-25 2016-01-20 华南理工大学 基于无线传感器执行器网的大型智能灯光节能控制方法
CN105025642A (zh) * 2015-08-21 2015-11-04 哈尔滨工大光电科技有限公司 Led自适应调光教室灯及其控制方法
CN205546038U (zh) * 2016-01-21 2016-08-31 佛山市中德光电特种照明有限公司 一种led自适应调光控制装置
CN106203698A (zh) * 2016-07-11 2016-12-07 国网青海省电力公司 一种基于无迹卡尔曼滤波和神经网络的光伏发电预测方法

Also Published As

Publication number Publication date
CN106931902A (zh) 2017-07-07

Similar Documents

Publication Publication Date Title
CN106157870B (zh) 显示参数的调整方法、装置及液晶显示系统
CN110827751B (zh) 退化补偿装置及包括退化补偿装置的有机发光显示装置
CN105956539A (zh) 一种基于背景建模和双目视觉的人体身高测量方法
CN110455815A (zh) 一种电子元器件外观缺陷检测的方法及系统
CN109859117A (zh) 一种采用神经网络直接校正rgb值的图像颜色校正方法
CN105718922B (zh) 虹膜识别的适应性调节方法和装置
CN103839236A (zh) 一种基于稀疏表示的图像白平衡方法
CN107071308A (zh) 一种cmos快速调整成像系统和方法
CN105976767A (zh) 一种面光源亮度均匀性调节方法、装置及系统
CN106546598B (zh) 带钢表面检测系统光源自适应控制方法
JP2019071568A5 (zh)
CN106931902B (zh) 用于数字图像相关测试的环境光强自适应调节方法
CN113936580B (zh) 一种显示屏亮度测量模型的生成方法及相关装置
US10520424B2 (en) Adaptive method for a light source for inspecting an article
Zhao et al. Spectral illumination correction: Achieving relative color constancy under the spectral domain
CN103905738B (zh) 高动态范围图像生成系统及方法
TWI588779B (zh) 用於電子照相機之自動白平衡系統
TW202212814A (zh) 檢查裝置、檢查方法以及儲存介質
CN109525779B (zh) 一种变焦跟踪曲线的快速校正及验证方法
CN102831573B (zh) 一种红外图像的线性拉伸方法
CN109357754A (zh) 一种基于深度学习的隧道洞内外亮度仪标定方法及系统
CN113936621B (zh) 一种LCD显示屏P-gamma的校正方法及相关装置
US20240305893A1 (en) Imaging condition setting system, imaging condition setting method, and program
CN114222101B (zh) 一种白平衡调节方法、装置及电子设备
CN109886923A (zh) 一种用于互联网检测中基于机器学习的测量检测系统及办法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant