CN113077460B - 试件形变量的确定方法、装置及存储介质 - Google Patents

试件形变量的确定方法、装置及存储介质 Download PDF

Info

Publication number
CN113077460B
CN113077460B CN202110468144.XA CN202110468144A CN113077460B CN 113077460 B CN113077460 B CN 113077460B CN 202110468144 A CN202110468144 A CN 202110468144A CN 113077460 B CN113077460 B CN 113077460B
Authority
CN
China
Prior art keywords
image
determining
target point
coverage
tested
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
CN202110468144.XA
Other languages
English (en)
Other versions
CN113077460A (zh
Inventor
武杰
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.)
Hebei University of Technology
Original Assignee
Hebei University of Technology
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 Hebei University of Technology filed Critical Hebei University of Technology
Priority to CN202110468144.XA priority Critical patent/CN113077460B/zh
Publication of CN113077460A publication Critical patent/CN113077460A/zh
Application granted granted Critical
Publication of CN113077460B publication Critical patent/CN113077460B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)

Abstract

本申请公开了一种试件形变量的确定方法、装置及存储介质，涉及材料测量技术领域，该方案可以对由裂纹等引起的非均匀非连续的位移场进行测量。该方法包括：获取待测试件的第一图像和第二图像；对第一图像或第二图像进行网格划分，并基于流形元建立网格上的数学覆盖和物理覆盖；确定目标点的位置，建立目标点的位置与物理覆盖的物理覆盖值的第一对应关系，并建立目标点的位置与数学覆盖的数学覆盖值的第二对应关系；确定目标点在第一图像中的第一灰度值、目标点在第二图像中的第二灰度值以及目标点的图像梯度；根据第一对应关系、第二对应关系、第一灰度值、第二灰度值和图像梯度，确定第三对应关系，最后确定待测试件的形变量。

Description

试件形变量的确定方法、装置及存储介质
技术领域
本申请实施例涉及材料测量技术领域，尤其涉及一种试件形变量的确定方法、装置及存储介质。
背景技术
目前，数字图像相关技术(Digital Image Correlation，DIC)和数字体图像相关技术(Digital Volume Correlation，DVC)在试件形变测量领域有着广泛应用。其中，DIC是采用二维成像技术建立形变前后的试件的表面数字图像，然后通过比较这些表面数字图像给出试件表面的位移场和应变场；DVC是采用三维成像技术建立形变前后的试件的体图像，然后通过比较这些体图像给出试件在三维空间中(试件表面及其内部)的位移场和应变场。
然而，现有的DIC/DVC试件形变测量方法，仅适用于连续变形场、或含有简单裂纹的非连续形变场的测量，而对于多条复杂裂纹等引起的非连续的位移场难以准确测量。
发明内容
本申请提供一种试件形变量的确定方法、装置及存储介质，可以对由裂纹等不连续面引起的非均匀非连续的位移场进行测量。
为达到上述目的，本申请采用如下技术方案：
第一方面，本申请提供一种试件形变量的确定方法，包括：获取待测试件的第一图像和第二图像；第一图像为待测试件产生形变之前的图像；第二图像为待测试件产生形变之后的图像；对第一图像或第二图像进行网格划分，并基于流形元建立网格上的数学覆盖和物理覆盖；确定目标点的位置，建立目标点的位置与物理覆盖的物理覆盖值的第一对应关系，并建立目标点的位置与数学覆盖的数学覆盖值的第二对应关系；确定目标点在第一图像中的第一灰度值、目标点在第二图像中的第二灰度值以及目标点的图像梯度；根据第一对应关系、第二对应关系、第一灰度值、第二灰度值和图像梯度，确定第三对应关系；根据第三对应关系，确定待测试件的形变量。
当待测试件中含有裂纹时，待测试件形变后裂纹两侧的形变是非连续的。基于流形元建立网格上的数学覆盖和物理覆盖，可以确定出目标点的第一对应关系和第二对应关系。而形变前后的第一图像和第二图像中目标点的灰度值是满足灰度守恒原理的，可以基于这一原理建立第三对应关系。确定出目标点在第一图像中的第一灰度值、目标点在第二图像中的第二灰度值、目标点的图像梯度后，将其连同第一、第二对应关系，一同代入到第三对应关系，进而确定出裂纹影响下目标点处待测试件的形变量。因此，本申请提供的试件形变量的确定方法，可以对由复杂裂纹等引起的非均匀非连续的位移场进行测量。
可选的，在一种可能的设计方式中，第一图像和第二图像为二维图像，或者，第一图像和第二图像为三维图像。
可选的，在另一种可能的设计方式中，在第一图像和第二图像为二维图像的情况下，上述“基于流形元建立网格上的数学覆盖和物理覆盖”可以包括：
基于流形元建立网格上的数学覆盖；
基于第一图像或第二图像中的非连续线，对数学覆盖进行切割，得到物理覆盖；非连续线包括待测试件的边界线、待测试件中不同材料的交界线和待测试件的裂纹线中的至少一种。
可选的，在另一种可能的设计方式中，在第一图像和第二图像为三维图像的情况下，上述“基于流形元建立网格上的数学覆盖和物理覆盖”可以包括：
基于流形元建立网格上的数学覆盖；
基于第一图像或第二图像中的非连续面，对数学覆盖进行切割，得到物理覆盖；非连续面包括待测试件的边界面、待测试件中不同材料的交界面和待测试件的裂纹面中的至少一种。
可选的，在另一种可能的设计方式中，上述“根据第三对应关系，确定待测试件的形变量”可以包括：基于灰度守恒原理，采用变分法，建立线性方程组，求解线性方程组，确定待测试件的形变量。
可选的，在另一种可能的设计方式中，本申请实施例提供的试件形变量的确定方法还可以包括：根据待测试件的实际大小、第一图像中的像素数量，确定第一图像中各个像素的大小；在第一图像中确定目标点，根据第一图像中各个像素的大小确定目标点的坐标值。
可选的，在另一种可能的设计方式中，上述确定目标点可以包括；
将第一图像中各个像素的像素中心确定为目标点。
可选的，在另一种可能的设计方式中，所述图像梯度为所述目标点在所述第一图像中的图像梯度，或者，所述图像梯度为所述目标点在所述第二图像中的图像梯度，或者，所述图像梯度为所述目标点在所述第一图像中的第一梯度与所述目标点在所述第二图像中的第二梯度的均值。
第二方面，本申请提供一种试件形变量的确定装置，包括：获取模块、划分模块和确定模块；
获取模块，用于获取待测试件的第一图像和第二图像；第一图像为待测试件产生形变之前的图像；第二图像为待测试件产生形变之后的图像；
划分模块，用于对第一图像或第二图像进行网格划分，并基于流形元建立网格上的数学覆盖和物理覆盖；
确定模块，用于确定目标点的位置，建立目标点的位置与物理覆盖的物理覆盖值的第一对应关系，并建立目标点的位置与数学覆盖的数学覆盖值的第二对应关系；
确定模块，还用于确定目标点在第一图像中的第一灰度值、目标点在第二图像中的第二灰度值以及目标点的图像梯度；
确定模块，还用于根据第一对应关系、第二对应关系、第一灰度值、第二灰度值和图像梯度，确定第三对应关系；
确定模块，还用于根据第三对应关系，确定待测试件的形变量。
可选的，在一种可能的设计方式中，第一图像和第二图像为二维图像，或者，第一图像和第二图像为三维图像。
可选的，在另一种可能的设计方式中，在第一图像和第二图像为二维图像的情况下，划分模块具体用于：
基于流形元建立网格上的数学覆盖；
基于第一图像或第二图像中的非连续线，对数学覆盖进行切割，得到物理覆盖；非连续线包括待测试件的边界线、待测试件中不同材料的交界线和待测试件的裂纹线中的至少一种。
可选的，在另一种可能的设计方式中，在第一图像和第二图像为三维图像的情况下，划分模块具体用于：
基于流形元建立网格上的数学覆盖；
基于第一图像或第二图像中的非连续面，对数学覆盖进行切割，得到物理覆盖；非连续面包括待测试件的边界面、待测试件中不同材料的交界面和待测试件的裂纹面中的至少一种。
可选的，在另一种可能的设计方式中，确定模块具体用于：
基于灰度守恒原理，采用变分法，建立线性方程组，求解线性方程组，确定待测试件的形变量。
可选的，在另一种可能的设计方式中，确定模块还用于：根据待测试件的实际大小、第一图像中的像素数量，确定第一图像中各个像素的大小；在第一图像中确定目标点，根据第一图像中各个像素的大小确定目标点的坐标值。
可选的，在另一种可能的设计方式中，确定模块具体用于：
将第一图像中各个像素的像素中心确定为目标点。
可选的，在另一种可能的设计方式中，所述图像梯度为所述目标点在所述第一图像中的图像梯度，或者，所述图像梯度为所述目标点在所述第二图像中的图像梯度，或者，所述图像梯度为所述目标点在所述第一图像中的第一梯度与所述目标点在所述第二图像中的第二梯度的均值。
第三方面，本申请提供一种试件形变量的确定装置，包括存储器、处理器、总线和通信接口；存储器用于存储计算机执行指令，处理器与存储器通过总线连接；当试件形变量的确定装置运行时，处理器执行存储器存储的计算机执行指令，以使试件形变量的确定装置执行如上述第一方面提供的试件形变量的确定方法。
可选的，该试件形变量的确定装置还可以包括收发器，该收发器用于在试件形变量的确定装置的处理器的控制下，执行收发数据、信令或者信息的步骤，例如，获取待测试件的第一图像和第二图像。
进一步可选的，该试件形变量的确定装置可以是用于实现试件形变量的确定的物理机，也可以是物理机中的一部分装置，例如可以是物理机中的芯片系统。该芯片系统用于支持试件形变量的确定装置实现第一方面中所涉及的功能，例如，接收，发送或处理上述试件形变量的确定方法中所涉及的数据和/或信息。该芯片系统包括芯片，也可以包括其他分立器件或电路结构。
第四方面，本申请提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当计算机执行指令时，使得计算机执行如第一方面提供的试件形变量的确定方法。
第五方面，本申请提供一种计算机程序产品，该计算机程序产品包括计算机指令，当计算机指令在计算机上运行时，使得计算机执行如第一方面提供的试件形变量的确定方法。
需要说明的是，上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中，计算机可读存储介质可以与试件形变量的确定装置的处理器封装在一起的，也可以与试件形变量的确定装置的处理器单独封装，本申请对此不做限定。
本申请中第二方面、第三方面、第四方面以及第五方面的描述，可以参考第一方面的详细描述；并且，第二方面、第三方面、第四方面、以及第五方面的描述的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。
在本申请中，上述试件形变量的确定装置的名字对设备或功能模块本身不构成限定，在实际实现中，这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本申请类似，属于本申请权利要求及其等同技术的范围之内。
本申请的这些方面或其他方面在以下的描述中会更加简明易懂。
附图说明
图1为本申请实施例提供的一种试件形变量的确定方法的流程示意图；
图2为本申请实施例提供的另一种试件形变量的确定方法的流程示意图；
图3为本申请实施例提供的又一种试件形变量的确定方法的流程示意图；
图4为本申请实施例提供的又一种试件形变量的确定方法的流程示意图；
图5为本申请实施例提供的又一种试件形变量的确定方法的流程示意图；
图6为本申请实施例提供的一种试件形变量的确定装置的结构示意图；
图7为本申请实施例提供的另一种试件形变量的确定装置的结构示意图。
具体实施方式
下面结合附图对本申请实施例提供的试件形变量的确定方法、装置及存储介质进行详细地描述。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象，或者用于区别对同一对象的不同处理，而不是用于描述对象的特定顺序。
此外，本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选的还包括其他没有列出的步骤或单元，或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本申请的描述中，除非另有说明，“多个”的含义是指两个或两个以上。
目前，DIC和DVC在试件形变测量领域有着广泛应用。其中，DIC是采用二维成像技术建立形变前后的试件的表面数字图像，然后通过比较这些表面数字图像给出试件表面的位移场和应变场；DVC是采用三维成像技术建立形变前后的试件的体图像，然后通过比较这些体图像给出试件在三维空间中(试件表面及其内部)的位移场和应变场。
然而，现有的DIC/DVC试件形变测量方法，仅适用于连续变形场、或含有简单裂纹的非连续形变场的测量，而对于多条复杂裂纹等引起的非连续的位移场难以准确测量。
针对上述现有技术中存在的问题，本申请实施例提供了一种试件形变量的确定方法、装置及存储介质，基于流形元理论，确定目标点的数学覆盖函数值和物理覆盖函数值，将其代入基于灰度守恒原理的第三对应关系，从而确定出裂纹影响下，目标点处待测试件的形变量。
本申请实施例提供的试件形变量的确定方法可以适用于试件形变量的确定装置。示例性的，试件形变量的确定装置可以为物理机(如服务器)，也可以为部署在物理机上的虚拟机(virtual machine，VM)。
试件形变量的确定装置用于获取待测试件形变前后的第一图像和第二图像，根据第一图像和第二图像，确定出待测试件的形变量。
参照图1，本申请实施例提供的试件形变量的确定方法包括S101-S106：
S101、试件形变量的确定装置获取待测试件的第一图像和第二图像。
其中，第一图像为待测试件产生形变之前的图像，第二图像为待测试件产生形变之后的图像。
第一图像和第二图像可以从采集设备采集的待测试件在形变过程中的一系列图像中获取。
可选的，在一种可能的实现方式中，采集设备可以为相机等用于采集二维图像的采集设备，对应的，采集到的第一图像和第二图像为二维图像。
可选的，在另一种可能的实现方式中，采集设备可以为CT设备等用于采集体图像的采集设备，对应的，采集到的第一图像和第二图像为三维图像。
第一图像和第二图像中可以包括有一些用于记录变形的结构特征。在一种可能的实现方式中，记录变形的特征可以是待测试件自身具有的结构特征。在另一种可能的实现方式中，记录变形的特征也可以是喷涂的一些散斑。比如，可以根据第一图像和第二图像中喷涂的一些散斑的分布情况确定待测试件中目标点的形变量。
待测试件可以为机械元件，比如，待测试件可以为车辆的轴承，可以测量车辆的轴承在车辆的重量下的形变。待测试件也可以为其他可以产生形变的物体，比如，待测试件可以为桥梁结构，可以测量桥梁在桥面荷载作用下的形变量。当然，在实际应用中，待测试件也可以为自然界中存在的物体，本申请实施例对此不做限定。比如，待测试件可以为大型岩体，可以测量隧道开挖导致的岩体的形变量。
S102、试件形变量的确定装置对第一图像或第二图像进行网格的划分，并基于流形元建立网格上的数学覆盖和物理覆盖。
示例性的，数学覆盖可以为结构化数学覆盖、无网格数学覆盖以及有限元数学覆盖中的任一种。
当然，在实际应用中，数学覆盖还可以是其他类型的数学覆盖，本申请实施例对此不作限定。
可选的，在一种可能的实现方式中，在第一图像和第二图像为二维图像的情况下，试件形变量的确定装置可以对第一图像或第二图像进行网格的划分，基于流形元建立网格上的数学覆盖；之后基于第一图像或第二图像中的非连续线，对数学覆盖进行切割，得到物理覆盖。
其中，非连续线包括待测试件的边界线、待测试件中不同材料的交界线和待测试件的裂纹线中的至少一种。
可选的，在另一种可能的实现方式中，在第一图像和第二图像为三维图像的情况下，试件形变量的确定装置可以对第一图像或第二图像进行网格的划分，基于流形元建立网格上的数学覆盖；之后基于第一图像或第二图像中的非连续面，对数学覆盖进行切割，得到物理覆盖。
其中，非连续面包括待测试件的边界面、待测试件中不同材料的交界面和待测试件的裂纹面中的至少一种。
可以理解的是，在实际应用中，非连续线还可以为其他类型的线，非连续面还可以为其他类型的面，本申请实施例对此不做限定。
示例性的，以第一图像为例，在待测试件的几何信息已知的情况下，第一图像中的非连续面可以根据待测试件的几何信息建立，在待测试件的几何信息未知的情况下，可以采用非连续面识别技术建立。具体建立非连续面的方法可以参照现有技术中的相关描述，本申请实施例在此处不再赘述。
可以理解的是，在实际应用中，依据非连续面将数学覆盖切割为物理覆盖的方法，可以采用现有技术中的相关描述，本申请实施例在此处不再赘述。
S103、试件形变量的确定装置确定目标点的位置，建立目标点的位置与物理覆盖的物理覆盖值的第一对应关系，并建立目标点的位置与数学覆盖的数学覆盖值的第二对应关系。
可选的，在一种可能的实现方式中，在第一图像和第二图像为二维图像的情况下，目标点的位置为二维坐标。
可选的，在另一种可能的实现方式中，在第一图像和第二图像为三维图像的情况下，目标点的位置为三维坐标。
S104、试件形变量的确定装置确定目标点在第一图像中的第一灰度值、目标点在第二图像中的第二灰度值以及目标点的图像梯度。
可选的，在另一种可能的设计方式中，所述图像梯度为所述目标点在所述第一图像中的图像梯度，或者，所述图像梯度为所述目标点在所述第二图像中的图像梯度，或者，所述图像梯度为所述目标点在所述第一图像中的第一梯度与所述目标点在所述第二图像中的第二梯度的均值。
可以理解的是，在实际应用中，还可以通过其他方式得到图像梯度，本申请实施例对此不做限定。
S105、试件形变量的确定装置根据第一对应关系、第二对应关系、第一灰度值、第二灰度值和图像梯度，确定第三对应关系。
S106、试件形变量的确定装置根据第三对应关系，确定待测试件的形变量。
可选的，在一种可能的实现方式中，试件形变量的确定装置可以基于灰度守恒原理，采用变分法，建立线性方程组，求解线性方程组，确定待测试件的形变量。
可选的，在一种可能的实现方式中，试件形变量的确定装置可以根据待测试件的实际大小、第一图像中的像素数量，确定第一图像中各个像素的大小；之后，在第一图像中确定目标点，根据第一图像中各个像素的大小确定目标点的坐标值。
可选的，在一种可能的实现方式中，试件形变量的确定装置可以将第一图像中各个像素的像素中心确定为目标点。
可以理解的是，在试件形变量的确定装置对第二图像建立进行网格划分建立数学覆盖和物理覆盖的情况下，试件形变量的确定装置可以将第二图像中各个像素的像素中心确定为目标点。
可以理解的是，在实际应用中，试件形变量的确定装置还可以通过其他方式选取目标点，本申请实施例对此不做限定。
当待测试件中含有裂纹时，待测试件形变后裂纹两侧的形变是非连续的。基于流形元建立网格上的数学覆盖和物理覆盖，可以确定出目标点的第一对应关系和第二对应关系。而形变前后的第一图像和第二图像中目标点的灰度值是满足灰度守恒原理的，可以基于这一原理建立第三对应关系。确定出目标点在第一图像中的第一灰度值、目标点在第二图像中的第二灰度值、目标点的图像梯度后，将其连同第一、第二对应关系，一同代入到第三对应关系，进而确定出裂纹影响下目标点处待测试件的形变量。因此，本申请提供的试件形变量的确定方法，可以对由复杂裂纹等引起的非均匀非连续的位移场进行测量。
综合以上描述，如图2所示，图1中的步骤S102可以替换为S1021-S1022：
S1021、试件形变量的确定装置对第一图像或第二图像进行网格的划分，基于流形元建立网格上的数学覆盖。
S1022、试件形变量的确定装置基于第一图像或第二图像中的非连续线，对数学覆盖进行切割，得到物理覆盖。
可选的，如图3所示，图2中的步骤S102还可以替换为S1023-S1024：
S1023、试件形变量的确定装置对第一图像或第二图像进行网格的划分，基于流形元建立网格上的数学覆盖。
S1024、试件形变量的确定装置基于第一图像或第二图像中的非连续面，对数学覆盖进行切割，得到物理覆盖。
可选的，如图4所示，图2中的步骤S106可以替换为S1061：
S1061、试件形变量的确定装置基于灰度守恒原理，采用变分法，建立线性方程组，求解线性方程组，确定待测试件的形变量。
可选的，如图5所示，本申请实施例还提供了一种试件形变量的确定方法，包括S501-S508：
S501、试件形变量的确定装置获取待测试件的第一图像和第二图像。
S502、试件形变量的确定装置对第一图像或第二图像进行网格的划分，并基于流形元建立网格上的数学覆盖和物理覆盖。
S503、试件形变量的确定装置根据待测试件的实际大小、第一图像中的像素数量，确定第一图像中各个像素的大小。
S504、试件形变量的确定装置在第一图像中确定目标点，根据第一图像中各个像素的大小确定目标点的坐标值。
S505、试件形变量的确定装置建立目标点的位置与物理覆盖的物理覆盖值的第一对应关系，并建立目标点的位置与数学覆盖的数学覆盖值的第二对应关系。
S506、试件形变量的确定装置确定目标点在第一图像中的第一灰度值、目标点在第二图像中的第二灰度值以及目标点的图像梯度。
S507、试件形变量的确定装置根据第一对应关系、第二对应关系、第一灰度值、第二灰度值和图像梯度，确定第三对应关系。
S508、试件形变量的确定装置根据第三对应关系，确定待测试件的形变量。
可以理解的是，本申请实施例对步骤S502和步骤S503的先后顺序不做限定，在实际应用中，步骤S503可以在步骤S502之前。
可以理解的是，本申请实施例对步骤S505和步骤S506的先后顺序不做限定，在实际应用中，步骤S506可以在步骤S505之前。
为了更清楚的说明本申请实施例提供的试件形变量的确定方法，下面将用一个实施例具体进行详细描述。
试件形变量的确定装置获取待测试件的第一图像和第二图像之后，可以获取到第一图像中待测试件的非连续面或非连续线。在第一图像为二维图像的情况下，将第一图像划分为矩形网格；在第一图像为三维图像的情况下，将第一图像划分为长方体网格。
试件形变量的确定装置对第一图像进行网格划分之后，可以基于流形元理论在网格的节点α上建立网格上的数学覆盖Vα，然后基于网格中的非连续面或非连续线进行切割，将数学覆盖Vα进一步切割为n个物理覆盖Uα′l，其中，l＝1,2,..,n。
试件形变量的确定装置可以将第一图像中所有像素点的像素中心确定为目标点，然后建立目标点坐标xi处包含有未知系数的物理覆盖函数ui[α′l](xi)，也即是本申请实施例中的第一对应关系。之后，计算xi处的数学覆盖函数值φα′l(xi)，也即是本申请实施例中的第二对应关系。在第一图像为二维图像的情况下，i＝1,2；在第一图像为三维图像的情况下，i＝1,2,3。
在确定出第一对应关系和第二对应关系之后，试件形变量的确定装置可以确定出第一图像中目标点xi处的第一灰度值f(xi)和第二图像中目标点xi处的第二灰度值g(xi)，并确定出第二图像中目标点的图像梯度
Figure BDA0003044154140000151
试件形变量的确定装置可以基于灰度守恒原理，根据第一对应关系、第二对应关系、第一灰度值、第二灰度值和图像梯度，建立图像灰度守恒泛函，也即是本申请实施例中的第三对应关系，第三对应关系对应表达式(1)
Figure BDA0003044154140000152
示例性的，在第一图像为二维图像的情况下，n＝4，V对应像素面积，在第一图像为三维图像的情况下，n＝8，V对应体素体积，∑是对所有目标点的计算值求和。
试件形变量的确定装置确定出第三对应关系之后，可以基于变分法，确定所述待测试件的形变量。示例性的，可以对表达式(1)求变分，建立线性方程组(2)
M·u＝b (2)
其中，u由物理覆盖函数ui[α′l](xi)组成，方程组系数矩阵M由其元素Mj[β′m]i[α′l]组成，Mj[β′m]i[α′l]的表达式如下：
Figure BDA0003044154140000162
向量b由其元素bj[β′m]组成，表达式如下：
Figure BDA0003044154140000163
对表达式(2)进行求解，则可以得到物理覆盖函数ui[α′l](xi)中的未知系数，之后，通过表达式(5)，即可以确定出目标点xi处的形变量：
Figure BDA0003044154140000161
如图6所示，本申请实施例还提供了一种试件形变量的确定装置，该试件形变量的确定装置包括获取模块11、划分模块12和确定模块13。
其中，获取模块11执行上述方法实施例中的S101，划分模块12执行上述方法实施例中的S102，确定模块13执行上述方法实施例中的S103、S104、S105以及S106。
具体地，获取模块11，用于获取待测试件的第一图像和第二图像；第一图像为待测试件产生形变之前的图像；第二图像为待测试件产生形变之后的图像；
划分模块12，用于对第一图像或第二图像进行网格划分，并基于流形元建立网格上的数学覆盖和物理覆盖；
确定模块13，用于确定目标点的位置，建立目标点的位置与物理覆盖的物理覆盖值的第一对应关系，并建立目标点的位置与数学覆盖的数学覆盖值的第二对应关系；
确定模块13，还用于确定目标点在第一图像中的第一灰度值、目标点在第二图像中的第二灰度值以及目标点的图像梯度；
确定模块13，还用于根据第一对应关系、第二对应关系、第一灰度值、第二灰度值和图像梯度，确定第三对应关系；
确定模块13，还用于根据第三对应关系，确定待测试件的形变量。
可选的，在一种实现的设计方式中，第一图像和第二图像为二维图像，或者，第一图像和第二图像为三维图像。
可选的，在另一种实现的设计方式中，在第一图像和第二图像为二维图像的情况下，划分模块12具体用于：
基于流形元建立网格上的数学覆盖；
基于第一图像或第二图像中的非连续线，对数学覆盖进行切割，得到物理覆盖；非连续线包括待测试件的边界线、待测试件中不同材料的交界线和待测试件的裂纹线中的至少一种。
可选的，在另一种可能的实现方式中，在第一图像和第二图像为三维图像的情况下，划分模块12具体用于：
基于流形元建立网格上的数学覆盖；
基于第一图像或第二图像中的非连续面，对数学覆盖进行切割，得到物理覆盖；非连续面包括待测试件的边界面、待测试件中不同材料的交界面和待测试件的裂纹面中的至少一种。
可选的，在另一种可能的实现方式中，确定模块13具体用于：
基于灰度守恒原理，采用变分法，建立线性方程组，求解线性方程组，确定待测试件的形变量。
可选的，在另一种可能的实现方式中，确定模块13还用于：根据待测试件的实际大小、第一图像中的像素数量，确定第一图像中各个像素的大小；在第一图像中确定目标点，根据第一图像中各个像素的大小确定目标点的坐标值。
可选的，在另一种可能的实现方式中，确定模块13具体用于：
将第一图像中各个像素的像素中心确定为目标点。
可选的，在另一种可能的设计方式中，所述图像梯度为所述目标点在所述第一图像中的图像梯度，或者，所述图像梯度为所述目标点在所述第二图像中的图像梯度，或者，所述图像梯度为所述目标点在所述第一图像中的第一梯度与所述目标点在所述第二图像中的第二梯度的均值。
可选的，试件形变量的确定装置还可以包括存储模块，存储模块用于存储该试件形变量的确定装置的程序代码等。
如图7所示，本申请实施例还提供一种试件形变量的确定装置，包括存储器41、处理器42、总线43和通信接口44；存储器41用于存储计算机执行指令，处理器42与存储器41通过总线43连接；当试件形变量的确定装置运行时，处理器42执行存储器41存储的计算机执行指令，以使试件形变量的确定装置执行如上述实施例提供的试件形变量的确定方法。
在具体的实现中，作为一种实施例，处理器42(42-1和42-2)可以包括一个或多个中央处理器(central processing unit，CPU)，例如图7中所示的CPU0和CPU1。且作为一种实施例，试件形变量的确定装置可以包括多个处理器42，例如图7中所示的处理器42-1和处理器42-2。这些处理器42中的每一个CPU可以是一个单核处理器(single-CPU)，也可以是一个多核处理器(multi-CPU)。这里的处理器42可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
存储器41可以是只读存储器41(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器41可以是独立存在，通过总线43与处理器42相连接。存储器41也可以和处理器42集成在一起。
在具体的实现中，存储器41，用于存储本申请中的数据和执行本申请的软件程序对应的计算机执行指令。处理器42可以通过运行或执行存储在存储器41内的软件程序，以及调用存储在存储器41内的数据，试件形变量的确定装置的各种功能。
通信接口44，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如控制系统、无线接入网(radio access network，RAN)，无线局域网(wireless local areanetworks，WLAN)等。通信接口44可以包括接收单元实现接收功能，以及发送单元实现发送功能。
总线43，可以是工业标准体系结构(industry standard architecture，ISA)总线、外部设备互连(peripheral component interconnect，PCI)总线或扩展工业标准体系结构(extended industry standard architecture，EISA)总线等。该总线43可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
作为一个示例，结合图6，试件形变量的确定装置中的获取模块实现的功能与图7中的接收单元实现的功能相同，试件形变量的确定装置中的确定模块实现的功能与图7中的处理器实现的功能相同，试件形变量的确定装置中的存储模块实现的功能与图7中的存储器实现的功能相同。
本实施例中相关内容的解释可参考上述方法实施例，此处不再赘述。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当计算机执行该指令时，使得计算机执行上述实施例提供的试件形变量的确定方法。
其中，计算机可读存储介质，例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、RAM、ROM、可擦式可编程只读存储器(erasable programmable read only memory，EPROM)、寄存器、硬盘、光纤、CD-ROM、光存储器件、磁存储器件、或者上述的任意合适的组合、或者本领域熟知的任何其它形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(application specificintegrated circuit，ASIC)中。在本申请实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (11)

1.一种试件形变量的确定方法，其特征在于，包括：
获取待测试件的第一图像和第二图像；所述第一图像为所述待测试件产生形变之前的图像；所述第二图像为所述待测试件产生形变之后的图像；
对所述第一图像或所述第二图像进行网格划分，并基于流形元建立所述网格上的数学覆盖和物理覆盖；
确定目标点的位置，建立所述目标点的位置与所述物理覆盖的物理覆盖值的第一对应关系，并建立所述目标点的位置与所述数学覆盖的数学覆盖值的第二对应关系；所述第一对应关系为所述目标点的坐标xi处包含有未知系数的物理覆盖函数ui[α′l](xi)；所述第二对应关系为所述目标点的坐标xi处的数学覆盖函数值φα′l(xi)；
确定所述目标点在所述第一图像中的第一灰度值、所述目标点在所述第二图像中的第二灰度值以及所述目标点的图像梯度；
根据所述第一对应关系、所述第二对应关系、所述第一灰度值、所述第二灰度值和所述图像梯度，确定第三对应关系；所述第三对应关系为表达式：
Figure FDA0003788081650000011
其中，η为图像灰度守恒泛函，f(xi)表示第一图像中目标点xi处的第一灰度值，g(xi)表示第二图像中目标点xi处的第二灰度值，
Figure FDA0003788081650000012
表示第二图像中目标点的图像梯度，α表示网格节点；在第一图像为二维图像的情况下，n＝4，V对应像素面积，在第一图像为三维图像的情况下，n＝8，V对应体素体积；
根据所述第三对应关系，确定所述待测试件的形变量。
2.根据权利要求1所述的方法，其特征在于，所述第一图像和所述第二图像为二维图像，或者，所述第一图像和所述第二图像为三维图像。
3.根据权利要求2所述的方法，其特征在于，在所述第一图像和所述第二图像为二维图像的情况下，所述基于流形元建立所述网格上的数学覆盖和物理覆盖，包括：
基于流形元建立所述网格上的所述数学覆盖；
基于所述第一图像或所述第二图像中的非连续线，对所述数学覆盖进行切割，得到所述物理覆盖；所述非连续线包括所述待测试件的边界线、所述待测试件中不同材料的交界线和所述待测试件的裂纹线中的至少一种。
4.根据权利要求2所述的方法，其特征在于，在所述第一图像和所述第二图像为三维图像的情况下，所述基于流形元建立所述网格上的数学覆盖和物理覆盖，包括：
基于流形元建立所述网格上的数学覆盖；
基于所述第一图像或所述第二图像中的非连续面，对所述数学覆盖进行切割，得到所述物理覆盖；所述非连续面包括所述待测试件的边界面、所述待测试件中不同材料的交界面和所述待测试件的裂纹面中的至少一种。
5.根据权利要求1所述的方法，其特征在于，所述根据所述第三对应关系，确定所述待测试件的形变量，包括：
基于灰度守恒原理，采用变分法，建立线性方程组，求解所述线性方程组，确定所述待测试件的形变量。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述待测试件的实际大小和所述第一图像中的像素数量，确定所述第一图像中各个像素的大小；
在所述第一图像中确定所述目标点，根据所述第一图像中各个像素的大小确定所述目标点的坐标值。
7.根据权利要求6所述的方法，其特征在于，所述确定所述目标点，包括：
将所述第一图像中各个像素的像素中心确定为所述目标点。
8.根据权利要求1所述的方法，其特征在于，所述图像梯度为所述目标点在所述第一图像中的图像梯度，或者，所述图像梯度为所述目标点在所述第二图像中的图像梯度，或者，所述图像梯度为所述目标点在所述第一图像中的第一梯度与所述目标点在所述第二图像中的第二梯度的均值。
9.一种试件形变量的确定装置，其特征在于，包括：
获取模块，用于获取待测试件的第一图像和第二图像；所述第一图像为所述待测试件产生形变之前的图像；所述第二图像为所述待测试件产生形变之后的图像；
划分模块，用于对所述第一图像或所述第二图像进行网格的划分，并基于流形元建立所述网格上的数学覆盖和物理覆盖；
确定模块，用于确定目标点的位置，建立所述目标点的位置与所述物理覆盖的物理覆盖值的第一对应关系，并建立所述目标点的位置与所述数学覆盖的数学覆盖值的第二对应关系；所述第一对应关系为所述目标点的坐标xi处包含有未知系数的物理覆盖函数ui[α′l](xi)；所述第二对应关系为所述目标点的坐标xi处的数学覆盖函数值φα′l(xi)；
所述确定模块，还用于确定所述目标点在所述第一图像中的第一灰度值、所述目标点在所述第二图像中的第二灰度值以及所述目标点的图像梯度；
所述确定模块，还用于根据所述第一对应关系、所述第二对应关系、所述第一灰度值、所述第二灰度值和所述图像梯度，确定第三对应关系；所述第三对应关系为表达式：
Figure FDA0003788081650000041
Figure FDA0003788081650000042
其中，η为图像灰度守恒泛函，f(xi)表示第一图像中目标点xi处的第一灰度值，g(xi)表示第二图像中目标点xi处的第二灰度值，
Figure FDA0003788081650000043
表示第二图像中目标点的图像梯度，α表示网格节点；在第一图像为二维图像的情况下，n＝4，V对应像素面积，在第一图像为三维图像的情况下，n＝8，V对应体素体积；
所述确定模块，还用于根据所述第三对应关系，确定所述待测试件的形变量。
10.一种试件形变量的确定装置，其特征在于，包括存储器、处理器、总线和通信接口；所述存储器用于存储计算机执行指令，所述处理器与所述存储器通过所述总线连接；
当所述试件形变量的确定装置运行时，处理器执行所述存储器存储的所述计算机执行指令，以使所述试件形变量的确定装置执行如权利要求1-8任意一项所述的试件形变量的确定方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当计算机执行所述指令时，使得所述计算机执行如权利要求1-8任意一项所述的试件形变量的确定方法。
CN202110468144.XA 2021-04-28 2021-04-28 试件形变量的确定方法、装置及存储介质 Active CN113077460B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110468144.XA CN113077460B (zh) 2021-04-28 2021-04-28 试件形变量的确定方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110468144.XA CN113077460B (zh) 2021-04-28 2021-04-28 试件形变量的确定方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN113077460A CN113077460A (zh) 2021-07-06
CN113077460B true CN113077460B (zh) 2022-10-04

Family

ID=76619079

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110468144.XA Active CN113077460B (zh) 2021-04-28 2021-04-28 试件形变量的确定方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN113077460B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114062907B (zh) * 2022-01-18 2022-04-26 江山季丰电子科技有限公司 芯片老化测试的监测方法、电子设备和存储介质
CN115661160B (zh) * 2022-12-29 2023-03-10 成都数之联科技股份有限公司 一种面板缺陷检测方法及系统及装置及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104573332A (zh) * 2014-12-19 2015-04-29 宋俊生 一种矿床体积确定方法
CN109101675A (zh) * 2018-06-19 2018-12-28 中国地质大学（武汉） 一种模拟固体材料热破裂方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001206520A (ja) * 2000-01-28 2001-07-31 Mitsuboshi Belting Ltd 波形桟付ベルトに用いる波形桟の形状決定方法
JP4432495B2 (ja) * 2004-01-08 2010-03-17 富士ゼロックス株式会社 物体形状推定方法、物体形状推定装置、物体形状推定プログラム、及び物体形状推定プログラムを記憶した記憶媒体
CN102663812B (zh) * 2012-03-27 2015-02-11 南昌航空大学 基于变分光流的三维运动检测与稠密结构重建的直接方法
CN111369549B (zh) * 2020-03-10 2022-11-08 北京大学 数字图像变形表征方法、装置、电子设备及介质
CN112487610B (zh) * 2020-11-09 2021-10-08 河北工业大学 具有复杂几何特征分析对象的形变确定方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104573332A (zh) * 2014-12-19 2015-04-29 宋俊生 一种矿床体积确定方法
CN109101675A (zh) * 2018-06-19 2018-12-28 中国地质大学（武汉） 一种模拟固体材料热破裂方法

Also Published As

Publication number Publication date
CN113077460A (zh) 2021-07-06

Similar Documents

Publication Publication Date Title
US9311566B2 (en) Method and system for direct strain imaging
CN113077460B (zh) 试件形变量的确定方法、装置及存储介质
US10776657B2 (en) Template creation apparatus, object recognition processing apparatus, template creation method, and program
CN110136114B (zh) 一种波面高度测量方法、终端设备及存储介质
CN110473233B (zh) 配准方法、计算机设备和存储介质
CN103697820A (zh) 一种基于终端测量尺寸的方法及终端设备
Nagrodzka-Godycka et al. The method of analysis of damage reinforced concrete beams using terrestrial laser scanning
CN107131988A (zh) 一种碰撞假人胸部压力分布测试系统及测试方法
CN111897660B (zh) 模型部署方法、模型部署装置及终端设备
CN112825190A (zh) 一种精度评估方法、系统、电子设备和存储介质
US20090289953A1 (en) System and method for adjusting view of a measuring report of an object
CN113808132B (zh) 三维网络模型质量检测方法、装置和计算机设备
CN116152208A (zh) 缺陷检测方法、装置、设备及存储介质
CN111882657A (zh) 三维重建的尺度恢复方法、装置、系统和计算机设备
CN111723597B (zh) 跟踪算法的精度检测方法、装置、计算机设备和存储介质
US11295050B2 (en) Structural analysis method and structural analysis apparatus
CN116433661B (zh) 多任务学习的半导体晶圆检测方法、装置、设备及介质
CN110487194B (zh) 一种基于单个相机的三维变形光测方法及装置
JP6645508B2 (ja) 構造解析方法、及び構造解析プログラム
Broggiato et al. Full‐field strain rate measurement by white‐light speckle image correlation
CN116124081A (zh) 一种非接触式的工件检测方法、装置、电子设备及介质
JP6464815B2 (ja) 歪み測定方法及び装置、並びにプログラム及び記録媒体
CN113343554B (zh) 一种拱坝水下毁伤识别方法、终端设备及存储介质
TW201349171A (zh) 曲面座標系建立系統及方法
CN113269829B (zh) 流水生产线目标定位方法、装置、计算机设备和存储介质

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