CN113506292A - 一种基于位移场的结构物表面裂纹检测和提取方法 - Google Patents
一种基于位移场的结构物表面裂纹检测和提取方法 Download PDFInfo
- Publication number
- CN113506292A CN113506292A CN202110876575.XA CN202110876575A CN113506292A CN 113506292 A CN113506292 A CN 113506292A CN 202110876575 A CN202110876575 A CN 202110876575A CN 113506292 A CN113506292 A CN 113506292A
- Authority
- CN
- China
- Prior art keywords
- crack
- point
- displacement
- subset
- image
- 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.)
- Granted
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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于位移场的结构物表面裂纹检测和提取方法,所述方法包括以下步骤:步骤1:利用高速摄影测量技术获取结构物表面三个方向上的位移场;步骤2:在结构物表面位移场上使用局部空间统计指标探测裂纹两侧在位移场上表现出来的不连续特征,进行裂纹检测;步骤3:利用边缘提取算法并结合形态学操作在位移场上提取裂纹路径。与现有技术相比,本发明具有裂纹识别精度高优点。
Description
技术领域
本发明涉及结构物表面裂纹检测领域,尤其是涉及一种基于位移场的结构物表面裂纹检测和提取方法。
背景技术
玻璃、陶瓷、岩石等脆性材料在工程领域发挥了重要的作用。大量的研究表明,由于材料内部存在着缺陷,比如裂隙、孔洞、节理,不连续等,其受力过程包括复杂的宏细观力学行为。材料的内部裂纹的萌发、扩展、贯通都将会导致形成宏观裂纹破坏,裂纹的出现会导致材料的破坏直至整个构件甚至整个工程的失效。脆性材料中裂纹的产生是很迅速的,会极大的削弱结构的完整性,直至导致灾难性的结构破坏,所以对裂纹的检测是必不可少的。对裂纹的检测起初是通过人为的去观察,手工绘制裂纹图,尺子取量测裂纹的宽度,这个方法耗时又耗力,而且很容易出现人为的误差。在各类工程实验的破坏过程中自动识别结构物表面的裂纹并提取其路径、开裂宽度等特征是一项技术难题。
经过检索,中国专利CN201911327643.6公开了一种基于机器视觉的陶瓷瓦表面裂纹检测方法,该方法特征在于采用主成分分析PCA检测陶瓷瓦表面裂纹缺陷,不含裂纹信息的图像通过使用主成分分析技术重构得到,将预处理的图像与重构不含裂纹信息的图像进行差分,得到差分的图像,再运用二值化与形态学处理相结合的方法来检测出裂纹。该发明基于机器视觉的陶瓷瓦表面裂纹检测方法,提高陶瓷瓦表面裂纹检测的效率。但是,该发明考虑到构件受力过程中会发生形变的因素,得到的图像并不准确,检测误差较大,此外也没有考虑裂纹宽度的检测。
中国专利CN202011485190.2公开了一种基于双目视觉的大坝图像裂纹检测装置及方法,该方法包括原始图像采集、图像处理、裂缝位置确定、裂缝长度和宽度计算等,同时采取了基础的利用可见光摄像机采集到的头像计算裂纹的长度宽度,以及基于双目视觉技术来检测裂纹的长度和宽度的方法,准确性更高。但是该专利考虑的是大型的大坝图像裂纹检测,且测量结构包括多种摄像仪、测距仪,红外成像仪,成本较为昂贵,同时该发明也没有考虑构件受力过程中会发生形变的因素导致裂缝与目标图像不一致的情况。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供基于位移场的结构物表面裂纹检测和提取方法。
本发明的目的可以通过以下技术方案来实现:
一种基于位移场的结构物表面裂纹检测和提取方法,所述方法包括以下步骤:
步骤1:利用高速摄影测量技术获取结构物表面三个方向上的位移场;
步骤2:在结构物表面位移场上使用局部空间统计指标探测裂纹两侧在位移场上表现出来的不连续特征,进行裂纹检测;
步骤3:利用边缘提取算法并结合形态学操作在位移场上提取裂纹路径。
优选地,所述步骤1的获取位移场包括以下步骤:
步骤1.1:采用高速摄影测量技术获取结构物表面立体影像数据,对待测表面进行网格法取点;
步骤1.2:进行视频影像数据处理,采用数字图像相关方法进行匹配,包括图像匹配和特征点三维坐标解算;
步骤1.3:获取特征点的位移;
步骤1.4:获取结构物表面的位移场。
优选地,所述步骤1.2中的图像匹配为基于IC-GN迭代和FA-GN迭代的图像匹配,具体包括以下步骤:
步骤1.2.1:引入子区形函数W(x,y;p),所述子区形函数为一阶形函数,表达式为:
式中p为变形向量,u,v为参考子区在X和Y两个方向的变化位移,x,y是以参考子区中心点为原点时匹配目标的坐标;
步骤1.2.2:对参考子集和目标子集中的像素进行转换,计算目标子集中对应目标点的坐标:
式中x′,y′为经过形函数后目标子集中点的坐标;
式中xrefi和yrefj是初始参考子集中x,y坐标,xrefc和yrefc是初始参考子集中心点的x,y坐标,和是目标子集中点的坐标,(i,j)是相对于子集中心点的相对坐标,下标"rc"表示从参考子集到目标子集;
将变形向量p代入式(4)式得
式中ξrefc为形变后参考子集中x,y的增向量,W(Δξref;prc)是以增向量形式表达的子区形函数、Δξref为形变后目标子集中点相对于初始目标子集的x,y增向量、prc为变形向量,下标"rc"表示从参考子集到目标子集;Δxref,Δyref是子集中点到中心的距离,改写式(5)得到最终参考子集点的坐标
xrefi和yrefj是初始参考子集中x,y坐标,u,v为参考子区在X和Y两个方向的变化位移,下标"rr"表示从初始参考子集到形变后参考子集;
步骤1.2.5:特征点三维坐标解算:
在获取影像序列中跟踪点的像平面坐标后,即采用光束法平差确定目标点在三维空间中的坐标,光束法平差将目标点的像平面坐标和相机参数作为一个光束进行整体平差,其基本模型是共线条件方程:
其中,Xp,Yp,Zp表示目标点物方坐标,(xp,yp)表示目标点像平面坐标,(X0,Y0,Z0)表示相机的外方位参数,(x0,y0)表示像主点坐标,(Δx,Δy)表示相机的畸变参数,f表示相机的焦距,(ai,bi,ci)是由三个角元素组成的旋转矩阵;b1=cosωsinκ;b2=cosωcosκ;b3=-sinω;
优选地,所述步骤2中基于局部空间统计指标的裂纹检测方法包括基于变异系数的局部空间统计、基于相关系数的局部空间统计。
优选地,所述基于变异系数的局部空间统计包括以下步骤:
步骤2.1.1:获取X,Y方向的位移量并计算总位移量:
式中xi(t),yi(t)点分别表示第i个点在第t帧影像中横坐标和纵坐标值,xi(1),yi(1)分别表示第i个点在第1帧影像中横坐标和纵坐标值,分别表示第i个点在第t帧影像中X方向和Y方向值;则第i个点在第t帧的总位移δi(t)如式(8):
步骤2.1.2:计算δi(t)的标准差Si差:
步骤2.1.3:计算变异系数;
以i点为中心,边长为l的正方形确定计算区域,i点的运动模式用计算区域范围内所有点标准差的变异系数CVt i来衡量;所述变异系数为标准差与平均值之比;遍历全部的点算出每个点的变异系数,从而得到在第t帧图像的所有格网点的变异系数CVt 1,CVt 2,...,CVt FP;
步骤2.1.4:确定变异系数阈值,进行裂纹信息判断;
设定一个变异系数的阀值T,统计变异系数大于T的点的个数为n,如若第t帧图像中的n大于T,则该图含有裂纹;相反若n小于T,则第t帧图像不含裂纹。
优选地,采用相关系数的局部空间统计来判断裂纹起裂的时刻,具体包括以下步骤:
步骤2.2.1:与步骤2.1.1相同;
步骤2.2.2:与步骤2.1.2相同;
步骤2.2.3:计算每一点与其他电的相关系数,取平均值作为该点的相关系数;cort i表示在第t帧图像中i号点的相关系数;遍历图中所有格网点,算出所有点的相关系数;
步骤2.2.4:确定阈值T,统计cor(i,j)(t)<T的个数n作为断裂特征的指标;
所述相关系数函数为Pearson相关系数函数,表达式为:
式中X,Y分别为相邻两点的位移集,n为样本容量。
优选地,所述相关系数cor相关性强弱判断如下:
相关系数绝对值范围为0.6-1.0,强相关;
相关系数绝对值范围为0.4-0.6,一般相关;
相关系数绝对值范围为0.0-0.4,弱相关。
优选地,所述相关性与裂纹处关系如下:裂纹处点相关性与其周围的点比非裂纹处点和其周围点的相关性弱。
优选地,所述裂纹提取算法包括以下步骤:
步骤3.1:裂纹路径提取;
步骤3.2:裂纹开裂宽度特征提取;
所述裂纹路径提取为找到数值区域内显著变化的点,以此判断在t帧出现裂纹,并在t帧或t帧以后的帧的位移场中用边缘检测算子来提取裂纹;
所述边缘提取算法包括Roberts边缘算子、Prewitt边缘算子。
优选地,所述裂纹开裂宽度特征提取过程为:在提取出的裂纹路径上点的两边对称的取两个小窗口,用窗口中点位移的平均值来表示该窗口的位移,则对称的两个窗口位移的差值为裂纹上对应点的开展宽度;所述位移差值为当前帧的位移的平均值间的差值。
与现有技术相比,本发明具有以下优点:
1)本发明提出了一种基于结构物表面位移场的表面裂纹的检测和提取方法,利用高速摄影测量技术获取结构物表面位移场;在结构物表面位移场上使用局部空间统计指标探测裂纹两侧在位移场上表现出来的不连续特征,实现对裂纹的检测;利用边缘提取算法并结合形态学操作在位移场上提取裂纹路径,并在预制裂纹岩石单轴压裂试验中得到了有效验证;
2)考虑了结构件在受力过程中会发生形变,从而导致选取的进行匹配的子区发生变形或者旋转,通过采用IC-GN迭代,引入一阶形函数,进行了参考子集与目标子集的转换,使得识别图像更符合实际结果;
3)综合考虑了由于裂纹处的位移表现的不连续,那么裂纹处点与其周围的点在时间上的变化也有明显的不同,相关性应该比非裂纹处点和其周围点的相关性弱,引入基于变异系统统计指标来帮助识别出开裂时刻和基于相关系数作为统计指标来判断裂纹起裂的时刻,识别结果更加精确;
4)针对断裂力学角度,在裂纹尖端会出现应变集中,采用边缘检测算子来提取裂纹,结合了形态学操作使得裂纹检测和提取更符合实际构件的应用场景。
附图说明
图1为本发明方法的结构框图;
图2为结构物表面位移场计算过程示意图;
图3为求变异系数流程图;
图4为求变异系数求值过程示意图;
图5为相关系数求值过程示意图;
图6为裂纹路径和特征提取过程示意图;
图7为裂纹宽度计算图;
图8为高速视频测量网络示意图;
图9为裂纹路径图(人工识别);
图10为裂纹路径图(自动提取);
图11为裂纹开展对比点选取图;
图12为基于X方向位移在线Y上等距点的开展宽度图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
如图1所示,本发明所提及的一种基于位移场的结构物表面裂纹检测和提取方法,包括以下步骤:
步骤1:利用高速摄影测量技术获取结构物表面三个方向上的位移场;
步骤2:在结构物表面位移场上使用局部空间统计指标探测裂纹两侧在位移场上表现出来的不连续特征,进行裂纹检测;
步骤3:利用边缘提取算法并结合形态学操作在位移场上提取裂纹路径。
如图2所示的利用高速摄影测量技术获取结构物表面位移场的计算过程,通过采用高速摄影测量技术来进行数据的采集和获取,然后在待测表面用网格法取点,对这些点用数字图像相关方法进行匹配,最后再进行插值得到整个待测面的位移场。具体包括以下步骤:
步骤1.1:采用高速摄影测量技术获取结构物表面立体影像数据,对待侧表面进行网格法取点;
步骤1.2:进行视频影像数据处理,采用数字图像相关方法进行匹配,包括图像匹配和特征点三维坐标解算;
步骤1.3:获取特征点的位移;
步骤1.4:获取结构物表面的位移场。
所述图像匹配为基于IC-GN迭代和FA-GN迭代的图像匹配,具体包括以下步骤:
步骤1.2.1:考虑到构件在受力过程中会发生形变,从而导致选取的进行匹配的子区发生变形或者旋转,因此引入子区形函数W(x,y;p),所述子区形函数为一阶形函数,表达式为:
式中p为变形向量,u,v为参考子区在X和Y两个方向的变化位移,x,y是位于参考子集中心点位远点的坐标;
步骤1.2.2:对参考子集和目标子集中的像素进行转换,计算目标子集中点的坐标:
式中x′,y′为经过形函数后目标子集中点的坐标。
式中xrefi和yrefj是初始参考子集中x,y坐标,xrefc和yrefc是初始参考子集中心点的x,y坐标,和是目标子集中点的坐标,(i,j)是相对于子集中心点的相对坐标,下标"rc"表示从参考子集到目标子集;
将变形向量p代入式(4)式得
所述步骤2中基于局部空间统计指标的裂纹检测方法包括基于变异系数的局部空间统计、基于相关系数的局部空间统计。
如图3和图4所示,所述基于变异系数的局部空间统计包括以下步骤:
步骤2.1.1:引入基于变异系数统计指标来帮助识别出裂纹的开裂时刻,则在第t帧影像中,第i个格网点的X方向、Y方向的位移值为:
第i个点在第t帧的总位移如式(8):
则第i个点总共有t个位移值,分别为δi(1),δi(2),...,δi(t)。
步骤2.1.2:计算δi(t)的标准差Si差:
记总点数为FP,则在第t帧影像上有FP个标准差,分别为S1,S2,...,SFP;
步骤2.1.3:计算变异系数;
如图3所示,定义以i点为中心,边长为l的正方形定义为计算区域,i点的运动模式用计算区域范围内的所有点的标准差的变异系数CVt i来衡量。在概率论和统计学中,变异系数,又称“离散系数”,是概率分布离散程度的一个归一化度量,其定义为标准差与平均值之比。最左边的图中十字所标出的是经过格网法得到的格网点的分布,在以1点为中心,边长为l的正方形的计算区域内(红框内区域)有9个点圆,分别是1号~9号点,已经得到了在第t帧图像中这些点的标准差,那么就可以用这9个标准差来计算变异系数CVt 1,遍历全部的点算出每个点的变异系数,从而得到在第t帧图像的所有格网点的变异系数CVt 1,CVt 2,...,CVt FP;
步骤2.1.4:确定变异系数阈值,进行裂纹信息判断;
设定一个变异系数的阀值T,统计变异系数大于T的点的个数为n,如若第t帧图像中的n大于T,则该图含有裂纹;相反若n小于T,则第t帧图像不含裂纹。
如图5所示,采用相关系数的局部空间统计来判断裂纹起裂的时刻,具体包括以下步骤:
步骤2.2.1:与步骤2.1.1相同;
步骤2.2.2:与步骤2.1.2相同;
步骤2.2.3:计算每一点与其他电的相关系数,取平均值作为该点的相关系数;cort i表示在第t帧图像中i号点的相关系数;遍历图中所有格网点,算出所有点的相关系数;
步骤2.2.4:确定阈值T,统计cor(i,j)(t)<T的个数n来作为断裂特征的指标。
选取Pearson相关系数函数,表达式为:
式中X,Y分别为相邻两点的位移集,n为样本容量。
所述相关系数cor相关性强弱判断如下:
相关系数绝对值范围为0.6-1.0,强相关;
相关系数绝对值范围为0.2-0.6,一般相关;
相关系数绝对值范围为0.0-0.2,弱相关。
如图6所示,所述裂纹提取算法包括以下步骤:
步骤3.1:裂纹路径提取;
在序列影像中,当结构构件表面发生裂纹时,则其在位移场中会表现为不连续,这样可以通过找到这种不连续而对裂纹进行检测和定位。再者,从断裂力学角度来说,在裂纹尖端会出现应变集中,这与在图像中用灰度值来进行边缘检测的原理是一样的,也是找到数值区域内有显著变化的点,以此来判断在t帧出现裂纹,并在t帧或者t帧以后的帧的位移场中用边缘检测算子来提取裂纹。
步骤3.2:裂纹开裂宽度特征提取,如图7所示。
裂纹的开展宽度是评价裂纹的一个重要特征,因为它是裂纹前沿刚度下降的反应,在构件屈服计算和疲劳寿命预测时,裂纹的开展都是十分重要的指标。对于裂纹开展宽度的测量,采用模拟裂尖实验的测量方法,可以得出空间上和时间上裂纹开展宽度的值。具体做法如上图所示,在提取出的裂纹路径上点的两边对称的取两个小窗口,用窗口中点位移的平均值来表示该窗口的位移,则对称的两个窗口位移的差值即为裂纹上对应点的开展宽度。当裂纹沿着Y方向扩展时,在X方向的位移场中进行裂纹分析,因为裂纹宽度是垂直裂纹方向的,沿X方向取两个窗口,即左窗口、右窗口,裂纹线上对应点处的开展宽度为右窗口包含的所有点在当前帧的位移的平均值减去左窗口包含的所有点在当前帧的位移的平均值即为裂纹线上对应点在当前帧中X方向的位移开展宽度。类似的,当裂纹沿着X方向扩展时,在Y方向的位移场中进行裂纹分析,沿Y方向取两个窗口,即上窗口、下窗口,裂纹线上对应点处的开展宽度为下窗口包含的所有在当前帧的位移的平均值减去上窗口含的所有特征在当前帧的位移的平值点即为裂纹线上对应点在当前帧中Y方向的位移开展宽度。
在空间上,沿着裂纹路径移动窗口就可以得到裂纹线上所有点在该帧的开展宽度。以上图为例,在第t帧图像的X方向位移场中,黑色的十字代表格网点,蓝色的粗线为提取的裂纹路径图,一对红色的小框为在裂纹路径上点两边取的计算窗口,左窗口中包含Z1~Z9九个点,右窗口中包含Y1~Y9九个点,则点在第t帧的开展宽度为Y1~Y9点在t帧位移与Z1~Z9点在t帧位移的平均值相减,沿裂纹的路径移动这一对窗口,则就可以得在t帧图像中,在整条裂纹空间上裂纹开展宽度的值。
实施例采用ARAMIS 4M rev03系统进行测量,ARAMIS是一套非接触的3D变形测量系统,系统中采用一对分辨率为2200×2752像素的CMOS相机,两台相机以及两盏LED试验样本照明灯都设在同一根杠上,且在本试验中相机的拍摄频率为1/10(即每10秒拍一帧)。在实验过程中,钢筋混凝土柱在外部框架作用下在水平方向做低周往复运动,此时主控电脑则控制立体相机同步拍摄影像序列。
裂纹路径的自动提取结果如图10所示,图9是将人工识别的裂纹,对比可知,裂纹检测结果相当可靠。
如图11所示,取裂纹上的点C(-85.1501,151.6638,62.1675)作横竖两条线,红线为y=151.6638mm,称为线R;黄线为x=-85.1501mm,称为线Y。在线Y上基于点C每隔20mm取一个点提取其在20s到850s基于X方向位移的开展宽度如图12所示。
从提取结果来看,钢筋混凝土柱在受剪开裂时,裂纹上点的开展宽度在时间上会有一个明显的跳变(即开展宽度急剧增大),这与脆性材料发生脆性断裂时的情况是符合的。在空间上,在裂纹点及其周围的一定范围内点的开展宽度会突然变大,而其他地方点的开展宽度会有所减小。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于位移场的结构物表面裂纹检测和提取方法,其特征在于,所述方法包括以下步骤:
步骤1:利用高速摄影测量技术获取结构物表面三个方向上的位移场;
步骤2:在结构物表面位移场上使用局部空间统计指标探测裂纹两侧在位移场上表现出来的不连续特征,进行裂纹检测;
步骤3:利用边缘提取算法并结合形态学操作在位移场上提取裂纹路径。
2.根据权利要求1所述的一种基于位移场的结构物表面裂纹检测和提取方法,其特征在于,所述步骤1的获取位移场包括以下步骤:
步骤1.1:采用高速摄影测量技术获取结构物表面立体影像数据,对待测表面进行网格法取点;
步骤1.2:进行视频影像数据处理,采用数字图像相关方法进行匹配,包括图像匹配和特征点三维坐标解算;
步骤1.3:获取特征点的位移;
步骤1.4:获取结构物表面的位移场。
3.根据权利要求2所述的一种基于位移场的结构物表面裂纹检测和提取方法,其特征在于,所述步骤1.2中的图像匹配为基于IC-GN迭代和FA-GN迭代的图像匹配,具体包括以下步骤:
步骤1.2.1:引入子区形函数W(x,y;p),所述子区形函数为一阶形函数,表达式为:
式中p为变形向量,u,v为参考子区在X和Y两个方向的变化位移,x,y是以参考子区中心点为原点时匹配目标的坐标;
步骤1.2.2:对参考子集和目标子集中的像素进行转换,计算目标子集中对应目标点的坐标:
式中x′,y′为经过形函数后目标子集中点的坐标;
式中xrefi和yrefj是初始参考子集中x,y坐标,xrefc和yrefc是初始参考子集中心点的x,y坐标,和是目标子集中点的坐标,(i,j)是相对于子集中心点的相对坐标,下标″rc″表示从参考子集到目标子集;
将变形向量p代入式(4)式得
式中ξrefc为形变后参考子集中x,y的增向量,W(Δξref;prc)是以增向量形式表达的子区形函数、Δξref为形变后目标子集中点相对于初始目标子集的x,y增向量、prc为变形向量,下标″rc″表示从参考子集到目标子集;Δxref,Δyref是子集中点到中心的距离,改写式(5)得到最终参考子集点的坐标
xrefi和yrefj是初始参考子集中x,y坐标,u,v为参考子区在X和Y两个方向的变化位移,下标″rr″表示从初始参考子集到形变后参考子集;
步骤1.2.5:特征点三维坐标解算:
在获取影像序列中跟踪点的像平面坐标后,即采用光束法平差确定目标点在三维空间中的坐标,光束法平差将目标点的像平面坐标和相机参数作为一个光束进行整体平差,其基本模型是共线条件方程:
4.根据权利要求1所述的一种基于位移场的结构物表面裂纹检测和提取方法,其特征在于,所述步骤2中基于局部空间统计指标的裂纹检测方法包括基于变异系数的局部空间统计、基于相关系数的局部空间统计。
5.根据权利要求4所述的一种基于位移场的结构物表面裂纹检测和提取方法,其特征在于,所述基于变异系数的局部空间统计包括以下步骤:
步骤2.1.1:获取X,Y方向的位移量并计算总位移量:
式中xi(t),yi(t)点分别表示第i个点在第t帧影像中横坐标和纵坐标值,xi(1),yi(1)分别表示第i个点在第1帧影像中横坐标和纵坐标值,分别表示第i个点在第t帧影像中X方向和Y方向值;则第i个点在第t帧的总位移δi(t)如式(8):
步骤2.1.2:计算δi(t)的标准差Si差:
步骤2.1.3:计算变异系数;
以i点为中心,边长为1的正方形确定计算区域,i点的运动模式用计算区域范围内所有点标准差的变异系数来衡量;所述变异系数为标准差与平均值之比;遍历全部的点算出每个点的变异系数,从而得到在第t帧图像的所有格网点的变异系数
步骤2.1.4:确定变异系数阈值,进行裂纹信息判断;
设定一个变异系数的阀值T,统计变异系数大于T的点的个数为n,如若第t帧图像中的n大于T,则该图含有裂纹;相反若n小于T,则第t帧图像不含裂纹。
7.根据权利要求6所述的一种基于位移场的结构物表面裂纹检测和提取方法,其特征在于,所述相关系数cor相关性强弱判断如下:
相关系数绝对值范围为0.6-1.0,强相关;
相关系数绝对值范围为0.4-0.6,一般相关;
相关系数绝对值范围为0.0-0.4,弱相关。
8.根据权利要求6所述的一种基于位移场的结构物表面裂纹检测和提取方法,其特征在于,所述相关性与裂纹处关系如下:裂纹处点相关性与其周围的点比非裂纹处点和其周围点的相关性弱。
9.根据权利要求1所述的一种基于位移场的结构物表面裂纹检测和提取方法,其特征在于,所述裂纹提取算法包括以下步骤:
步骤3.1:裂纹路径提取;
步骤3.2:裂纹开裂宽度特征提取;
所述裂纹路径提取为找到数值区域内显著变化的点,以此判断在t帧出现裂纹,并在t帧或t帧以后的帧的位移场中用边缘检测算子来提取裂纹;
所述边缘提取算法包括Roberts边缘算子、Prewitt边缘算子。
10.根据权利要求1所述的一种基于位移场的结构物表面裂纹检测和提取方法,其特征在于,所述裂纹开裂宽度特征提取过程为:在提取出的裂纹路径上点的两边对称的取两个小窗口,用窗口中点位移的平均值来表示该窗口的位移,则对称的两个窗口位移的差值为裂纹上对应点的开展宽度;所述位移差值为当前帧的位移的平均值间的差值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110876575.XA CN113506292B (zh) | 2021-07-30 | 2021-07-30 | 一种基于位移场的结构物表面裂纹检测和提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110876575.XA CN113506292B (zh) | 2021-07-30 | 2021-07-30 | 一种基于位移场的结构物表面裂纹检测和提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113506292A true CN113506292A (zh) | 2021-10-15 |
CN113506292B CN113506292B (zh) | 2022-09-20 |
Family
ID=78014716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110876575.XA Active CN113506292B (zh) | 2021-07-30 | 2021-07-30 | 一种基于位移场的结构物表面裂纹检测和提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113506292B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114266776A (zh) * | 2022-03-03 | 2022-04-01 | 南京航空航天大学 | 一种应用复合裂纹位移场函数的数字图像相关方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102305795A (zh) * | 2011-07-29 | 2012-01-04 | 河海大学 | 一种混凝土表面微小裂缝的定位方法 |
JP2013238449A (ja) * | 2012-05-14 | 2013-11-28 | Taisei Corp | ひび割れ検出方法 |
CN104280455A (zh) * | 2014-09-29 | 2015-01-14 | 北京工业大学 | 一种用于裂纹方向识别的超声散射系数优化计算方法 |
CN105334269A (zh) * | 2015-10-19 | 2016-02-17 | 江苏大学 | 一种基于神经网络和导波特征数据库的管道缺陷类别判别方法 |
CN107610104A (zh) * | 2017-08-31 | 2018-01-19 | 南通兴华达高实业有限公司 | 一种基于机器视觉的电梯补偿链r处裂纹检测方法 |
CN108986070A (zh) * | 2018-05-30 | 2018-12-11 | 同济大学 | 一种基于高速视频测量的岩石裂缝扩展实验监测方法 |
CN109900712A (zh) * | 2019-04-17 | 2019-06-18 | 中国人民解放军国防科技大学 | 基于摄像测量的风电叶片机械故障在线检测系统及其方法 |
CN109900713A (zh) * | 2019-04-17 | 2019-06-18 | 中国人民解放军国防科技大学 | 摄像引导的无人机风电叶片缺陷动态检测系统及其方法 |
CN110197157A (zh) * | 2019-05-31 | 2019-09-03 | 武汉理工大学 | 一种基于历史裂纹数据的路面裂纹生长检测方法 |
CN110992346A (zh) * | 2019-09-17 | 2020-04-10 | 浙江工业大学 | 一种基于dip和dicm的疲劳裂纹长度在线检测方法 |
CN111256594A (zh) * | 2020-01-18 | 2020-06-09 | 中国人民解放军国防科技大学 | 一种飞机蒙皮表面状态物理特征的测量方法 |
CN112818822A (zh) * | 2021-01-28 | 2021-05-18 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种航空航天复合材料损伤区域自动识别方法 |
-
2021
- 2021-07-30 CN CN202110876575.XA patent/CN113506292B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102305795A (zh) * | 2011-07-29 | 2012-01-04 | 河海大学 | 一种混凝土表面微小裂缝的定位方法 |
JP2013238449A (ja) * | 2012-05-14 | 2013-11-28 | Taisei Corp | ひび割れ検出方法 |
CN104280455A (zh) * | 2014-09-29 | 2015-01-14 | 北京工业大学 | 一种用于裂纹方向识别的超声散射系数优化计算方法 |
CN105334269A (zh) * | 2015-10-19 | 2016-02-17 | 江苏大学 | 一种基于神经网络和导波特征数据库的管道缺陷类别判别方法 |
CN107610104A (zh) * | 2017-08-31 | 2018-01-19 | 南通兴华达高实业有限公司 | 一种基于机器视觉的电梯补偿链r处裂纹检测方法 |
CN108986070A (zh) * | 2018-05-30 | 2018-12-11 | 同济大学 | 一种基于高速视频测量的岩石裂缝扩展实验监测方法 |
CN109900712A (zh) * | 2019-04-17 | 2019-06-18 | 中国人民解放军国防科技大学 | 基于摄像测量的风电叶片机械故障在线检测系统及其方法 |
CN109900713A (zh) * | 2019-04-17 | 2019-06-18 | 中国人民解放军国防科技大学 | 摄像引导的无人机风电叶片缺陷动态检测系统及其方法 |
CN110197157A (zh) * | 2019-05-31 | 2019-09-03 | 武汉理工大学 | 一种基于历史裂纹数据的路面裂纹生长检测方法 |
CN110992346A (zh) * | 2019-09-17 | 2020-04-10 | 浙江工业大学 | 一种基于dip和dicm的疲劳裂纹长度在线检测方法 |
CN111256594A (zh) * | 2020-01-18 | 2020-06-09 | 中国人民解放军国防科技大学 | 一种飞机蒙皮表面状态物理特征的测量方法 |
CN112818822A (zh) * | 2021-01-28 | 2021-05-18 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种航空航天复合材料损伤区域自动识别方法 |
Non-Patent Citations (2)
Title |
---|
MICHAEL VORMWALD 等: "《Crack tip displacement fields measured by digital image correlation for evaluating variable mode-mixity during fatigue crack growth》", 《INTERNATIONAL JOURNAL OF FATIGUE》 * |
SA GAO 等: "《Full‐field deformation measurement by videogrammetry using self‐adaptive window matching》", 《THE PHOTOGRAMMETRIC RECORD》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114266776A (zh) * | 2022-03-03 | 2022-04-01 | 南京航空航天大学 | 一种应用复合裂纹位移场函数的数字图像相关方法 |
CN114266776B (zh) * | 2022-03-03 | 2022-06-10 | 南京航空航天大学 | 一种应用复合裂纹位移场函数的数字图像相关方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113506292B (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102256181B1 (ko) | 강구조물의 도막 상태 검사 및 평가 방법과 이를 위한 시스템 | |
CN104930985B (zh) | 基于时空约束的双目视觉三维形貌测量方法 | |
CN108986070B (zh) | 一种基于高速视频测量的岩石裂缝扩展实验监测方法 | |
CN109801333B (zh) | 体积测量方法、装置、系统及计算设备 | |
CN108562250B (zh) | 基于结构光成像的键盘键帽平整度快速测量方法与装置 | |
Liu et al. | An improved online dimensional measurement method of large hot cylindrical forging | |
CN110728753B (zh) | 一种基于线性拟合的目标点云3d边界框拟合方法 | |
JP2017053819A (ja) | コンクリートのひび割れ検出方法及び検出プログラム | |
CN113506292B (zh) | 一种基于位移场的结构物表面裂纹检测和提取方法 | |
Zhong et al. | Stereo-rectification and homography-transform-based stereo matching methods for stereo digital image correlation | |
Liu et al. | Real-time 3D surface measurement in additive manufacturing using deep learning | |
CN101629812B (zh) | 一种焊接接头成形组织特征的测量方法 | |
CN115222905A (zh) | 基于视觉特征的空地多机器人地图融合方法 | |
Yan et al. | Multi-line laser structured light fast visual positioning system with assist of TOF and CAD | |
CN113446932A (zh) | 非接触式裂纹测量方法及其系统 | |
WO2021238095A1 (zh) | 一种合金分析系统及其复检方法 | |
JP2010009236A (ja) | 平面領域推定装置及びプログラム | |
CN108180871A (zh) | 一种定量评价复合绝缘子表面粉化粗糙度的方法 | |
CN114111576B (zh) | 一种飞机蒙皮间隙面差检测方法 | |
Zou et al. | Laser-based precise measurement of tailor welded blanks: a case study | |
CN114812983A (zh) | 一种基于激光阵列的桥梁裂缝测量方法、装置及设备 | |
KR101807707B1 (ko) | 신발솔 표면 표식 인식 기반 신발솔 표면 치수 비교방법 | |
CN111504232A (zh) | 一种混凝土裂缝数字化检测方法 | |
KR101919958B1 (ko) | 건축 구조물의 변형률 분포 시각화 장치 및 방법 | |
Xia et al. | A Photogrammetric Computer Vision Approach for 3D Reconstruction and Volume-Change Measurement of Unsaturated Soils |
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 |