CN113536570B - 一种应力参数计算方法、装置、系统及计算机设备 - Google Patents
一种应力参数计算方法、装置、系统及计算机设备 Download PDFInfo
- Publication number
- CN113536570B CN113536570B CN202110806664.7A CN202110806664A CN113536570B CN 113536570 B CN113536570 B CN 113536570B CN 202110806664 A CN202110806664 A CN 202110806664A CN 113536570 B CN113536570 B CN 113536570B
- Authority
- CN
- China
- Prior art keywords
- level
- image pyramid
- sub
- image
- displacement
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 78
- 238000006073 displacement reaction Methods 0.000 claims abstract description 171
- 238000000034 method Methods 0.000 claims abstract description 85
- 230000008569 process Effects 0.000 claims description 22
- 238000000280 densification Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 14
- 230000003287 optical effect Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 11
- 239000000463 material Substances 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000005286 illumination Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000011365 complex material Substances 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- 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
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
- G01B15/06—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons for measuring the deformation in a solid
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/08—Testing mechanical properties
- G01M11/081—Testing mechanical properties by using a contact-less detection method, i.e. with a camera
-
- 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
- G06T7/20—Analysis of motion
- G06T7/269—Analysis of motion using gradient-based methods
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/754—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries involving a deformation of the sample pattern or of the reference pattern; Elastic matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0058—Kind of property studied
- G01N2203/0069—Fatigue, creep, strain-stress relations or elastic constants
- G01N2203/0075—Strain-stress relations or elastic constants
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/06—Indicating or recording means; Sensing means
- G01N2203/0641—Indicating or recording means; Sensing means using optical, X-ray, ultraviolet, infrared or similar detectors
- G01N2203/0647—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/44—Morphing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Quality & Reliability (AREA)
- Electromagnetism (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本文提供了一种应力参数计算方法、装置、系统及计算机设备,其中方法包括:根据样本变形前的图像建立第一图像金字塔,根据样本变形后的图像建立与第一图像金字塔相对应的第二图像金字塔;从第一图像金字塔顶层层级开始,基于第一图像金字塔中每一层级的每个子区中心点以及该子区中其他位置,迭代计算第一图像金字塔中每一层级相对于第二图像金字塔对应层级的位移信息;根据第一图像金字塔底层层级的位移信息,计算样本的应变信息;基于应变信息,计算样本的应力参数。本文基于各层级各子区中心点以及其他位置的位移计算该层级的位移信息,能够提高位移信息计算的准确性;通过建立图像金字塔提高了计算效率。
Description
技术领域
本发明涉及材料应力技术领域,尤其涉及一种应力参数计算方法、装置、系统及计算机设备。
背景技术
现有的对材料力学参数的测量方法主要包括以下两种,一种是使用应变片测量:在被测物体表面粘结应变片并将应变片与外界电路相连;在向被测物体表面加载荷载时,被测物体会产生机械变形,其上的应变片也随之产生变形。应变片变化量可通过外接电路的电流或电压表现,从而通过计算电压或电流的变化值获得应变片所在位置的被测物体的应变值,进而根据力学方程计算被测物体的力学参数。这种方法的缺陷在于,首先,由于需要粘结应变片,因此需要选择恰当的粘结位置;为避免外界影响,应变片应紧密的与被测物体粘结;除此之外,为了保证实验准确可能需要多组应变片配合,导致前期准备工作繁琐、耗时严重。其次,应变片只能测量其覆盖范围内的被测物体的平均应变信息,无法对被测物体全场的应变分布进行测量。第三,应变片测量法获取的电流或电压信号,需要经过非常复杂的计算才能得到所需的力学参数。
另一种方法是通过对被测物体不断加载荷载直至被测物体损坏,根据最大荷载的值得到该被测物体的临界破坏压力等力学参数。这种方法操作简单、结果直观,但也具有明显的缺陷:不能对被测物体进行力学参数的反复测量;并且不能在加载过程中实时反应被测物体的应变、位移等参数。
针对现有技术存在的上述缺陷,本文旨在提供一种既能保证计算精度又能保证计算处理效率的材料应力参数计算方法、装置、系统及计算机设备。
发明内容
针对现有技术的上述问题,本文的目的在于,提供一种应力参数计算方法、装置、系统及计算机设备,以解决现有技术中对材料应力参数计算不能兼顾准确性和效率的问题。
为了解决上述技术问题,本文的具体技术方案如下:
一方面,本文提供一种应力参数计算方法,包括:
根据样本变形前的图像建立第一图像金字塔,根据样本变形后的图像建立与所述第一图像金字塔相对应的第二图像金字塔;
从所述第一图像金字塔顶层层级开始,基于所述第一图像金字塔中每一层级的每个子区中心点以及该子区中其他位置,迭代计算所述第一图像金字塔中每一层级相对于所述第二图像金字塔对应层级的位移信息;
根据所述第一图像金字塔底层层级的位移信息,计算所述样本的应变信息;
基于所述应变信息,计算所述样本的应力参数。
进一步地,所述从所述第一图像金字塔顶层层级的位置信息开始,迭代计算所述第一图像金字塔中每一层级的每个子区中心点以及该子区中其他位置相对于所述第二图像金字塔对应层级的位置信息之前,所述方法包括:
对所述第一图像金字塔中每一层级进行子区划分,所述第一图像金字塔顶层层级为一个子区,按照层级关系,每个层级对应的子区增多。
具体地,所述基于所述第一图像金字塔中每一层级的每个子区中心点以及该子区中其他位置,迭代计算所述第一图像金字塔中每一层级相对于所述第二图像金字塔对应层级的位移信息,包括:
获取所述第一图像金字塔每一层级的每个子区中心点的位移初值;
根据所述位移初值,基于反向高斯-牛顿迭代法与所述第二图像金字塔对应层级进行匹配计算,获得所述第一图像金字塔每一层级的每个子区中心点的位移终值;
基于所述位移终值和对应的所述子区中的其他位置进行稠密化处理,得到所述第一图像金字塔每一层级相对于第二图像金字塔对应层级的位移信息。
进一步地,所述获取所述第一图像金字塔每一层级的每个子区中心点的位移初值,包括:
预设所述第一图像金字塔顶层层级的子区的位移信息;
基于所述层级关系,根据所述第一图像金字塔中上一层级的位移信息,计算所述第一图像金字塔中下一层级的每个子区中心点的位移初值。
优选地,所述基于所述位移终值和对应所述子区中的其他位置进行稠密化处理,得到所述第一图像金字塔每一层级的位移信息之前,所述方法还包括:
计算所述位移初值和所述位移终值的欧几里得范数;
将所述欧几里得范数与所述子区的尺寸参数进行比较;
当所述欧几里得范数大于所述子区的尺寸参数时,基于所述位移终值和对应的所述子区中的其他位置进行稠密化处理。
进一步地,所述当所述欧几里得范数大于所述子区的尺寸参数时,基于所述位移终值和对应的所述子区中的其他位置进行稠密化处理,进一步包括:
基于所述第二图像金字塔的灰度信息和所述第一图像金字塔的灰度信息,计算所述第一图像金字塔每一层级的每个子区的其他位置的位移信息。
优选地,所述基于所述位移终值和对应的所述子区中的其他位置进行稠密化处理,得到所述第一图像金字塔每一层级的位移信息之后,还包括:
将所述第一图像金字塔每一层级的位移信息代入具有L1范数形式的全变分项和照明函数项的光流约束方程中,对所述第一图像金字塔每一层级的位移信息进行优化。
第二方面,本文提供一种应力参数计算装置,包括:
图像金字塔建立模块,用于根据样本变形前的图像建立第一图像金字塔,根据样本变形后的图像建立与所述第一图像金字塔相对应的第二图像金字塔;
位移信息计算模块,用于从所述第一图像金字塔顶层层级的位移信息开始,基于所述第一图像金字塔中每一层级的每个子区中心点以及该子区中其他位置,迭代计算所述第一图像金字塔中每一层级相对于所述第二图像金字塔对应层级的位移信息;
应变信息计算模块,用于根据所述第一图像金字塔底层层级的位移信息,计算所述样本的应变信息;
应力参数计算模块,用于基于所述应变信息,计算所述样本的应力参数。
第三方面,本文还提供一种应力参数计算系统,包括:
载荷加载装置,用于向被样本加载载荷使所述样本发生变形;
图像采集设备,用于采集样本变形前的图像和样本发生变形后的图像;
和如上述技术方案提供的应力参数计算装置,所述应力参数计算装置与所述载荷加载装置以及所述图像采集设备相连接,用于接收所述载荷加载装置施加于所述样本上的载荷数据和所述图像采集设备采集到的图像信息,并根据所述载荷数据和所述图像信息计算所述样本的应力参数。
第四方面,本文提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述技术方案提供的应力参数计算方法。
采用上述技术方案,本文所述的一种应力参数计算方法、装置、系统及计算机设备,基于第一图像金字塔各层级各子区中心点以及其他其他位置的位移计算该层级的位移信息,能够提高位移信息计算的准确性;并且通过建立图像金字塔优化计算效率,兼顾了应力参数计算的效率和准确性。
为让本文的上述和其他目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附图式,作详细说明如下。
附图说明
为了更清楚地说明本文实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本文的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本文实施例提供的一种材料应力参数计算方法的步骤示意图;
图2示出了图像金字塔的建立示意图;
图3示出了本文实施例中计算第一图像金字塔每一层级位移信息的步骤示意图;
图4示出了本文实施例选取的子集的示意图;
图5示出了本文实施例提供的一种材料应力参数计算装置的结构示意图;
图6示出了本文实施例提供的一种材料应力参数计算系统的结构示意图;
图7示出了本文实施例提供的一种计算机设备的结构示意图。
附图符号说明:
10、应力参数计算装置;
20、载荷加载装置;
30、图像采集设备;
51、图像金字塔建立模块;
52、位移信息计算模块;
53、应变信息计算模块;
54、应力参数计算模块;
702、计算机设备;
704、处理器;
706、存储器;
708、驱动机构;
710、输入/输出模块;
712、输入设备;
714、输出设备;
716、呈现设备;
718、图形用户接口;
720、网络接口;
722、通信链路;
724、通信总线。
具体实施方式
下面将结合本文实施例中的附图,对本文实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本文一部分实施例,而不是全部的实施例。基于本文中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本文保护的范围。
需要说明的是,本文的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本文的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,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、装置、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
现有的采用应变片测量的方法和计算被测物体临界破坏压力的方法,都具有明显的缺陷,而数字图像相关法(Digital Image Correlation,DIC),又称数字散斑相关法,是应用计算机视觉技术的一种图像测量方法。其原理是将试件变形前、后的两幅图像,通过相关计算获取感兴趣区域的变形信息。具体地,对变形前图像中的感兴趣区域进行网格划分,将每个子区域当作刚性运动。再针对每个子区域,通过一定的搜索方法按预先定义的相关函数来进行相关计算,在变形后图像中寻找与该子区域的互相关系数为最大值的区域,即该子区域在变形后的位置,进而获得该子区域的位移。对全部子区域进行计算,最终即可获得全场的变形信息。由于该方法对实验环境要求极为宽松,并且具有全场测量、抗干扰能力强、测量精度高等优点。
但数字图像相关法为得到变形信息需要进行大量的计算,这对计算处理效率造成了影响,因此,使用数字图像相关法进行变形场测量时高的图像分辨率以及密集的数据点是获得高质量试验结果的必要条件,但这将显著增加数字图像相关法的处理时间。
有鉴于此,为了在确保试验结果质量的同时提高数字图像相关法处理效率,本说明书实施例提供了材料应力参数的计算方法、装置、系统、设备及存储介质。如图1所示,是本文实施例提供的一种材料应力参数的计算方法的步骤示意图,本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或装置产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行。具体的如图1所示,所述方法可以包括:
S110:根据样本变形前的图像建立第一图像金字塔,根据样本变形后的图像建立与所述第一图像金字塔相对应的第二图像金字塔。
如图2所示,是图像金字塔的建立示意图。图像金字塔的底层层级即第0层,是获取的原始图像(样本变形前的图像或样本变形后的图像),原始图像的尺寸参数记为M像素×N像素(M可以与N相等也可以不相等)。将原始图像以预设的缩放比例γ进行缩小,产生尺寸为(M/γ)像素×(N/γ)像素的图片并储存为第1层图像;进而基于第1层图像再进行一次同样的缩小过程产生第2层图像;而后不断重复缩小过程得到各个层级的不同尺寸大小的图像,直至第i层级图像中所包含的信息足够小以满足光流约束方程的小位移局限为止。由于经过上述步骤最终形成的图片计算框架结构形似“金字塔”结构,因此将最终得到的图像集称为“图像金字塔”,得到图像金字塔的过程称为建立图像金字塔。
需要说明的是,在图片逐步缩小的过程中,上一图层(相对靠近金字塔塔顶)的单一像素记录的灰度信息是由对下一(相对靠近金字塔塔底)图层的多个像素进行灰度平均得到的,因此,各层级图像的纹理细节特征是不断粗糙化的,是一个“由细到粗”的过程,即如图2右侧箭头所指引的方向。
S120:从所述第一图像金字塔顶层层级开始,基于所述第一图像金字塔中每一层级的每个子区中心点以及该子区中其他位置,迭代计算所述第一图像金字塔中每一层级相对于所述第二图像金字塔对应层级的位移信息。
即从第一图像金字塔的顶层层级(即第i层图像)开始,将得到的顶层层级的位移信息(一般是矩阵形式的位移解)按照先前设定的缩放比例γ进行放大,同时也将顶层层级位移解的数值大小按照缩放比例γ进行放大;然后将其代入下一层(即第i-1层)的位移信息的计算中,再基于第i-1层的位移信息计算产生第i-2层的位移信息,而后不断重复这一过程,直至得到原始图片层(即第0层)的位移信息。由此可见,对第一图像金字塔每个层级位移信息的计算是一个“由粗到细”的过程,即如图2中左侧箭头所指引的方向。
需要说明的是,此处,每个子区中的其他位置是指除该子区中心点以外的其他位置,即所述第一图像金字塔每个层级的位移信息不仅只依赖于各层级中每个子区的中心点的位移信息,还依赖于各层级每个子区除中心点以外的其他位置的位移信息,因此,能够提高各层级位移信息计算的精确性。
S130:根据所述第一图像金字塔底层层级的位移信息,计算所述样本的应变信息。
S140:基于所述应变信息,计算所述样本的应力参数。
本说明书实施例提供的一种应力参数计算方法,基于第一图像金字塔各层级各子区中心点以及其他其他位置的位移该层级的位移信息,能够提高位移信息计算的准确性;并且通过建立图像金字塔的方式,在计算图像金字塔的前几层的位移信息时,由于子区数量较少不会消耗太多计算时间;当计算到下面几层时(尤其是底层原始图像),由于前几层的计算已经得到了足够精确的位移信息用于迭代作为下一层的位移信息计算的初值,所以在后几层的计算中,算法迭代过程可以在位移初值的附近“邻域”进行,极大地降低了计算量,从而优化了计算效率;综上,本说明书实施例提供的方法兼具了计算效率和计算精度。
本说明书实施例中,步骤S120:从所述第一图像金字塔顶层层级开始,基于所述第一图像金字塔中每一层级的每个子区中心点以及该子区中其他位置,迭代计算第一图像金字塔中每一层级相对于所述第二图像金字塔对应层级的位移信息之前,所述方法还包括:
对所述第一图像金字塔中每一层级进行子区划分,所述第一图像金字塔顶层层级为一个子区;可设置子区的尺寸参数大于或等于所述第一图像金字塔顶层层级的尺寸。
按照层级关系,每个层级对应的子区逐渐增多;即除第一图像金字塔顶层层级外的其他各个层级,所划分出的子区均不止一个。
在划分子区时,应使得划分的子区遍历整个层级的图像;并且,优选地,除所述第一图像金字塔顶层层级外的其他各个层级,使得相邻两个子区之间重叠设置,重叠部分的大小可基于子区的尺寸参数进行调节,使得增加子区划分的稠密性,进而可提高各层级位移信息的空间稠密性,提高位移信息的计算精度。
本说明书实施例中,如图3所示,步骤S120:从第一图像金字塔顶层层级开始,基于所述第一图像金字塔中每一层级的每个子区中心点以及该子区中其他位置,迭代计算第一图像金字塔中每一层级相对于所述第二图像金字塔对应层级的位移信息,具体包括:
S210:获取所述第一图像金字塔每一层级的每个子区中心点的位移初值;
S220:根据所述位移初值,基于反向高斯-牛顿迭代法与所述第二图像金字塔对应层级进行匹配计算,获得所述第一图像金字塔每一层级的每个子区中心点的位移终值;
S230:基于所述位移终值和对应的所述子区的其他位置进行稠密化处理,得到所述第一图像金字塔每一层级相对于第二图像金字塔对应层级的位移信息。
本说明书实施例提供的应力参数计算方法,将Lucas-Kanade方法(包括子区划分和获取位移初值)与反向组合高斯-牛顿迭代算法相结合实现局部DIC,由于Lucas-Kanade方法的模型比较简单,不需要计算复杂的形状函数和相关系数;同时,反向组合高斯-牛顿迭代算法在图像梯度计算方面作出了极大的简化,能够较为精确的计算第一图像金字塔每一层级相对于第二图像金字塔对应层级的位移信息,实现了对计算的效率和精确性的兼顾,使得复杂的材料的位移和变形测量向着实时化应用迈进一步。进一步地,通过稠密化处理使得各图像子区不仅仅包含中心点的位移终值,还包括其他其他位置的位移,最终使得第一图像金字塔各层级的位移信息更加稠密,更加趋近于连续的位移场。
进一步地,步骤S210:获取所述第一图像金字塔每一层级的每个子区中心点的位移初值,进一步包括:
预设所述第一图像金字塔顶层层级的子区的位移信息;
基于所述层级关系,根据所述第一图像金字塔中上一层级的位移信息,计算所述第一图像金字塔中下一层级的每个子区中心点的位移初值。
ui,0=ui+1(xc/γ)·γ (1)
其中,ui,0为第i层级子区的位移初值,其下标0表示为初值;ui+1为第i+1层级的位移信息;xc为第i层级子区中心点的坐标;γ为层级间的缩放比例。
即下一层级中各子区的位移初值(是一种局部的参量)是由上一层级的位移信息(是一种全局的参量)迭代计算得到。本说明书实施例中,将第一图像金字塔顶层层级子区的位移初值预设为零,进而得到顶层层级的位移信息。
进一步地,步骤S220:根据所述位移初值,基于反向高斯-牛顿迭代法与所述第二图像金字塔对应层级进行匹配计算,获得所述第一图像金字塔每一层级的每个子区中心点的位移终值,具体可采用如下的方法步骤:
计算变形前图像(即第一图像金字塔底层层级)灰度梯度矩阵。具体地,可以采用比较简单的有限前向差分方法。在这之后,第一图像金字塔中各层级图像的灰度梯度矩阵可作为一种查找模板而不再变动,能够极大地减少在迭代计算每一层级图像灰度梯度中的耗时。
获取形状函数关于参量系数的雅可比矩阵,所述形状函数可以用来预测第二图像金字塔相对于第一图像金字塔的变形情况,形状函数一般是描述位移的未知系数多项式,所述参量系数即为多项式的未知系数。
根据灰度梯度矩阵和所述形状函数,计算待匹配的第一图像金字塔中各层级子区的最速下降图像矩阵。
将预先设置的或预先获得的所述位移初值(u0,v0),代入所述形状函数中,得到初始的第二图像金字塔对应层级对应的子区像素坐标,再基于这些坐标和第二图像金字塔,通过灰度插值的方法得到残差图像子集矩阵。
利用所述最速下降图像矩阵和所述残差图像子集矩阵,计算位移或所述参量系数的迭代值。
将上述步骤计算得到的迭代值与位移初值相叠加,作为新的位移初值代入位移形状函数中。
重复上述迭代过程直至所述迭代值满足预设要求,例如,位移迭代值其欧几里得范数小于极小值:
本说明书中,步骤S230:基于所述位移终值和对应所述子区中的其他位置进行稠密化处理,得到所述第一图像金字塔每一层级的位移信息之前,所述方法还包括:
计算所述位移初值和所述位移终值的欧几里得范数(即计算位移迭代量:ui-ui,0||2)。
将所述欧几里得范数与所述子区的尺寸参数进行比较;
当所述欧几里得范数大于所述子区的尺寸参数时,基于所述位移终值和对应的所述子区中的其他位置进行稠密化处理,在确保计算精度的同时保证位移计算的稳定和可靠性。
进一步地,本说明书中,当所述欧几里得范数大于所述子区的尺寸参数时,基于所述位移终值和对应的所述子区中的其他位置进行稠密化处理,可以包括:
基于所述第二图像金字塔的灰度信息和所述第一图像金字塔的灰度信息,计算所述第一图像金字塔每一层级的每个子区的其他位置的位移信息。
具体地,可采用下述公式(3)进行稠密化处理:
其中,ui(x)为第一图像金字塔第i层级子区s内x处的位移;χs,x为子区的覆盖指数,若子区s在位置x处有覆盖,则χs,x=1,若子区s在位置x处无覆盖,则χs,x=0;Is(t)表示样本变形前(即第一图像金字塔),子区s的灰度分布,Is(t+1)表示样本变形后(即第二图像金字塔),子区s的灰度分布;uis为子区s的位移(中心点的位置终值)。
由于在划分各层级图像子区时,本说明书实施例中优选地使得相邻子区之间形成有重叠(可以有两个子区相互重叠,还可以有不止两个子区相互重叠的情况),此处根据发生重叠的各子区中心点的位移终值来获得子区其他位置的位移,使得图像子区不仅仅包含中心点的位移终值,最终使得第一图像金字塔各层级的位移信息更加稠密,趋近于连续的位移场。
优选地,本说明书中,在基于所述位移终值和对应的所述子区的其他位置进行稠密化处理,得到所述第一图像金字塔每一层级的位移信息之后,还包括:
将所述第一图像金字塔每一层级的位移信息代入具有L1范数形式的全变分项和照明函数项的光流约束方程中,对所述第一图像金字塔每一层级的位移信息进行优化。
即代入到以下公式(4)中:
其中,inf为求最优解,Ω为有限实数定义域;ui为第i层在x方向的位移;vi为第i层在y方向的位移,即为L1范数形式的全变分项;λ为位移计算项的权重系数;Ii是第i层图像的灰度,γ为层级间的缩放比例;wi为照明函数项,用于表征图像的亮度和对比度变化,β为照明函数项的权重系数。
上述改进后的光流约束方程由于采用L1范数形式的全变分项替代了原光流约束方程中的L2范数形式的“正则化”惩罚项,从而能够适用于不连续位移场和大位移场等场景下位移信息的计算;并且,加入了照明函数项,有利于提高各层级位移信息的准确性。而本说明书实施例中,基于上述改进后的光流约束方程对各层级的位移信息进行优化,使得具有同样的适用性以及精确性,进而在基于第一图像金字塔底层层级的位移信息计算应变信息及应力参数时,取得更加精确的结果。
本说明书实施例中,步骤S130:根据所述第一图像金字塔底层层级的位移信息,计算所述样本的应变信息,可以采用如下方法步骤:
格林-拉格朗日应变张量(Green-Lagrange Strain Tensor)的定义为:
其中,x为变形后位置,X为变形前位置;E为物质应变张量;F为变形梯度;I为单位矩阵。
将公式(5)进行改写为:
其中,Fp为平面变形梯度,SΩ为所选区域的面积,x是位移矢量,v是外轮廓法线方向向量;s为区域轮廓。
在计算公式(6)时,可以选取第一图像金字塔底层层级图像一定区域内的像素点作为一个子集,子集形状可以由具体图像形状确定,一般来说会选用三角形、菱形和正方形,如图4所示,为选取的几种子集的示意图,其中参与计算的像素点的数目也可以根据具体情况进行增减。
设定好子集的形状后,计算该子集中像素点的平面变形梯度,则公式式(6)可进一步改写为:
其中,N代表子集轮廓点的数量;vn代表对应线段的外法线方向向量;ln代表对应线段的单位长度。实际上,在确定的轮廓上vndln是一个常数,假设绕轮廓逆时针方向为正,可以得到vndln的计算公式:
将公式(8)代入到公式(7)中可以得到:
其中有关子集面积SΩ可以依据以下公式进行求解:
同时,在我们得到变形梯度[F]之后,就可以直接求得线性化应变张量:
至此便得到了一个子集的线性化应变张量(一般来说,可将此应变张量作为子集中心点处的应变张量),重复这一步骤对全场图像划分子集进行计算就可以得到全场各像素点的应变数据。从而,本说明书实施例提供的应力参数计算方法,直接根据第一图像金字塔底层层级的位移信息得到了应变数据,而不是通过常规的近似的方法得到,因此应变信息的计算更加精确。
本说明书实施例中,在步骤S140:基于所述应变信息,计算所述样本的应力参数,可以通过如下方式:
在求得所述第一图像金字塔底层层级的位移信息与应变信息之后,可以直接根据所需求解的力学参数的定义来进行相关参数的求解。
例如,根据杨氏模量的定义,即公式(12),来求解样本的杨氏模量、
其中,σ为应力(即加载至样本上的应力),可根据载荷加载装置得到;ε为全场应变,可通过上述应变信息的计算方法获得。
又例如,根据泊松比的定义,即公式(13),求解样本的泊松比:
公式(13)中各参数可以由杨氏模量的应变计算获得。
综上,本说明书实施例中,通过Lucas-Kanade方法进行子区划分、获取位移初值,通过反向组合高斯-牛顿迭代算法解决子区匹配问题;进一步通过位移场稠密化处理和通过具有L1范数形式的全变分项和照明函数项的光流约束方程进行位移信息优化处理,使得第一图像金字塔中各层级位移信息的计算更加精确,并且在保证计算结果精确性的同时保证计算的效率。进而通过位移信息基于应变张量的定义公式、应力参数的定义公式进行求解,使得最终得到的应力参数更加准确。
如图5所示,基于相同的发明构思,本说明书实施例还提供一种应力参数计算装置10,包括:
图像金字塔建立模块51,用于根据样本变形前的图像建立第一图像金字塔,根据样本变形后的图像建立与所述第一图像金字塔相对应的第二图像金字塔;
位移信息计算模块52,用于从所述第一图像金字塔顶层层级的位移信息开始,基于所述第一图像金字塔中每一层级的每个子区中心点以及该子区中其他位置,迭代计算所述第一图像金字塔中每一层级相对于所述第二图像金字塔对应层级的位移信息;
应变信息计算模块53,用于根据所述第一图像金字塔底层层级的位移信息,计算所述样本的应变信息;
应力参数计算模块54,用于基于所述应变信息,计算所述样本的应力参数。
通过本说明书实施例提供的装置所取得的有益效果和上述方法所取得的有益效果相一致,此处不再赘述。
如图6所示,本说明书实施例还提供一种应力参数计算系统,包括:
载荷加载装置20,用于向被样本加载载荷使所述样本发生变形;
图像采集设备30,用于采集样本变形前的图像和样本发生变形后的图像;
和上述应力参数计算装置10,所述应力参数计算装置10与所述载荷加载装置20以及所述图像采集设备30相连接,用于接收所述载荷加载装置20施加于所述样本上的载荷数据和所述图像采集设备30采集到的图像信息,并根据所述载荷数据和所述图像信息计算所述样本的应力参数。
所述图像采集设备30可以是CCD相机和远心镜头,所述图像采集设备30能够获取样本在不同载荷下(即载荷加载装置20施加不同大小的载荷至样本)发生形变的图像,从而计算得到样本在不同载荷不同形变量下的应力参数。
通过本说明书实施例提供的装置所取得的有益效果和上述方法所取得的有益效果相一致,此处不再赘述。
如图7所示,为本文实施例提供的一种计算机设备,所述计算机设备702可以包括一个或多个处理器704,诸如一个或多个中央处理单元(CPU),每个处理单元可以实现一个或多个硬件线程。计算机设备702还可以包括任何存储器706,其用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的,比如,存储器706可以包括以下任一项或多种组合:任何类型的RAM,任何类型的ROM,闪存设备,硬盘,光盘等。更一般地,任何存储器都可以使用任何技术来存储信息。进一步地,任何存储器可以提供信息的易失性或非易失性保留。进一步地,任何存储器可以表示计算机设备702的固定或可移除部件。在一种情况下,当处理器704执行被存储在任何存储器或存储器的组合中的相关联的指令时,计算机设备702可以执行相关联指令的任一操作。计算机设备702还包括用于与任何存储器交互的一个或多个驱动机构708,诸如硬盘驱动机构、光盘驱动机构等。
计算机设备702还可以包括输入/输出模块710(I/O),其用于接收各种输入((经由输入设备712)和用于提供各种输出(经由输出设备714))。一个具体输出机构可以包括呈现设备716和相关联的图形用户接口718(GUI)。在其他实施例中,还可以不包括输入/输出模块710(I/O)、输入设备712以及输出设备714,仅作为网络中的一台计算机设备。计算机设备702还可以包括一个或多个网络接口720,其用于经由一个或多个通信链路722与其他设备交换数据。一个或多个通信总线724将上文所描述的部件耦合在一起。
通信链路722可以以任何方式实现,例如,通过局域网、广域网(例如,因特网)、点对点连接等、或其任何组合。通信链路722可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。
对应于图1和图3中的方法,本文实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法的步骤。
本文实施例还提供一种计算机可读指令,其中当处理器执行所述指令时,其中的程序使得处理器执行如图1和图3所示的方法。
应理解,在本文的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本文实施例的实施过程构成任何限定。
还应理解,在本文实施例中,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。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本文的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,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。
在本文所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本文实施例方案的目的。
另外,在本文各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本文的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本文各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本文中应用了具体实施例对本文的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本文的方法及其核心思想;同时,对于本领域的一般技术人员,依据本文的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本文的限制。
Claims (8)
1.一种应力参数计算方法,其特征在于,包括:
根据样本变形前的图像建立第一图像金字塔,根据样本变形后的图像建立与所述第一图像金字塔相对应的第二图像金字塔;
从所述第一图像金字塔顶层层级开始,基于所述第一图像金字塔中每一层级的每个子区中心点以及该子区中其他位置,迭代计算所述第一图像金字塔中每一层级相对于所述第二图像金字塔对应层级的位移信息;
根据所述第一图像金字塔底层层级的位移信息,计算所述样本的应变信息;
基于所述应变信息,计算所述样本的应力参数;
其中,所述从所述第一图像金字塔顶层层级的位置信息开始,迭代计算所述第一图像金字塔中每一层级的每个子区中心点以及该子区中其他位置相对于所述第二图像金字塔对应层级的位置信息之前,所述方法包括:
对所述第一图像金字塔中每一层级进行子区划分,所述第一图像金字塔顶层层级为一个子区,按照层级关系,每个层级对应的子区增多;
其中,所述基于所述第一图像金字塔中每一层级的每个子区中心点以及该子区中其他位置,迭代计算所述第一图像金字塔中每一层级相对于所述第二图像金字塔对应层级的位移信息,包括:
获取所述第一图像金字塔每一层级的每个子区中心点的位移初值;
根据所述位移初值,基于反向高斯-牛顿迭代法与所述第二图像金字塔对应层级进行匹配计算,获得所述第一图像金字塔每一层级的每个子区中心点的位移终值;
基于所述位移终值和对应的所述子区中其他位置进行稠密化处理,得到所述第一图像金字塔每一层级相对于第二图像金字塔对应层级的位移信息。
2.根据权利要求1所述的方法,其特征在于,所述获取所述第一图像金字塔每一层级的每个子区中心点的位移初值,进一步包括:
预设所述第一图像金字塔顶层层级的子区的位移信息;
基于所述层级关系,根据所述第一图像金字塔中上一层级的位移信息,计算所述第一图像金字塔中下一层级的每个子区中心点的位移初值。
3.根据权利要求1所述的方法,其特征在于,所述基于所述位移终值和对应所述子区中其他位置进行稠密化处理,得到所述第一图像金字塔每一层级的位移信息之前,所述方法还包括:
计算所述位移初值和所述位移终值的欧几里得范数;
将所述欧几里得范数与所述子区的尺寸参数进行比较;
当所述欧几里得范数大于所述子区的尺寸参数时,基于所述位移终值和对应的所述子区中的其他位置进行稠密化处理。
4.根据权利要求3所述的方法,其特征在于,所述当所述欧几里得范数大于所述子区的尺寸参数时,基于所述位移终值和对应的所述子区中其他位置进行稠密化处理,进一步包括:
基于所述第二图像金字塔的灰度信息和所述第一图像金字塔的灰度信息,计算所述第一图像金字塔每一层级的每个子区的其他位置的位移信息。
5.根据权利要求1所述的方法,其特征在于,所述基于所述位移终值和对应的所述子区中其他位置进行稠密化处理,得到所述第一图像金字塔每一层级的位移信息之后,还包括:
将所述第一图像金字塔每一层级的位移信息代入具有L1范数形式的全变分项和照明函数项的光流约束方程中,对所述第一图像金字塔每一层级的位移信息进行优化。
6.一种应力参数计算装置,其特征在于,包括:
图像金字塔建立模块,用于根据样本变形前的图像建立第一图像金字塔,根据样本变形后的图像建立与所述第一图像金字塔相对应的第二图像金字塔;
位移信息计算模块,用于从所述第一图像金字塔顶层层级的位移信息开始,基于所述第一图像金字塔中每一层级的每个子区中心点以及该子区中其他位置,迭代计算所述第一图像金字塔中每一层级相对于所述第二图像金字塔对应层级的位移信息;
应变信息计算模块,用于根据所述第一图像金字塔底层层级的位移信息,计算所述样本的应变信息;
应力参数计算模块,用于基于所述应变信息,计算所述样本的应力参数;
其中,所述从所述第一图像金字塔顶层层级的位置信息开始,迭代计算所述第一图像金字塔中每一层级的每个子区中心点以及该子区中其他位置相对于所述第二图像金字塔对应层级的位置信息之前,所述装置还执行以下方法:
对所述第一图像金字塔中每一层级进行子区划分,所述第一图像金字塔顶层层级为一个子区,按照层级关系,每个层级对应的子区增多;
其中,所述基于所述第一图像金字塔中每一层级的每个子区中心点以及该子区中其他位置,迭代计算所述第一图像金字塔中每一层级相对于所述第二图像金字塔对应层级的位移信息,包括:
获取所述第一图像金字塔每一层级的每个子区中心点的位移初值;
根据所述位移初值,基于反向高斯-牛顿迭代法与所述第二图像金字塔对应层级进行匹配计算,获得所述第一图像金字塔每一层级的每个子区中心点的位移终值;
基于所述位移终值和对应的所述子区中其他位置进行稠密化处理,得到所述第一图像金字塔每一层级相对于第二图像金字塔对应层级的位移信息。
7.一种应力参数计算系统,其特征在于,包括:
载荷加载装置,用于向被样本加载载荷使样本发生变形;
图像采集设备,用于采集样本变形前的图像和样本发生变形后的图像;
和如权利要求6所述的一种应力参数计算装置,所述应力参数计算装置与所述载荷加载装置以及所述图像采集设备相连接,用于接收所述载荷加载装置施加于所述样本上的载荷数据和所述图像采集设备采集到的图像信息,并根据所述载荷数据和所述图像信息计算所述样本的应力参数。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任意一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110806664.7A CN113536570B (zh) | 2021-07-16 | 2021-07-16 | 一种应力参数计算方法、装置、系统及计算机设备 |
US17/584,275 US11481894B1 (en) | 2021-07-16 | 2022-01-25 | Method, apparatus and system for calculating stress parameters and computer device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110806664.7A CN113536570B (zh) | 2021-07-16 | 2021-07-16 | 一种应力参数计算方法、装置、系统及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113536570A CN113536570A (zh) | 2021-10-22 |
CN113536570B true CN113536570B (zh) | 2022-09-27 |
Family
ID=78128454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110806664.7A Active CN113536570B (zh) | 2021-07-16 | 2021-07-16 | 一种应力参数计算方法、装置、系统及计算机设备 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11481894B1 (zh) |
CN (1) | CN113536570B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108871197A (zh) * | 2018-04-27 | 2018-11-23 | 中国石油大学(北京) | 用于材料表面的位移场测量方法、装置、设备及存储介质 |
CN110532725A (zh) * | 2019-09-06 | 2019-12-03 | 武汉轻工大学 | 基于数字图像的工程结构力学参数识别方法及系统 |
CN112082496A (zh) * | 2020-09-08 | 2020-12-15 | 西安建筑科技大学 | 基于改进数字体图像相关法的混凝土内部变形测量方法及系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7632230B2 (en) * | 2005-10-11 | 2009-12-15 | Wisconsin Alumni Research Foundation | High resolution elastography using two step strain estimation |
US20100158392A1 (en) * | 2008-09-22 | 2010-06-24 | Brigham Young University | Systems and Methods for Determining Crystallographic Characteristics of a Material |
US9652696B2 (en) * | 2010-07-09 | 2017-05-16 | Temple University-Of The Commonwealth System Of Higher Education | Apparatus and method for surface and subsurface tactile sensation imaging |
US11455737B2 (en) * | 2012-12-06 | 2022-09-27 | The Boeing Company | Multiple-scale digital image correlation pattern and measurement |
US10229504B2 (en) * | 2013-03-18 | 2019-03-12 | Fotonation Limited | Method and apparatus for motion estimation |
US10288540B1 (en) * | 2014-11-28 | 2019-05-14 | Kla-Tencor Corporation | Instrumented indentation apparatus having indenter punch with flat end surface and instrumented indentation method using the same |
AU2016266019A1 (en) * | 2016-11-30 | 2018-06-14 | Canon Kabushiki Kaisha | Image registration method |
CN112055871A (zh) * | 2018-02-28 | 2020-12-08 | 国家科研中心 | 通过耦合的图像相关性与机械建模来识别机械性能的计算机实现方法 |
CN108507476B (zh) | 2018-04-27 | 2020-08-07 | 中国石油大学(北京) | 用于材料表面的位移场测量方法、装置、设备及存储介质 |
-
2021
- 2021-07-16 CN CN202110806664.7A patent/CN113536570B/zh active Active
-
2022
- 2022-01-25 US US17/584,275 patent/US11481894B1/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108871197A (zh) * | 2018-04-27 | 2018-11-23 | 中国石油大学(北京) | 用于材料表面的位移场测量方法、装置、设备及存储介质 |
CN110532725A (zh) * | 2019-09-06 | 2019-12-03 | 武汉轻工大学 | 基于数字图像的工程结构力学参数识别方法及系统 |
CN112082496A (zh) * | 2020-09-08 | 2020-12-15 | 西安建筑科技大学 | 基于改进数字体图像相关法的混凝土内部变形测量方法及系统 |
Non-Patent Citations (1)
Title |
---|
航空图像光流场的逆向金字塔计算方法;李佳田等;《测绘学报》;20160915(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
US11481894B1 (en) | 2022-10-25 |
CN113536570A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Mucan: Multi-correspondence aggregation network for video super-resolution | |
JP6936592B2 (ja) | 演算処理装置およびその制御方法 | |
CN108776971B (zh) | 一种基于分层最近邻域的变分光流确定方法及系统 | |
US20090052796A1 (en) | Match, Expand, and Filter Technique for Multi-View Stereopsis | |
Hintermüller et al. | Bilevel optimization for calibrating point spread functions in blind deconvolution | |
Facciolo et al. | Exemplar-based interpolation of sparsely sampled images | |
CN108871197B (zh) | 用于材料表面的位移场测量方法、装置、设备及存储介质 | |
JP5220144B2 (ja) | 低密度の反射対応から鏡面物体の表面を再構築するための方法 | |
CN112017130A (zh) | 新颖的基于自适应各向异性全变分正则化的图像复原方法 | |
CN113536570B (zh) | 一种应力参数计算方法、装置、系统及计算机设备 | |
CN110517221B (zh) | 基于现实坐标的缝隙定位方法、装置和存储介质 | |
Li et al. | Piecewise constant level set methods for multiphase motion | |
CN107085843B (zh) | 用于估计光学系统中的调制传递函数的系统和方法 | |
CN110555385B (zh) | 一种基于变步长曲率滤波的焊缝特征点求取方法 | |
Eitz et al. | Sketch Based Image Deformation. | |
Tefera et al. | 3DNOW: Image-based 3D reconstruction and modeling via WEB | |
Becker et al. | PDE methods in flow simulation post processing | |
Wu et al. | Hi, BCD! hybrid inexact block coordinate descent for hyperspectral super-resolution | |
Richard et al. | Learned multi-view texture super-resolution | |
CN115908116A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
CN109791687A (zh) | 在任意曲面上的图像修复 | |
Shen et al. | Iterative adaptive nonconvex low-rank tensor approximation to image restoration based on ADMM | |
EP4256469A2 (en) | Deep learning based image enhancement for additive manufacturing | |
CN109727258B (zh) | 基于区域灰度异质能量的图像分割方法 | |
Liu et al. | Blind deblurring with patch-wise second-order gradient prior |
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 |