CN113569679A - 测量断裂伸长率的方法、装置和系统 - Google Patents

测量断裂伸长率的方法、装置和系统 Download PDF

Info

Publication number
CN113569679A
CN113569679A CN202110811306.5A CN202110811306A CN113569679A CN 113569679 A CN113569679 A CN 113569679A CN 202110811306 A CN202110811306 A CN 202110811306A CN 113569679 A CN113569679 A CN 113569679A
Authority
CN
China
Prior art keywords
marker
image
points
target points
stable
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
Application number
CN202110811306.5A
Other languages
English (en)
Other versions
CN113569679B (zh
Inventor
龚俊
胡丹
张格悠
曾轲
唐清泉
刘凯
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.)
Chengdu Products Quality Inspection Research Institute Co ltd
Original Assignee
Chengdu Products Quality Inspection Research Institute Co ltd
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 Chengdu Products Quality Inspection Research Institute Co ltd filed Critical Chengdu Products Quality Inspection Research Institute Co ltd
Priority to CN202110811306.5A priority Critical patent/CN113569679B/zh
Publication of CN113569679A publication Critical patent/CN113569679A/zh
Application granted granted Critical
Publication of CN113569679B publication Critical patent/CN113569679B/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
    • 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
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供了一种测量断裂伸长率的方法、装置和系统，其中该方法包括从预先获得的目标视频中提取第一图像；从第一图像中提取多个第一目标点和多个第二目标点，将多个第一目标点和多个第二目标点进行特征匹配，得到第一稳定特征点和第二稳定特征点；从目标视频中提取第二图像；确定第二图像中的第一稳定特征点和第二稳定特征点；基于第一图像中的第一稳定特征点和第二稳定特征点的三维坐标，以及第二图像中第一稳定特征点和第二稳定特征点的三维坐标，确定被测样品的断裂伸长率。该方法提升了断裂伸长率测量的精度和自动化程度。

Description

测量断裂伸长率的方法、装置和系统
技术领域
本发明涉及材料参数测量技术领域，尤其是涉及一种测量断裂伸长率的方法、装置和系统。
背景技术
随着光电子技术、微电子技术的发展，如电荷耦合器件(CCD，Charge CoupledDevice)、数字投影仪(DLP，DigitalLight Processing)等新型器件不断涌现，光学测量技术得到快速发展，并开始在一些领域中得到广泛应用。光学传感方法由于其高灵敏度、高速度、无损坏和获取数据多等优点而被公认为最有前途的传感方法。
电缆护套的断裂伸长率是衡量电缆质量的重要参数，相关技术中，一般是在电缆护套的外围手动画两个标记符圆点，拟合得到初始圆点的圆心坐标，进而得到两个标记符圆点的初始间距；然后拉伸电缆护套，拉伸过程中利用相机、摄像机等通过光学传感技术得到拉伸过程中标记符圆点的圆心坐标，进而得到两个标记符圆点的当下间距；然后根据初始间距和当下间距，就能得到电缆护套的断裂伸长率。由于，手动画的标记符本身就具有很强的随机性，背景噪声很大，导致很难将手动画的标记符的圆心坐标准确计算出来，甚至可能根本提取不到圆心坐标。因此，这种通过手动测量相关参数，进而得到断裂伸长率的方式，得到的断裂伸长率结果误差较大。
发明内容
本发明的目的在于提供一种测量断裂伸长率的方法、装置和系统，以得到更加精确的断裂伸长率。
第一方面，本发明实施例提供一种测量断裂伸长率的方法，该方法包括：从预先获得的目标视频中提取第一图像；其中，该目标视频包括被测样品从未拉伸状态拉伸至断裂状态的图像，第一图像中包括：设置在未拉伸状态的被测样品上的第一标记符和第二标记符；从第一图像中提取多个第一目标点和多个第二目标点，将多个第一目标点和多个第二目标点进行特征匹配，得到第一稳定特征点和第二稳定特征点；其中，多个第一目标点位于第一标记符的中心位置的指定范围内；多个第二目标点位于第二标记符的中心位置的指定范围内；第一稳定特征点和第二稳定特征点的特征相似度高于预设阈值；从目标视频中提取第二图像；第二图像包括被测样品达到断裂状态之前，第一标记符和第二标记符；确定第二图像中的第一稳定特征点和第二稳定特征点；基于第一图像中第一稳定特征点和第二稳定特征点的三维坐标，以及第二图像中第一稳定特征点和第二稳定特征点的三维坐标，确定被测样品的断裂伸长率。
在可选的实施方式中，上述从该第一图像中提取多个第一目标点和多个第二目标点，将上述多个第一目标点和多个第二目标点进行特征匹配，得到第一稳定特征点和第二稳定特征点的步骤，包括：从第一图像中选取感兴趣区域，其中，该感兴趣区域为闭合几何形状的邻域，该感兴趣区域的几何形状包括矩形、椭圆或圆形；从该感兴趣区域中提取多个第一目标点，其中，多个第一目标点位于第一标记符的中心位置的指定范围内；从该感兴趣区域中提取多个第二目标点，其中，该多个第二目标点位于第二标记符的中心位置的指定范围内；以多个第一目标点为模板，匹配出与该多个第一目标点的特征相似度高于预设阈值的多个第二目标点，剔除与该多个第一目标点的特征相似度低于预设阈值的多个第二目标点，得到第一结果；在该第一结果的基础上，以该多个第二目标点为模板，匹配出与该多个第二目标点的特征相似度高于预设阈值的多个第一目标点，剔除与该多个第二目标点的特征相似度低于预设阈值的多个第一目标点，得到第二结果；剔除该第二结果中不满足极线约束的该多个第一目标点和该多个第二目标点，得到第三结果；选取第三结果中距离第一标记符的中心位置和第二标记符的中心位置最近的点，作为第一稳定特征点和第二稳定特征点；对第一稳定特征点和第二稳定特征点利用三角测量原理进行三维重建，获得第一稳定特征点和第二稳定特征点的三维坐标。
在可选的实施方式中，上述从第一图像中选取感兴趣区域的步骤，包括：识别第一标记符和第二标记符的边缘，根据边缘拟合得到该第一标记符的中心位置和该第二标记符的中心位置，其中，第一标记符和第二标记符预先标记在被测样品上的；提取被测样品的像素点，从该像素点中选取第一像素点和第二像素点，其中，该第一像素点位于该第一标记符的中心位置的指定范围内；该第二像素点位于该第二标记符的中心位置的指定范围内；根据第一像素点和第二像素点确定感兴趣区域。
在可选的实施方式中，上述识别出该第一标记符和该第二标记符的边缘，根据该边缘拟合得到第一标记符的中心位置和第二标记符的中心位置的步骤，包括：将该第一图像中面积大小在指定范围和圆度在指定范围的区域作为可疑连通域；任选两个可疑连通域构成组合体，计算该组合体的最小外接矩形中间部分图像的灰度信息熵，将该灰度信息熵最低组合体的两个该可疑连通域作为标记符连通域，从而提取到第一标记符和第二标记的边缘；对第一标记符和第二标记的边缘进行椭圆拟合获取第一标记符的中心位置和第二标记符的中心位置。
在可选的实施方式中，上述提取被测样品的像素点的步骤，包括：基于预设的色彩或者灰度特征，提取被测样品的像素点；其中，该像素点在空间中运动时，亮度值恒定不变；该像素点的位置不会随着时间变化而剧烈变化；该像素点指定范围内的点具有和像素点相同的运动速度。
在可选的实施方式中，上述从该目标视频中提取第二图像的步骤，包括：提取该目标视频中每一帧的图像，通过光流跟踪得到每一帧的图像的动态参数，根据该动态参数识别得到第二图像；其中，该动态参数包括第一标记符和第二标记符的位置和任意相邻两帧的第一标记符和第二标记符的加速度。
在可选的实施方式中，上述通过光流跟踪得到该每一帧的图像的动态参数，根据该动态参数识别得到第二图像的步骤，包括：选取目标视频中被测样品断裂后的图像作为当前帧；判断当前帧与当前帧相邻的前一帧之间的该加速度是否满足预设的断裂判据；如果满足，将该当前帧相邻的前一帧作为更新的当前帧，继续执行判断该当前帧与该当前帧相邻的前一帧之间的该加速度是否满足预设的断裂判据的步骤，直至当前帧与当前帧相邻的前一帧之间的该加速度不满足预设的断裂判据时，将当前帧作为第二图像；其中，断裂判据为加速度大于加速度序列的标准差的预设倍数。
第二方面，本发明实施例提供一种测量断裂伸长率的装置，该装置包括：第一图像提取模块，用于从预先获得的目标视频中提取第一图像；其中，该目标视频包括被测样品从未拉伸状态拉伸至断裂状态的图像，该第一图像中包括：设置在未拉伸状态的被测样品上的第一标记符和第二标记符；特征点提取模块，用于从该第一图像中提取多个第一目标点和多个第二目标点，将多个第一目标点和该多个第二目标点进行特征匹配，得到第一稳定特征点和第二稳定特征点；其中，多个第一目标点位于该第一标记符的中心位置的指定范围内；多个第二目标点位于该第二标记符的中心位置的指定范围内；第一稳定特征点和第二稳定特征点的特征相似度高于预设阈值；第二图像提取模块，用于从该目标视频中提取第二图像；第二图像包括被测样品达到断裂状态之前，第一标记符和第二标记符；确定该第二图像中的第一稳定特征点和第二稳定特征点；计算模块，用于基于该第一图像中第一稳定特征点和第二稳定特征点的三维坐标，以及第二图像中第一稳定特征点和第二稳定特征点的三维坐标，确定被测样品的断裂伸长率。
第三方面，本发明实施例提供一种测量断裂伸长率的系统，该系统包括：计算机、摄像装置、被测样品、拉伸仪器、支撑装置和光源；该摄像装置和该拉伸仪器与该计算机连接；该支撑装置用于夹持或放置该摄像装置和该光源，且该摄像装置和该光源均与被测样品对应；该拉伸仪器用于夹持被测样品；该计算机包括处理器和存储器，该存储器存储有能够被处理器执行的机器可执行指令，该处理器执行该机器可执行指令以实现上述的测量断裂伸长率的方法。
在可选的实施方式中，上述摄像装置包括双目图像采集器、单个单目图像采集器或两个单目图像采集器，其中，图像采集器能够将光学信号转换为电信号，图像采集器包括工业相机或红外相机。
本发明实施例带来了以下有益效果：
本发明实施例提供了一种测量断裂伸长率的方法、装置和系统，首先从预先获得的目标视频中提取第一图像；其中，该目标视频包括被测样品从未拉伸状态拉伸至断裂状态的图像，第一图像中包括：设置在未拉伸状态的被测样品上的第一标记符和第二标记符；从第一图像中提取多个第一目标点和多个第二目标点，将多个第一目标点和多个第二目标点进行特征匹配，得到第一稳定特征点和第二稳定特征点；其中，多个第一目标点位于第一标记符的中心位置的指定范围内；多个第二目标点位于第二标记符的中心位置的指定范围内；第一稳定特征点和第二稳定特征点的特征相似度高于预设阈值；从目标视频中提取第二图像；第二图像包括被测样品达到断裂状态之前，第一标记符和第二标记符；确定第二图像中的第一稳定特征点和第二稳定特征点；基于第一图像中第一稳定特征点和第二稳定特征点的三维坐标，以及第二图像中第一稳定特征点和第二稳定特征点的三维坐标，确定被测样品的断裂伸长率。该方法能够提高断裂伸长率的测量精度和自动化程度。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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为本发明实施例提供的一种测量断裂伸长率的方法的流程图；
图2为本发明实施例提供的当被测试样为浅色时的标记符绘制结果的示意图；
图3为本发明实施例提供的另一种测量断裂伸长率的方法的流程图；
图4为本发明实施例提供的标记符轮廓的提取过程的示意图；
图5为本发明实施例提供的匹配搜索示意图；
图6为本发明实施例提供的双目重建的成像原理示意图；
图7为本发明实施例提供的实验中被测样品拉伸过程中标记符的光流跟踪结果的示意图；
图8为本发明实施例提供的加速度与时刻的关系图；
图9为本发明实施例提供的根据动态参数中的加速度准确识别出第二图像的流程图；
图10为本发明实施例提供的被测样品在拉伸过程中第一标记符和第二标记符的三维点云轨迹的示意图；
图11为本发明实施例提供的采样粗检测与逐帧精检测结合的断裂伸长率测量方法的直观示意图；
图12为本发明实施例提供的几组被测样品的断裂帧提取结果的示意图；
图13为本发明实施例提供的一种测量断裂伸长率的装置的示意图；
图14为本发明实施例提供的一种测量断裂伸长率的系统的示意图；
图15为本发明实施例提供的计算机的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
随着光电子技术、微电子技术的发展，如电荷耦合器件(CCD，Charge CoupledDevice)、数字投影仪(DLP，Digital Light Processing)等新型器件不断涌现，光学测量技术得到快速发展，并开始在一些领域中得到广泛应用。光学传感方法由于其高灵敏度、高速度、无损坏和获取数据多等优点而被公认为最有前途的传感方法。
目前的光学三维传感方法分为被动式和主动式。被动式光学三维传感采用非结构光照明方式，从一个或多个摄像系统获取的二维图像中，通过匹配运算确定距离信息，形成三维数据。被动式三维传感虽然精度低于主动式三维传感技术，但也具有设备简单且适用于动态目标的优点，本发明实施例中的测量断裂伸长率的方法就是一种被动式的光学三维传感方法。
电缆护套的断裂伸长率是衡量电缆质量的重要参数，相关技术中，一般是在电缆护套的外围手动画两个标记符圆点，拟合得到初始圆点的圆心坐标，进而得到两个标记符圆点的初始间距；然后拉伸电缆护套，拉伸过程中利用相机、摄像机等通过光学传感技术得到拉伸过程中标记符圆点的圆心坐标，进而得到两个标记符圆点的当下间距；然后根据初始间距和当下间距，就能得到电缆护套的断裂伸长率。由于，手动画的标记符本身就具有很强的随机性，背景噪声很大，导致很难将手动画的标记符的圆心坐标准确计算出来，甚至可能根本提取不到圆心坐标。因此，这种通过手动测量相关参数，进而得到断裂伸长率的方式，得到的断裂伸长率结果误差较大。
基于上述问题，本发明实施例提供了一种测量断裂伸长率的方法、装置和系统，该技术可以应用于测量材料的力学参数的场景中，尤其是测量材料断裂伸长率的场景中。
实施例一
为便于对本实施例进行理解，首先对本发明实施例所公开的一种测量断裂伸长率的方法进行详细介绍，如图1所示，该方法包括如下步骤：
步骤S102，从预先获得的目标视频中提取第一图像；其中，上述目标视频包括被测样品从未拉伸状态拉伸至断裂状态的图像，第一图像中包括：设置在未拉伸状态的被测样品上的第一标记符和第二标记符。
在具体实现时，上述目标视频可以是从摄像装置中提取的。第一图像指的是被测样品处于未拉伸状态的图像。在被测样品上合适的位置依据其物理特性选用适宜颜色和材质的标记符进行标志，得到一个第一标记符和一个第二标记符，其中，上述标记符为圆环、实心圆或叉形等几何图案。如图2所示，被测样品若为浅色，则采用黑色油墨的马克笔或印章在被测样品上间隔2-3cm绘制或印制两个外环半径约为2mm，内环半径约为1mm的圆环；被测样品若为深色，则采用白色油墨进行相同的操作，图2出了当被测样品为浅色时的标记符绘制结果，图2左边的圆圈一般为第一标记符，右边的圆圈一般为第二标记符。
被测样品包括但不限于是弹性试样，可以是电缆和光缆绝缘和护套材料制备的哑铃形或管状试样。摄像装置包括但不限于数字摄像机，可以是HNY-CV-002可变基线USB3.0双目相机，单目分辨率为1280×720像素，最大捕捉频率为30帧/秒。
步骤S104，从第一图像中提取多个第一目标点和多个第二目标点，将多个第一目标点和多个第二目标点进行特征匹配，得到第一稳定特征点和第二稳定特征点；其中，上述多个第一目标点位于所述第一标记符的中心位置的指定范围内；上述多个第二目标点位于所述第二标记符的中心位置的指定范围内；上述第一稳定特征点和第二稳定特征点的特征相似度高于预设阈值。
在具体实现时，可以根据第一标记符和第二标记符确定一个闭合区域为感兴趣区域，再从感兴趣区域中的第一标记符的圆心附近选取多个第一目标点，从第二感兴趣区域中的第二标记符的圆心附近选取多个第二目标点；然后，将多个第一目标点和多个第二目标点进行多次的双向匹配，剔除特征相似度大于预设阈值的目标点，再从剔除后剩下的结果中选取距离标记符的中心位置最近的点，得到第一图像的第一稳定特征点和第二稳定特征点；然后利用三角测量原理，获得第一稳定特征点和第二稳定特征点的三维坐标。
步骤S106，从目标视频中提取第二图像；第二图像包括被测样品达到断裂状态之前，第一标记符和第二标记符；确定第二图像中的第一稳定特征点和第二稳定特征点。
在具体实现时，上述第二图像指的是被测样品断裂前一帧的图像。提取第二图像的方法与提取第一图像的方法相同，即根据第二图像中的第一标记符和第二标记符确定一个闭合区域为感兴趣区域，再从感兴趣区域中的第一标记符的圆心附近选取多个第一目标点，从感兴趣区域中的第二标记符的圆心附近选取多个第二目标点；将多个第一目标点和多个第二目标点进行多次的双向匹配，剔除特征相似度大于预设阈值的目标点，再从剔除后剩下的结果中选取距离标记符的中心位置最近的点，得到第二图像的第一稳定特征点和第二稳定特征点，然后利用三角测量原理，获得第一稳定特征点和第二稳定特征点的三维坐标。
步骤S108，基于第一图像中第一稳定特征点和第二稳定特征点的三维坐标，以及第二图像中第一稳定特征点和第二稳定特征点的三维坐标，确定被测样品的断裂伸长率。
在具体实现时，根据第一图像(即被测样品还未被拉伸时的图像)中第一稳定特征点和第二稳定特征点的三维坐标能够得到初始间距，同理，根据第二图像(即断裂前一帧的图像)中第一稳定特征点和第二稳定特征点的三维坐标能够得到断裂间距。根据下式计算被测样品的断裂伸长率：
Figure BDA0003168328170000111
其中，l0为初始间距，即第一图像中第一稳定特征点和第二稳定特征点的三维坐标的距离；lM为断裂间距，即第二图像中第一稳定特征点和第二稳定特征点的三维坐标的距离；ρ为被测样品的断裂伸长率。
本发明实施例提供了一种测量断裂伸长率的方法，该方法包括从预先获得的目标视频中提取第一图像；其中，该目标视频包括被测样品从未拉伸状态拉伸至断裂状态的图像，第一图像中包括：设置在未拉伸状态的被测样品上的第一标记符和第二标记符；从第一图像中提取多个第一目标点和多个第二目标点，将多个第一目标点和多个第二目标点进行特征匹配，得到第一稳定特征点和第二稳定特征点；其中，多个第一目标点位于第一标记符的中心位置的指定范围内；多个第二目标点位于第二标记符的中心位置的指定范围内；第一稳定特征点和第二稳定特征点的特征相似度高于预设阈值；从目标视频中提取第二图像；第二图像包括被测样品达到断裂状态之前，第一标记符和第二标记符；确定第二图像中的第一稳定特征点和第二稳定特征点；基于第一图像中第一稳定特征点和第二稳定特征点的三维坐标，以及第二图像中第一稳定特征点和第二稳定特征点的三维坐标，确定被测样品的断裂伸长率。该方法能够提高断裂伸长率的测量精度和自动化程度。
实施例二
本发明实施例还提供了另一种测量断裂伸长率的方法，该方法在上述实施例方法的基础上实现；该方法重点描述从所述第一图像中提取多个第一目标点和多个第二目标点，将所述多个第一目标点和所述多个第二目标点进行特征匹配，得到第一稳定特征点和第二稳定特征点(步骤S204-步骤S218)；如图3所示，该方法包括如下具体步骤：
步骤S202，从预先获得的目标视频中提取第一图像。
具体地，首先将被测样品安放在预设的装置中，在被测样品上标记第一标记符和第二标记符；用拉伸仪器拉伸被测样品直至其发生断裂，计算机控制摄像装置开始及停止视频采集，记录目标视频。上述被测样品从未拉伸状态拉伸至断裂状态的视频为目标视频。拉伸仪器包括但不限于是抗张试验机(俗称拉力仪)，可以是美特斯CMT6502型微机控制电子万能试验机。
步骤S204，将上述第一图像中面积大小在指定范围和圆度在指定范围的区域作为可疑连通域；任选两个可疑连通域构成组合体，计算该组合体的最小外接矩形中间部分图像的灰度信息熵，将该灰度信息熵最低组合体的两个该可疑连通域作为标记符连通域，从而提取到第一标记符和第二标记的边缘；对第一标记符和第二标记的边缘进行椭圆拟合获取第一标记符的中心位置和第二标记符的中心位置。
在具体实现时，首先对第一图像用最小类间方差法求取图像二值化阈值T，以0.5T、1.5T作为Canny算法的低阈值、高阈值进行边缘检测并剔除过大或过小的连通域后，计算各个连通域的圆形度R0：
Figure BDA0003168328170000131
其中，S为连通域的实际面积，l为连通域的周长。选取R0＞0.7的连通域作为可疑标记符连通域，剔除圆形度R0＜0.7的连通域。
然后，计算任意两个可疑标记符连通域之间的图像灰度信息熵，具体公式为：
Figure BDA0003168328170000132
其中，Eg表示两个可疑标记符连通域之间的图像灰度信息熵，p(i)表示灰度值为i的像素点在图像中出现的概率，g表示该图像的灰度级别，灰度信息熵最小的连通域即为标记符连通域，灰度值i的取值范围是0-255；p(i)是根据灰度值i为0-255逐一计算得到的，输入所有的概率p(i)，得到灰度信息熵Eg。
对提取的标记符连通域进行椭圆拟合，拟合函数为：
Figure BDA0003168328170000133
其中，A、B、C、D、E分别代表椭圆标准方程的五个系数，x、y代表像素坐标的横坐标与纵坐标，根据式(3)，可以拟合出椭圆。
根据极值原理使得f(A，B，C，D，E)取得极小值的参数取值为：
Figure BDA0003168328170000134
其中，
Figure BDA0003168328170000135
为偏导数符号，上式是将椭圆标准方程的五个系数进行偏导处理。
由此可得由五个方程组成的方程组并求解系数，从而得到第一标记符和第二标记符的中心位置，即得到第一标记符和第二标记符的中心坐标。
上述步骤即是识别所述第一标记符和所述第二标记符的边缘，根据所述边缘拟合得到所述第一标记符的中心位置和所述第二标记符的中心位置，其中，所述第一标记符和所述第二标记符预先标记在所述被测样品上的。
图4示出了标记符轮廓的提取过程，图4(a)为原图，图4(b)为进行Canny边缘检测的结果，图4(c)为剔除面积过大和过小以及圆度过小连通域的结果，图4(d)是标记符边缘提取结果。通过边缘检测及连通域的选取，能够得到更加精确的标记符的圆心坐标。
步骤S206，提取被测样品的像素点。
在具体实现时，是基于预设的色彩或者灰度特征，提取所述被测样品的像素点；像素点与周围的色彩或者灰度差距越大，像素点的质量越好。
其中，像素点在空间中运动时，亮度值恒定不变；像素点的位置不会随着时间变化而剧烈变化；像素点指定范围内的点具有和像素点相同的运动速度。此后所有的计算都是基于像素点进行的。
步骤S208，从第一图像中选取感兴趣区域。
在具体实现时，从第一图像的像素点中选取第一像素点和第二像素点；根据第一像素点和第二像素点确定感兴趣区域。
具体地，第一像素点位于该第一标记符的中心位置的指定范围内；第二像素点位于该第二标记符的中心位置的指定范围内。从第一图像中被测样品的像素点中，选取距离第一标识符最近的2个像素点作为第一像素点；从被测样品的像素点中，选取距离第二标识符最近的2个像素点作为第二像素点。即是在距离第一标记符的中心位置较近的像素点中，手动选取2个像素点，作为第一像素点，在距离第二标记符的中心位置较近的像素点中，手动选取2个像素点，作为第二像素点。
感兴趣区域可以为矩形，矩形可以是以上4个像素点连线构成闭合区域；该矩形的中心也可以是左边任意一个第一像素点和右边任意一个第二像素点连线的中间位置，长边方向与标记符连线方向一致，边长适宜。矩形的中心也可以是第一标记符和第二标记符的连线的中间位置。感兴趣区域也可以是椭圆或圆形等其他闭合的几何形状。感兴趣区域为闭合几何形状的邻域，我们将只对感兴趣区域内的图像进行特征提取。基于像素点确定感兴趣区域。
具体地，若提取出的标记符中心位置与实际相差较大或者无法自动提取到标记符的中心位置，也可以手动选取合适的感兴趣区域。即，当信息熵的算法无法定位标记符位置时，先在左目图像中点击第一标记符和第二标记符的大致位置，再在右目图像中点击第一标记符和第二标记符的大致位置。将两次手动点击选取的第一标记符设置为第一像素点(第一像素点有两个，是距离第一标识符最近的2个像素点)；将两次手动点击选取的第二标记符设置为第二像素点(第二像素点有两个，是距离第二标识符最近的2个像素点)，根据手动选取的结果，自动生成像素点的坐标，从而生成感兴趣区域。
也就是说，当第一标记符和第二标记符能够被基于信息熵的算法正确地定位中心位置时，2个第一像素点和2个第二像素点是基于椭圆拟合计算出的。不能被正确定位中心位置时，2个第一像素点和2个第二像素点是手动点选的，即先在左目图像中点选2个第一像素点，再在右目图像中点选2个第二像素点。
步骤S210，从感兴趣区域中提取多个第一目标点；其中，所述多个第一目标点位于所述第一标记符的中心位置的指定范围内；从感兴趣区域中提取多个第二目标点，其中，所述多个第二目标点位于所述第二标记符的中心位置的指定范围内。
在具体实现时，上述第一目标点和第二目标点都在感兴趣区域内部，第一目标点是从第一标记符附近的像素点中手动选取的；第二目标点是从第二标记符附近的像素点中手动选取的。
步骤S212，以多个第一目标点为模板，匹配出与该多个第一目标点的特征相似度高于预设阈值的多个第二目标点，剔除与该多个第一目标点的特征相似度低于预设阈值的多个第二目标点，得到第一结果。
具体地，利用SURF(Speeded Up Robust Feature，加速稳健特征)算法，将多个第一目标点作为模板组，多个第二目标点作为目标组，即以齐次坐标形式多个第一目标点pr(左目目标点)为模板点，由于第一目标点和第二目标点(右目目标点)满足极线约束，故应该在各模板点对应的极线两侧一定宽度内搜索其匹配点，第一目标点pr在右相机对应的极线参数(al bl cl)可以按下式计算：
(al bl cl)＝pr TF (5)
其中，F为基本矩阵，可通过标定获取的参数进行计算；角标T代表矩阵转置；al，bl，cl，代表极线的直线方程参数，直线方程形如(al bl cl)＝pr TF°
然后，选取第二目标点pl中与极线的距离el小于3个像素的点与模板点进行遍历匹配，获取最佳匹配点，即剔除与极线的距离el大于3个像素的第二目标点，得到第一结果。
el通过下式进行计算：
Figure BDA0003168328170000161
其中，el表示匹配点极线的距离。
步骤S214，在第一结果的基础上，以多个第二目标点为模板，匹配出与该多个第二目标点的特征相似度高于预设阈值的多个第一目标点，剔除与该多个第二目标点的特征相似度低于预设阈值的多个第一目标点，得到第二结果。
在具体实现时，同得到第一结果的方法相同，以第二目标点为模板组，以第一目标点为目标组，剔除极线的距离el大于3个像素的第一目标点，得到第二结果。
步骤S216，剔除该第二结果中不满足极线约束的该多个第一目标点和多个第二目标点，得到第三结果。
在具体实现时，利用沿极线搜索的方法，对第二结果中的第一目标点和第二目标点再次进行匹配，剔除特征向量之间的欧氏距离过大的点对，得到第三结果。图5是匹配搜索示意图，图5(a)是不沿极限搜索的匹配示意，图5(b)沿极限搜索的匹配示意图，沿极限搜索能够减小匹配过程中的计算量，同时得到更加精确的匹配结果。
步骤S218，选取第三结果中距离第一标记符的中心位置和第二标记符的中心位置最近的点，作为第一稳定特征点和第二稳定特征点；对第一稳定特征点和第二稳定特征点利用三角测量原理进行三维重建，获得第一稳定特征点和第二稳定特征点的三维坐标。
在具体实现时，第一稳定特征点是第三结果中距离第一标记符的中心位置最近的像素点，第二稳定特征点是第三结果中距离第二标记符的中心位置最近的像素点。对于选取的一个第一稳定特征点进行双目三维识别，左目、右目能够分别得到一个相应的第一稳定特征点，即得到左目第一稳定特征点和右目第一稳定特征点，再对左目第一稳定特征点和右目第一稳定特征点进行三维重建，得到第一稳定特征点的三维坐标；同理，对于选取的一个第二稳定特征点进行双目三维识别，左目、右目能够分别得到一个相应的第二稳定特征点，即得到左目第二稳定特征点和右目第二稳定特征点，再对左目第二稳定特征点和右目第二稳定特征点进行三维重建，得到第二稳定特征点的三维坐标。利用双目三维重建技术得到的稳定特征点的三维坐标更加精确。
简单来说，也就是从第三结果中选取距离两标记符圆心最近的一组SURF匹配点作为稳定特征点，并利用三角测量原理进行稳定特征点的三维重建，以得到精确的稳定特征点三维坐标。图6为双目重建的成像原理示意图。通过标定已知左目内参矩阵A1，右目内参矩阵A2，旋转矩阵R和平移向量t。将世界坐标系原点建立在左目的相机光心，有：
Figure BDA0003168328170000181
其中，0＝(0，0，0)T，输入数据是采用张氏标定法获取的双目内参矩阵A1，A2，旋转矩阵R和平移向量t；输出数据是左右目投影矩阵M1，M2，其中M1是左目的投影矩阵，M2是右目的投影矩阵。
请参照图6，图6示出了双目重建的成像原理。考虑三维空间中的一标记符，其三维坐标为(X，Y，Z)T。该点在左右相机成像的像素坐标通过光流跟踪已知，分别为(x1，y1)，(x2，y2)，M1，M2是包含了两相机内参矩阵、旋转矩阵和平移向量信息的3×4矩阵，从三维坐标投影到二维像素点的过程用表达式描述为：
Figure BDA0003168328170000182
其中，λ1、λ2表示尺度变换因子；x1，y1是光流跟踪过程中第一图像(首帧图像)的和第二图像(断裂帧图像)的第一稳定特征点(左目稳定特征点)的像素坐标，x2，y2是光流跟踪过程中第一图像的和第二图像的第二稳定特征点(右目稳定特征点)的像素坐标。X、Y、Z是第一稳定特征点在空间中的真实三维坐标；输入数据为M1，M2，x1，y1，x2，y2的值；输出是稳定特征点的三维坐标；λ1、λ2无需输入，λ1、λ2是方程(8)右侧计算出的3行一列的向量的第三个元素作为公因子写在括号外，该式子是一个方程组的初始形式，还要经过式(9)的中间过程才能变换到式(10)，最终才能解算出三维坐标X、Y、Z。
整理上式子，可得到有四个方程的线性方程组：
Figure BDA0003168328170000191
其中，m是投影矩阵的元素，下标ij表示第i行第j列，上标1表示是M1的元素；x1,y1是光流跟踪过程中第一图像(首帧图像)的和第二图像(断裂帧图像)的第一稳定特征点(左目稳定特征点)的像素坐标，x2，y2是光流跟踪过程中第一图像的和第二图像的第二稳定特征点(右目稳定特征点)的像素坐标。
求解稳定特征点的三维坐标X、Y、Z三个未知量，可以用最小二乘法解出第一稳定特征点和第二稳定特征点的三维坐标，如下式：
(X,Y,Z)T＝(DTD)-1DTg (10)
其中，D表示式(9)四个方程三个未知量X、Y、Z组成的方程组的系数矩阵；g是形如Ax＝b的线性方程组的b向量；T表示矩阵转置；式(10)输入投影矩阵M1，M2，x1,y1,x2,y2，输出是稳定特征点的三维坐标X、Y、Z。
Figure BDA0003168328170000201
Figure BDA0003168328170000202
其中，式(11)、式(12)为D、g的具体计算公式。
步骤S220，提取目标视频中每一帧的图像，通过光流跟踪得到每一帧的图像的动态参数，根据该动态参数识别得到第二图像；其中，所述动态参数包括所述第一标记符和所述第二标记符的位置和任意相邻两帧的所述第一标记符和所述第二标记符的加速度。
在具体实现时，首先利用金字塔L-K光流跟踪法、金字塔迭代法对目标视频进行处理以得到每一帧的图像及每一帧图像的动态参数；再根据动态参数中的加速度准确识别出第二图像。
具体地，考虑标记符所在像素在一帧的dt时间内，移动了(dx,dy)到下一帧，根据亮度恒定不变假设有：
Figure BDA0003168328170000203
其中，I表示像素(x,y)处时刻t的灰度值；dx、dy、dt代表像素坐标x、y和时间t的一个微小变化量；ε代表高阶无穷小量；式(13)的目的是将灰度I泰勒展开并只保留一阶次项。
则转化为求极小值点的问题。忽略高阶无穷小量，并对时间求微分dt得到：
Figure BDA0003168328170000204
其中，Ix和Iy均可用差分计算，
Figure BDA0003168328170000211
可以用两帧同一点的灰度差值计算，根据空间一致假设，可以用双线性插值求邻近的m×m个点像素值列出方程求u、v最小二乘解，本文m＝21。式(14)是某一个像素点满足的约束条件，在光流跟踪的目标点附近的21×21区域内的441个点处，每一个点都可列写处一个形如(14)的方程，组成441个方程，2个未知量的方程组，并用最小二乘法求解2个未知量，未知量u为x方向上的光流分量，v为y方向上的光流分量。
此外，为了保证在电缆护套断裂前瞬间，标记符运动速度较快的情况下仍能较为准确地跟踪，采用基于金字塔的迭代求解。第l层图像的尺寸n(l)选取按如下规则：
Figure BDA0003168328170000212
其中，n(l)为第l层图像的尺寸。
用式(15)中的方法从顶层L层开始，求解光流值
Figure BDA0003168328170000213
其中，
Figure BDA0003168328170000214
第l层的光流的x方向分量，
Figure BDA0003168328170000215
第l层的光流的y方向分量。
将光流值作为初值输入下一层进行迭代，以第l层到第l-1层为例，如下式：
d(l)＝argmin(L(d(l))) (16)
其中，d(l)表示第l层的光流迭代增量；Argmin表示使得L(d(l))取得最小值的参数d(l)；L是平方损失函数；式(16)是一个优化问题，输入是损失函数L，通过计算获得输出光流增量d(l)。
Figure BDA0003168328170000216
Figure BDA0003168328170000221
其中，p为追踪点在第l层的坐标，L(d(l))为代价函数，d(l)为第l层的迭代增量，邻近窗口大小为(2w+1)×(2w+1)；Il是第l层的图像；式(17)是对(16)的补充解释，是优化问题的平方损失函数，输出为损失函数值L(d(l))。
下一层的光流迭代初始值为：
g(l-1)＝2(g(l)+d(l)) (18)
其中，gl是第l层的光流，是一个向量；式(18)输入值为第l层的光流，输出第l-1层的光流，这个式子是迭代的中间计算过程。
而最高层的迭代初始值为
Figure BDA0003168328170000222
其中，(0 0)T代表0向量。
最终求得最底层光流计算结果
Figure BDA0003168328170000223
其中，g0底层的光流结果，逐层乘以一个系数累加而成；式(19)输入数据是每一层的光流迭代增量，输出数据是底层的最终光流向量g(0)。
式(10)得到最终的速度矢量，从而可以计算左目和右目中的标记符点在下一帧的像素坐标，根据像素坐标即可求第一标记符和第二标记符的三维坐标等位置信息。请参照7，图7示出了实验中被测样品拉伸过程中标记符的光流跟踪结果。
根据求得的每帧三维坐标xt，通过差分计算标记符的第t帧的速度vt、加速度at并计算第一标记符和第二标记符三维距离lt大小。
Figure BDA0003168328170000231
Figure BDA0003168328170000232
其中，norm表示取L2范数，T是光流追踪时相邻两帧的实际时间差；式(12)输入量是三维坐标，输出量是动态参数的加速度。
由于第0帧和第1帧时无法计算加速度，本文将a0,a1置为0。图8示出了求出的加速度与时刻的关系图，求出的第t+2帧的加速度at+2实际上是第t+1帧时刻的加速度。实际检测出的每一帧图像之间具有一个采样间隔的时滞。
由式(13)-式(21)可提取目标视频中每一帧的图像，通过光流跟踪得到每一帧的图像的动态参数。也可以对隔帧对目标视频中的图像进行采样。
在具体实现时，一般通过下述方式步骤10-12根据动态参数中的加速度准确识别出第二图像，如图9所示，图9为根据动态参数中的加速度准确识别出第二图像的流程图。
步骤10，提取目标视频中每一帧的图像，获取每一帧图像的动态参数并入栈保存。
具体实现时，利用光流跟踪法提取到的每一帧的图像。该动态参数包括第一标记符和第二标记符的位置和任意相邻两帧的第一标记符和第二标记符的加速度。通过每一帧标记符的位置可以得到被测样品在拉伸过程中第一标记符和第二标记符的三维点云轨迹，如图10所示。
步骤11，选取目标视频中被测样品断裂后的图像作为当前帧；判断当前帧与当前帧相邻的前一帧之间的该加速度是否满足预设的断裂判据。
具体地，断裂判据为加速度大于加速度序列的标准差的预设倍数。识别断裂帧的判据依据的是加速度，图像中存在的高斯噪声导致了计算出的三维坐标产生随机误差，这使得即使像素点不发生移动跟踪也会产生静态误差.我们认为，在护套匀速拉伸过程中加速度a大小均服从单边正态分布，当a＞0时有：
Figure BDA0003168328170000241
其中，σ为加速度序列的标准差，μ为加速度序列的平均值；a表示加速度的值，e为常数2.7；f(a|μ，σ2)表示加速度a的概率密度函数。
拉伸过程中μ＝0，当护套发生断裂时，至少一个标记符的加速度突然增大，则会落在μ+3σ区间之外.用前25帧的加速度数据对σ进行参数估计，后续帧的σ根据缓存的加速度序列实时更新。为了降低误检测率，我们(1)提升阈值：将加速度阈值提升到a＞5σ；(2)发生断裂时加速度应大于一定的常数5cm/s2。此即为预设的断裂判据。
步骤12，如果满足，将该当前帧相邻的前一帧作为更新的当前帧，继续执行判断该当前帧与该当前帧相邻的前一帧之间的该加速度是否满足预设的断裂判据的步骤；直至当前帧与当前帧相邻的前一帧之间的该加速度不满足预设的断裂判据时，将当前帧作为第二图像。
当至少一个标记符的加速度同时满足上述两个条件时，判定断裂发生。如图5，由于求出的第帧的加速度实际上是第帧时刻的加速度，实际检测出的断裂帧具有一个采样间隔的时滞，因此我们将前一个采样帧的标记符间距作为断裂长度，并将当前帧作为断裂帧。
将动态参数回溯到2帧前，逐帧读取视频，计算标记符的动态参数并入栈保存，直至再次检测到断裂。
图11出了采样粗检测与逐帧精检测结合的断裂伸长率测量方法的直观示意图。对隔帧采样的所述拉伸视频中的所述稳定特征点进行光流法跟踪，并实时计算存储动态参数，其中，所述动态参数包括当前帧中所述稳定特征点的三维坐标，速度、加速度和间距；在当前帧中所述加速度满足断裂判据时，所述计算机将所述动态参数设置至少2帧前的值，并对所述拉伸视频进行逐帧检测，其中，所述断裂判据为所述加速度大于所述加速度序列的标准差的一定倍数；直至所述当前帧加速度再次满足所述断裂判据时，将当前帧作为所述断裂帧。首先隔k帧采样视频，虚线框的帧为采样跳过的帧，实线框的帧为采样帧，可以看到，深色的帧为断裂发生后的第一个采样帧，上一小节中将其定义为断裂帧(第二图像)，算法检测出断裂的浅色帧在粗检测和精检测中都处在断裂帧之后一帧，因此，回溯至少两帧进行逐帧精检测，直至再次检测到断裂。这个方法能够回溯到更加准确的断裂帧，同时能够减小识别断裂帧过程中的计算量，能够减小计算机的计算压力。
步骤S222，提取第二图像中的第一稳定特征点和第二稳定特征点。
在具体实现时，重复步骤S204-步骤S218，以提取第二图像的第一稳定特征点和第二稳定特征点。
步骤S224，基于第一图像中第一稳定特征点和第二稳定特征点的三维坐标，以及第二图像中第一稳定特征点和第二稳定特征点的三维坐标，确定被测样品的断裂伸长率。
具体地，图12示出了几组被测样品的断裂帧提取结果，图12(a)、图12(b)、图12(c)、图12(d)分别为不同组的断裂帧。通过下式，计算断裂伸长率ρ：
Figure BDA0003168328170000251
其中，l0为标记符的初始间距，在处理首帧图像(第一图像时)已经计算；lM为标记符的断裂间距，即断裂前一帧(第二图像)中第一稳定特征点和第二稳定特征点的三维坐标之间的间距。
本实施例通过SURF算法对感兴趣区域内的像素点进行二次匹配，对匹配结果进行沿极限搜索以及双目识别的三维重建，得到了更加精确的稳定特征点的三维坐标；还利用光流跟踪得到拉伸过程中每一帧的图像，从而得到稳定特征点的运行轨迹以及三维坐标，将运行轨迹与回溯法结合，对拉伸过程的目标视频进行检测，从而能够定位到更加精确的断裂时稳定特征点的状态。该方法提升了断裂伸长率测量方法的精度和自动化程度。
实施例三
对应于上述测量断裂伸长率的方法，本发明实施例提供一种测量断裂伸长率的装置，如图13所示，该装置包括：
第一图像提取模块130，用于从预先获得的目标视频中提取第一图像；其中，该目标视频包括被测样品从未拉伸状态拉伸至断裂状态的图像，该第一图像中包括：设置在未拉伸状态的被测样品上的第一标记符和第二标记符。
特征点提取模块131，用于从该第一图像中提取多个第一目标点和多个第二目标点，将多个第一目标点和该多个第二目标点进行特征匹配，得到第一稳定特征点和第二稳定特征点；其中，多个第一目标点位于该第一标记符的中心位置的指定范围内；多个第二目标点位于该第二标记符的中心位置的指定范围内；第一稳定特征点和第二稳定特征点的特征相似度高于预设阈值。
第二图像提取模块132，用于从该目标视频中提取第二图像；第二图像包括被测样品达到断裂状态之前，第一标记符和第二标记符；确定该第二图像中的第一稳定特征点和第二稳定特征点。
计算模块133，用于基于该第一图像中第一稳定特征点和第二稳定特征点的三维坐标，以及第二图像中第一稳定特征点和第二稳定特征点的三维坐标，确定被测样品的断裂伸长率。
上述特征点提取模块，还用于从第一图像中选取感兴趣区域，其中，该感兴趣区域为闭合几何形状的邻域，该感兴趣区域的几何形状包括矩形、椭圆或圆形；从该感兴趣区域中提取多个第一目标点，其中，多个第一目标点位于第一标记符的中心位置的指定范围内；从该感兴趣区域中提取多个第二目标点，其中，该多个第二目标点位于第二标记符的中心位置的指定范围内；以多个第一目标点为模板，匹配出与该多个第一目标点的特征相似度高于预设阈值的多个第二目标点，剔除与该多个第一目标点的特征相似度低于预设阈值的多个第二目标点，得到第一结果；在该第一结果的基础上，以该多个第二目标点为模板，匹配出与该多个第二目标点的特征相似度高于预设阈值的多个第一目标点，剔除与该多个第二目标点的特征相似度低于预设阈值的多个第一目标点，得到第二结果；剔除该第二结果中不满足极线约束的该多个第一目标点和该多个第二目标点，得到第三结果；选取第三结果中距离第一标记符的中心位置和第二标记符的中心位置最近的点，作为第一稳定特征点和第二稳定特征点；对第一稳定特征点和第二稳定特征点利用三角测量原理进行三维重建，获得第一稳定特征点和第二稳定特征点的三维坐标。
上述特征点提取模块，还用于识别第一标记符和第二标记符的边缘，根据边缘拟合得到该第一标记符的中心位置和该第二标记符的中心位置，其中，第一标记符和第二标记符预先标记在被测样品上的；提取被测样品的像素点，从该像素点中选取第一像素点和第二像素点，其中，该第一像素点位于该第一标记符的中心位置的指定范围内；该第二像素点位于该第二标记符的中心位置的指定范围内；根据第一像素点和第二像素点确定感兴趣区域。
上述特征点提取模块，还用于将该第一图像中面积大小在指定范围和圆度在指定范围的区域作为可疑连通域；任选两个可疑连通域构成组合体，计算该组合体的最小外接矩形中间部分图像的灰度信息熵，将该灰度信息熵最低组合体的两个该可疑连通域作为标记符连通域，从而提取到第一标记符和第二标记的边缘；对第一标记符和第二标记的边缘进行椭圆拟合获取第一标记符的中心位置和第二标记符的中心位置。
上述特征点提取模块，还用于基于预设的色彩或者灰度特征，提取被测样品的像素点；其中，该像素点在空间中运动时，亮度值恒定不变；该像素点的位置不会随着时间变化而剧烈变化；该像素点指定范围内的点具有和像素点相同的运动速度。
上述第二图像提取模块，还用于提取该目标视频中每一帧的图像，通过光流跟踪得到每一帧的图像的动态参数，根据该动态参数识别得到第二图像；其中，该动态参数包括第一标记符和第二标记符的位置和任意相邻两帧的第一标记符和第二标记符的加速度。
上述第二图像提取模块，还用于选取目标视频中被测样品断裂后的图像作为当前帧；判断当前帧与当前帧相邻的前一帧之间的该加速度是否满足预设的断裂判据；如果满足，将该当前帧相邻的前一帧作为更新的当前帧，继续执行判断该当前帧与该当前帧相邻的前一帧之间的该加速度是否满足预设的断裂判据的步骤，直至当前帧与当前帧相邻的前一帧之间的该加速度不满足预设的断裂判据时，将当前帧作为第二图像；其中，断裂判据为加速度大于加速度序列的标准差的预设倍数。
本发明实施例所提供的测量断裂伸长率的装置，其实现原理及产生的技术效果和前述测量断裂伸长率方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
实施例四
本发明实施例提供一种测量断裂伸长率的系统，如图14所示，该系统包括：计算机110、摄像装置120、被测样品130、拉伸仪器140、支撑装置150和光源160。
具体地，摄像装置120和拉伸仪器140与计算机110连接；支撑装置150用于夹持或放置摄像装置120和光源160，且摄像装置120和光源160均与被测样品130对应；拉伸仪器140用于夹持被测样品130；计算机110包括处理器和存储器，该存储器存储有能够被处理器执行的机器可执行指令，该处理器执行该机器可执行指令以实现测量断裂伸长率的方法。
图15为本发明实施例提供的计算机110的示意图。计算机110可以是台式机、笔记本电脑等，其包括断裂伸长率测量装置200、存储器111、存储控制器112和处理器113。
断裂伸长率测量装置200、存储器111、存储控制器112和处理器113各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。断裂伸长率测量装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器111中或固化在所述计算机110的操作系统(operating system，OS)中的软件功能模块。
上断裂伸长率测量装置200存储于所述存储器111中并包括一个或多个由所述处理器执行的软件功能模组，所述断裂伸长率测量装置200包括：摄像控制模块，用于控制所述摄像装置对所述被测试样进行图像采集并存储于所述存储器；标记符处理模块，用于处理首帧图像，提取标记符上的稳定特征点并解算其初始三维坐标和间距；断裂检测模块，用于对稳定特征点进行光流跟踪和动态参数计算，其中，所述动态参数包括当前帧稳定特征点的三维坐标，速度、加速度和间距，最终精确检测断裂帧，计算输出断裂伸长率。
上述处理器113用于执行存储器111中存储的可执行模块，例如断裂伸长率测量装置200包括的软件功能模块或计算机110程序。
其中，存储器111包括但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。
处理器113可以是一种集成电路芯片，具有信号处理能力。上述的处理器113可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)、语音处理器以及视频处理器等；还可以是数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器113也可以是任何常规的处理器等。
摄像装置120可以是，但不限于数字摄像机，可以是HNY-CV-002可变基线USB3.0双目相机，单目分辨率为1280ⅹ720像素，最大捕捉频率为30帧/秒。
被测样品130可以是，但不限于是弹性试样，可以是电缆和光缆绝缘和护套材料制备的哑铃形或管状试样。
拉伸仪器140可以是，但不限于是抗张试验机(俗称拉力仪)，可以是美特斯CMT6502型微机控制电子万能试验机。
支撑装置150可以是，但不限于是三脚架或夹具，可以是铝合金多自由度夹持装置。
光源160可以是，但不限于是条形光源160，可以是高亮度条形背光源160L14020，用于得到更加稳定的像素点。
在可选的实施方式中，上述摄像装置120包括双目图像采集器、单个单目图像采集器或两个单目图像采集器，其中，图像采集器能够将光学信号转换为电信号，图像采集器包括工业相机或红外相机。
本发明实施例所提供的测量断裂伸长率的系统，能够为被测样品提供稳定的光源，从而得到更加稳定的像素点；能够对图像中的稳定特征点进行更加精确、更加自动化的提取；能够运用回溯的加速度检测法提取到更加准确的断裂前一帧的图像；从而，从各个方面整体提高了测量断裂伸长率的精确度和自动化程度。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种测量断裂伸长率的方法，其特征在于，所述方法包括：
从预先获得的目标视频中提取第一图像；其中，所述目标视频包括被测样品从未拉伸状态拉伸至断裂状态的图像，所述第一图像中包括：设置在未拉伸状态的所述被测样品上的第一标记符和第二标记符；
从所述第一图像中提取多个第一目标点和多个第二目标点，将所述多个第一目标点和所述多个第二目标点进行特征匹配，得到第一稳定特征点和第二稳定特征点；其中，所述多个第一目标点位于所述第一标记符的中心位置的指定范围内；所述多个第二目标点位于所述第二标记符的中心位置的指定范围内；所述第一稳定特征点和第二稳定特征点的特征相似度高于预设阈值；
从所述目标视频中提取第二图像；所述第二图像包括所述被测样品达到断裂状态之前，所述第一标记符和所述第二标记符；确定所述第二图像中的所述第一稳定特征点和所述第二稳定特征点；
基于所述第一图像中所述第一稳定特征点和所述第二稳定特征点的三维坐标，以及所述第二图像中所述第一稳定特征点和所述第二稳定特征点的三维坐标，确定所述被测样品的断裂伸长率。
2.根据权利要求1所述的方法，其特征在于，所述从所述第一图像中提取多个第一目标点和多个第二目标点，将所述多个第一目标点和所述多个第二目标点进行特征匹配，得到第一稳定特征点和第二稳定特征点的步骤，包括：
从所述第一图像中选取感兴趣区域，其中，所述感兴趣区域为闭合几何形状的邻域，所述感兴趣区域的几何形状包括矩形、椭圆或圆形；
从所述感兴趣区域中提取多个第一目标点，其中，所述多个第一目标点位于所述第一标记符的中心位置的指定范围内；
从所述感兴趣区域中提取多个第二目标点，其中，所述多个第二目标点位于所述第二标记符的中心位置的指定范围内；
以所述多个第一目标点为模板，匹配出与所述多个第一目标点的特征相似度高于预设阈值的所述多个第二目标点，剔除与所述多个第一目标点的特征相似度低于预设阈值的所述多个第二目标点，得到第一结果；
在所述第一结果的基础上，以所述多个第二目标点为模板，匹配出与所述多个第二目标点的特征相似度高于预设阈值的所述多个第一目标点，剔除与所述多个第二目标点的特征相似度低于预设阈值的所述多个第一目标点，得到第二结果；
剔除所述第二结果中不满足极线约束的所述多个第一目标点和所述多个第二目标点，得到第三结果；
选取第三结果中距离所述第一标记符的中心位置和所述第二标记符的中心位置最近的点，作为所述第一稳定特征点和所述第二稳定特征点；
对所述第一稳定特征点和所述第二稳定特征点利用三角测量原理进行三维重建，获得所述第一稳定特征点和所述第二稳定特征点的三维坐标。
3.根据权利要求2所述的方法，其特征在于，所述从所述第一图像中选取感兴趣区域的步骤，包括：
识别所述第一标记符和所述第二标记符的边缘，根据所述边缘拟合得到所述第一标记符的中心位置和所述第二标记符的中心位置，其中，所述第一标记符和所述第二标记符预先标记在所述被测样品上的；
提取所述被测样品的像素点，从所述像素点中选取第一像素点和第二像素点，其中，所述第一像素点位于所述第一标记符的中心位置的指定范围内；所述第二像素点位于所述第二标记符的中心位置的指定范围内；
根据所述第一像素点和所述第二像素点确定感兴趣区域。
4.根据权利要求3所述的方法，其特征在于，所述识别出所述第一标记符和所述第二标记符的边缘，根据所述边缘拟合得到第一标记符的中心位置和第二标记符的中心位置的步骤，包括：
将所述第一图像中面积大小在指定范围和圆度在指定范围的区域作为可疑连通域；
任选两个所述可疑连通域构成组合体，计算所述组合体的最小外接矩形中间部分图像的灰度信息熵，将所述灰度信息熵最低组合体的两个所述可疑连通域作为标记符连通域，从而提取到所述第一标记符和所述第二标记的边缘；
对所述第一标记符和所述第二标记的边缘进行椭圆拟合获取所述第一标记符的中心位置和所述第二标记符的中心位置。
5.根据权利要求3所述的方法，其特征在于，所述提取所述被测样品的像素点的步骤，包括：
基于预设的色彩或者灰度特征，提取所述被测样品的像素点；
其中，所述像素点在空间中运动时，亮度值恒定不变；所述像素点的位置不会随着时间变化而剧烈变化；所述像素点指定范围内的点具有和像素点相同的运动速度。
6.根据权利要求1所述的方法，其特征在于，所述从所述目标视频中提取第二图像的步骤，包括：
提取所述目标视频中每一帧的图像，通过光流跟踪得到所述每一帧的图像的动态参数，根据所述动态参数识别得到第二图像；其中，所述动态参数包括所述第一标记符和所述第二标记符的位置和任意相邻两帧的所述第一标记符和所述第二标记符的加速度。
7.根据权利要求6所述的方法，其特征在于，所述通过光流跟踪得到所述每一帧的图像的动态参数，根据所述动态参数识别得到第二图像的步骤，包括：
选取所述目标视频中所述被测样品断裂后的图像作为当前帧；
判断所述当前帧与所述当前帧相邻的前一帧之间的所述加速度是否满足预设的断裂判据；
如果满足，将所述当前帧相邻的前一帧作为更新的当前帧，继续执行判断所述当前帧与所述当前帧相邻的前一帧之间的所述加速度是否满足预设的断裂判据的步骤，直至所述当前帧与所述当前帧相邻的前一帧之间的所述加速度不满足预设的断裂判据时，将所述当前帧作为所述第二图像；其中，所述断裂判据为所述加速度大于加速度序列的标准差的预设倍数。
8.一种测量断裂伸长率的装置，其特征在于，所述装置包括：
第一图像提取模块，用于从预先获得的目标视频中提取第一图像；其中，所述目标视频包括被测样品从未拉伸状态拉伸至断裂状态的图像，所述第一图像中包括：设置在未拉伸状态的所述被测样品上的第一标记符和第二标记符；
特征点提取模块，用于从所述第一图像中提取多个第一目标点和多个第二目标点，将所述多个第一目标点和所述多个第二目标点进行特征匹配，得到第一稳定特征点和第二稳定特征点；其中，所述多个第一目标点位于所述第一标记符的中心位置的指定范围内；所述多个第二目标点位于所述第二标记符的中心位置的指定范围内；所述第一稳定特征点和第二稳定特征点的特征相似度高于预设阈值；
第二图像提取模块，用于从所述目标视频中提取第二图像；所述第二图像包括所述被测样品达到断裂状态之前，所述第一标记符和所述第二标记符；确定所述第二图像中的所述第一稳定特征点和所述第二稳定特征点；
计算模块，用于基于所述第一图像中所述第一稳定特征点和所述第二稳定特征点的三维坐标，以及所述第二图像中所述第一稳定特征点和所述第二稳定特征点的三维坐标，确定所述被测样品的断裂伸长率。
9.一种测量断裂伸长率的系统，其特征在于，所述系统包括：
计算机、摄像装置、被测样品、拉伸仪器、支撑装置和光源；
所述摄像装置和所述拉伸仪器与所述计算机连接；
所述支撑装置用于夹持或放置所述摄像装置和所述光源，且所述摄像装置和所述光源均与被测样品对应；
所述拉伸仪器用于夹持所述被测样品；
所述计算机包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器执行所述机器可执行指令以实现权利要求1-7任一项所述的测量断裂伸长率的方法。
10.根据权利要求9所述的系统，其特征在于，所述摄像装置包括双目图像采集器、单个单目图像采集器或两个单目图像采集器，其中，所述图像采集器能够将光学信号转换为电信号，所述图像采集器包括工业相机或红外相机。
CN202110811306.5A 2021-07-19 2021-07-19 测量断裂伸长率的方法、装置和系统 Active CN113569679B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110811306.5A CN113569679B (zh) 2021-07-19 2021-07-19 测量断裂伸长率的方法、装置和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110811306.5A CN113569679B (zh) 2021-07-19 2021-07-19 测量断裂伸长率的方法、装置和系统

Publications (2)

Publication Number Publication Date
CN113569679A true CN113569679A (zh) 2021-10-29
CN113569679B CN113569679B (zh) 2024-03-15

Family

ID=78165339

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110811306.5A Active CN113569679B (zh) 2021-07-19 2021-07-19 测量断裂伸长率的方法、装置和系统

Country Status (1)

Country Link
CN (1) CN113569679B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114187348A (zh) * 2022-02-16 2022-03-15 成都大公博创信息技术有限公司 一种基于计算机视觉的电缆护套断裂伸长率测量方法
CN116092277A (zh) * 2023-04-10 2023-05-09 国网山东省电力公司青岛市即墨区供电公司 电缆断裂远程无线监控预警系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001201320A (ja) * 2000-01-19 2001-07-27 Kishimoto Sangyo Co Ltd 試験片の伸び測定方法及び装置
US20070151359A1 (en) * 2005-12-29 2007-07-05 Accellent, Inc. Method for measuring and calculating tensile elongation of ductile metals
CN103471910A (zh) * 2013-08-26 2013-12-25 东华大学 一种基于随机点跟踪的金属材料断裂伸长率智能测试方法
CN105510124A (zh) * 2016-01-12 2016-04-20 济南大学 一种试件拉伸试验断后伸长率自动测量系统及其方法
CN105910539A (zh) * 2016-05-30 2016-08-31 河北工业大学 基于机器视觉的电缆护套拉伸长度测量装置及方法
CN208296768U (zh) * 2018-03-25 2018-12-28 江苏省产品质量监督检验研究院 一种线缆外护套、绝缘断裂伸长率自动测量装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001201320A (ja) * 2000-01-19 2001-07-27 Kishimoto Sangyo Co Ltd 試験片の伸び測定方法及び装置
US20070151359A1 (en) * 2005-12-29 2007-07-05 Accellent, Inc. Method for measuring and calculating tensile elongation of ductile metals
CN103471910A (zh) * 2013-08-26 2013-12-25 东华大学 一种基于随机点跟踪的金属材料断裂伸长率智能测试方法
CN105510124A (zh) * 2016-01-12 2016-04-20 济南大学 一种试件拉伸试验断后伸长率自动测量系统及其方法
CN105910539A (zh) * 2016-05-30 2016-08-31 河北工业大学 基于机器视觉的电缆护套拉伸长度测量装置及方法
CN208296768U (zh) * 2018-03-25 2018-12-28 江苏省产品质量监督检验研究院 一种线缆外护套、绝缘断裂伸长率自动测量装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高振斌;冯宁楠;: "基于机器视觉的电缆护套拉伸长度测量", 计算机测量与控制, no. 05 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114187348A (zh) * 2022-02-16 2022-03-15 成都大公博创信息技术有限公司 一种基于计算机视觉的电缆护套断裂伸长率测量方法
CN114187348B (zh) * 2022-02-16 2022-05-06 成都大公博创信息技术有限公司 一种基于计算机视觉的电缆护套断裂伸长率测量方法
CN116092277A (zh) * 2023-04-10 2023-05-09 国网山东省电力公司青岛市即墨区供电公司 电缆断裂远程无线监控预警系统

Also Published As

Publication number Publication date
CN113569679B (zh) 2024-03-15

Similar Documents

Publication Publication Date Title
CN111083365B (zh) 一种最佳焦平面位置快速检测方法及装置
CN109685078B (zh) 基于自动标注的红外图像识别方法
CN108986152B (zh) 一种基于差分图像的异物检测方法及装置
CN110297232A (zh) 基于计算机视觉的单目测距方法、装置及电子设备
CN108648169A (zh) 高压输电塔绝缘子缺陷自动识别的方法及装置
CN113569679B (zh) 测量断裂伸长率的方法、装置和系统
US20220012884A1 (en) Image analysis system and analysis method
US11880994B2 (en) Method and system for determining plant leaf surface roughness
CN114693661A (zh) 一种基于深度学习的快速分拣方法
CN114894642B (zh) 一种基于深度学习的疲劳裂纹扩展速率测试方法及装置
CN108664970A (zh) 一种快速目标检测方法、电子设备、存储介质及系统
CN111462075A (zh) 一种全切片数字病理图像模糊区域的快速重聚焦方法及系统
CN114549603B (zh) 细胞病理图像的标注坐标转换方法、系统、设备及介质
CN112634368A (zh) 场景目标的空间与或图模型生成方法、装置及电子设备
CN111239684A (zh) 一种基于YoloV3深度学习的双目快速距离测量方法
CN116703895A (zh) 基于生成对抗网络的小样本3d视觉检测方法及其系统
CN116188943A (zh) 太阳射电频谱爆发信息检测方法及装置
CN108447092A (zh) 视觉定位标识物的方法及装置
CN113627427B (zh) 一种基于图像检测技术的仪器仪表读数方法及系统
CN110675442A (zh) 一种结合目标识别技术的局部立体匹配方法及系统
CN113658147A (zh) 一种基于深度学习的工件尺寸测量装置及方法
TW202020732A (zh) 物體辨識方法及其裝置
CN104036258A (zh) 一种基于稀疏表示处理低分辨率下的行人检测方法
CN106156771B (zh) 一种基于多特征融合的水表读数区域检测算法
CN111027399A (zh) 一种基于深度学习的遥感图像水面潜艇识别方法

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