CN113628136B - 一种高动态范围激光散斑数字图像相关变形测量方法 - Google Patents

一种高动态范围激光散斑数字图像相关变形测量方法 Download PDF

Info

Publication number
CN113628136B
CN113628136B CN202110876417.4A CN202110876417A CN113628136B CN 113628136 B CN113628136 B CN 113628136B CN 202110876417 A CN202110876417 A CN 202110876417A CN 113628136 B CN113628136 B CN 113628136B
Authority
CN
China
Prior art keywords
laser speckle
image
laser
deformation
speckle
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
CN202110876417.4A
Other languages
English (en)
Other versions
CN113628136A (zh
Inventor
阳建宏
刘福佳
刘阳
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.)
University of Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
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 University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN202110876417.4A priority Critical patent/CN113628136B/zh
Publication of CN113628136A publication Critical patent/CN113628136A/zh
Application granted granted Critical
Publication of CN113628136B publication Critical patent/CN113628136B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20208—High dynamic range [HDR] image processing
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

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

Abstract

本发明提供一种高动态范围激光散斑数字图像相关变形测量方法，属于变形测量技术领域。该方法首先搭建采集系统，并调试，然后选取4组不同的LDR图像曝光时间，输入到采集系统中，等待后续自动采集图像；根据设定好的拍摄参数，变形前和变形后分别拍摄4幅LDR激光散斑图像并分别保存；使用激光散斑HDR图像序列分割算法，对变形前后图像两组激光散斑图中过曝光的无效区域进行分割；使用自适应灰度级数映射HDR激光散斑图像融合算法，求解其散斑灰度分布直方图，获得该区域的灰度级数分布；使用融合得到的两幅变形前后HDR激光散斑图像进行数字图像相关运算，最终得到全场变形信息。本发明有效改善激光散斑在高反射表面的过曝光问题，实现全场DIC变形计算。

Description

一种高动态范围激光散斑数字图像相关变形测量方法
技术领域
本发明涉及变形测量技术领域，特别是指一种高动态范围激光散斑数字图像相关变形测量方法。
背景技术
近年来，基于数字图像相关方法的非接触式变形测量技术在光测力学、变形测量和各类工程测量领域得到了广泛的应用。数字图像相关法最早是在上世纪80年代初由日本的山口一郎[1]和美国南卡罗来纳大学的Peter和Ranson等人[2]相互独立提出，通过使用数字相机拍摄图像，然后使用算法比较变形前后的数字图像中的子区相关度，来确定变形前的子区在变形后的图像中的位置。
数字图像相关方法需要被测试件表面具有随机分布的特征散斑图样。除了常用的利用人工随机喷涂、机器制作或散斑模板等工艺手段来制作的“人工散斑”之外，也有学者研究使用了利用单波长高相关性的激光光源，照射在具有光学粗糙表面的被测试件上从而得到反射回来的特征图样，这种特征图样被称为“激光散斑[3]”，同样具有位置随机分布、灰度随机分布的特点，适用于数字图像相关方法的相关函数运算。
相比人工散斑，激光散斑[4]更适合于高温应用，因为它不需要寻找耐高温的特殊粘合剂或散斑涂料，并且能够应用与人工散斑材料无法达到的超高温度。但是由于激光光源的高相干特性，其在某些强反射表面，如低粗糙度表面、结构边缘凸起位置等，容易出现光的强反射现象，从而导致上述区域拍摄得到的激光散斑图像中出现了过曝光问题，具体为灰度值超出了工业相机的动态范围，从而采集到的激光散斑图像呈现“全白现象”，使得该区域不具有“位置随机分布、灰度随机分布的特征图样”。因此需要一种高动态范围激光散斑数字图像相关变形测量方法和系统，即HDR-DIC方法。其中，高动态范围(High DynamicRange,HDR)是相对于低动态范围(Low Dynamic Range,LDR)的一种概念，一幅HDR激光散斑图像需要使用多张LDR激光散斑图像经过算法合成得到。
2020年，有学者提出使用DMD装置对强反射表面的“人工散斑”进行HDR合成，从而部分抑制人工散斑的强反射现象[5]。相比较于该方法，本发明与其的主要不同点在于：1、该方法需要借助DMD装置来实现不同照度，本发明不需要DMD装置，本发明使用的是单波长激光器，并且本发明使用了窄带宽滤波镜组。使用装置设备存在本质不同。2、该方法在图像融合算法使用了文献中提到的M1&M2两幅Mask图像融合函数(公式1-4)，本发明使用的图像融合函数是本发明提出的“自适应灰度级数映射HDR激光散斑图像融合算法”，并且在特征提取函数使用了本发明提出的“激光散斑HDR图像序列分割算法”。3、该方法使用的是人工散斑图样，人工散斑与激光散斑存在本质的不同，散斑的评价方法和影响散斑效果的因素也完全不同。4、该方法只使用了2幅LDR图像用于合成，本发明使用了4幅LDR图像合成HDR激光散斑图像。
参考文献：
[1]Yamaguchi I.A laser-speckle strain gauge[J].Journal of Physics E:Scientific Instruments.1981,14:1270～1273.
[2]W.H.Peters,W.F.Ranson.Digital Imaging Techniques in ExperimentalStress Analysis[J].Optical Engineering.1981，21:427～431.
[3]Anwander M,Zagar B G,Weiss B,et al.Noncontacting strainmeasurements at high temperatures by the digital laser speckle technique[J].Experimental mechanics,2000,40(1):98-105.
[4]Pradille C,Bellet M,Chastel Y.A Laser speckle method for measuringdisplacement field.Application to resistance heating tensile test on steel[C]//Applied Mechanics and Materials.Trans Tech Publications,2010,24:135-140.
[5]Suresh,Vignesh,and Beiwen Li."Digital image correlation for highlyreflective objects using digital micro-mirror device."Emerging DigitalMicromirror Device Based Systems and Applications XII.Vol.11294.InternationalSociety for Optics and Photonics,2020.
发明内容
本发明要解决的技术问题是提供一种高动态范围激光散斑数字图像相关变形测量方法，该方法使用大功率单波长激光器作为主动光源，使用空间滤波扩束镜组用来在一定距离下投射激光从而生成激光散斑，使用窄带宽滤波镜组用来过滤杂光等噪声干扰，使用灰度工业相机采集多幅LDR图像后续融合使用，使用“激光散斑HDR图像序列分割算法”和“自适应灰度级数映射HDR激光散斑图像融合算法”两种方法来获得高动态范围的激光散斑图像，即HDR激光散斑图像。该方法和系统经验证可以有效改善激光散斑在高反射表面的过曝光问题，实现全场DIC变形计算。本发明经过验证可以应用与高温环境下的棒状高温合金试样单轴拉伸实验。
该方法包括步骤如下：
S1：搭建采集系统，调试激光投射面大小，调试镜头光圈到激光散斑清晰成像的位置；
S2：选取4组不同的LDR图像曝光时间t1～t4，由低到高输入到采集系统中，等待后续自动采集图像；
S3：根据设定好的拍摄参数，变形前拍摄4幅LDR激光散斑图像，保存为I1～4，变形后拍摄4幅LDR激光散斑图像，保存为J1～4；
S4：使用激光散斑HDR图像序列分割算法，把图像每一行设置为一个组，从每行中间像素位置，向左右逐渐累加像素的灰度值，作为局部灰度总和值，基于局部灰度总和阈值不超过50(8bit图像，0-255灰度值)控制分割像素区域，把上述累加灰度值总和不超过50的像素区域作为过曝光的无效像素区域，同理图像每一行进行上述分割，得到整张图像的过曝光无效像素区域。最终得到变形前图像I1～4和变形后图像J1～4两组激光散斑图中过曝光的无效像素区域；
S5：使用自适应灰度级数映射HDR激光散斑图像融合算法，以LDR激光散斑图像的正常曝光的激光散斑区域为参考，统计该区域的灰度分布情况，绘制灰度分布直方图，获得该区域的灰度级数分布，将分布作为映射参量，对变形前图像I1～4和变形后图像J1～4进行映射融合(即将LDR激光散斑的正常曝光区域作为输入图像，以前面获取的映射参量为灰度级数参考值，把正常曝光区域做直方图均衡化，然后I1～4和J1～4各组均衡化后的图像对应像素位置直接累加，可以得到2张I图和J图)得到2幅分别代表变形前和变形后图像组的HDR激光散斑图像，然后使用多因子融合散斑评价指标(Multi-Factor Fusion index,MFFI)评价融合区域和正常曝光区域的激光散斑质量，如果融合区域的数值低于正常曝光区域数值的30％，则返回重新升高或降低映射参量再次融合HDR激光散斑图像；
S6：使用融合得到的两幅变形前后HDR激光散斑图像进行数字图像相关运算，最终得到全场变形信息。
做数字图像相关运算时，可使用包括互相关算法，如零均值归一化互相关算法(ZNCC)或距离和算法，如零均值最小平方距离和算法(ZNSSD)。
其中，S1中采集系统包括激光器、空间滤波扩束镜组、窄带宽滤波镜组和工业相机镜头，空间滤波扩束镜组位于激光器和待测试件之间，前端设置窄带宽滤波镜组的工业相机镜头置于空间滤波扩束镜组的上方，且倾斜放置，激光器光束直线和相机拍摄光轴之间的倾角不超过30度。
空间滤波扩束镜组通过透镜的组合实现对激光器发射的单线激光的均匀扩束，射出的是一个圆形面光源，面光源内部各处的激光功率近似均匀。
本发明的上述技术方案的有益效果如下：
上述方案中，使用了大功率单波长蓝光激光器、空间滤波扩束镜组、窄带宽滤波镜组和高精度工业相机等激光散斑生成和图像采集设备，能够得到质量更好的激光散斑图案，并且更适应于高温环境下的激光散斑生成和图像采集任务。
本发明设计了一种“激光散斑HDR图像序列分割算法”和“自适应灰度级数映射HDR激光散斑图像融合算法”，能够基于局部区域灰度值自动拾取过曝光区域，能够根据正常曝光区域自动获取灰度技术的映射参量，能够使用MFFI评价因子动态评价融合的HDR激光散斑图像质量。
综上，本发明为基于激光散斑的数字图像相关方法提供了有效的高动态范围成像改进方法和测量系统，弥补了传统方法在高反射表面存在的激光散斑过曝光从而导致测量失效的现象。并且能够满足数字图像相关测量所需要的测量精度，将会很好的推动基于数字图像相关方法的非接触式材料/构件变形检测技术的发展。
附图说明
图1为本发明的高动态范围激光散斑数字图像相关变形测量方法流程图；
图2为本发明所使用硬件系统布置简图；
图3为本发明所使用的“激光散斑HDR图像序列分割算法”和“自适应灰度级数映射HDR激光散斑图像融合算法”示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明提供一种高动态范围激光散斑数字图像相关变形测量方法。
如图1所示，该方法包括步骤如下：
S1：搭建采集系统，调试激光投射面大小，调试镜头光圈到激光散斑合适位置，使能够清晰成像；
S2：选取4组不同的LDR图像曝光时间t1～t4，由低到高输入到采集系统中，等待后续自动采集图像；
S3：根据设定好的拍摄参数，变形前拍摄4幅LDR激光散斑图像，保存为I1～4，变形后拍摄4幅LDR激光散斑图像，保存为J1～4；
S4：使用激光散斑HDR图像序列分割算法，基于局部灰度总和阈值控制对变形前图像I1～4和变形后图像J1～4两组激光散斑图中过曝光的无效区域进行分割；
S5：使用自适应灰度级数映射HDR激光散斑图像融合算法，以LDR激光散斑图像的正常曝光的激光散斑区域为参考，求解其散斑灰度分布直方图，获得该区域的灰度级数分布，将分布作为映射参量，对变形前图像I1～4和变形后图像J1～4进行映射融合得到2幅分别代表变形前和变形后图像组的HDR激光散斑图像，然后使用多因子融合指标评价融合区域和正常曝光区域的激光散斑质量，如果融合区域的数值低于正常曝光区域数值的30％，则返回重新调整映射参量再次融合HDR激光散斑图像；
S6：使用融合得到的两幅变形前后HDR激光散斑图像进行数字图像相关运算，最终得到全场变形信息。
S1中采集系统包括激光器、空间滤波扩束镜组、窄带宽滤波镜组和工业相机镜头，如图2所示，空间滤波扩束镜组位于激光器和待测试件之间，前端设置窄带宽滤波镜组的工业相机镜头置于空间滤波扩束镜组的上方，且倾斜放置，保证激光器光束直线和相机拍摄光轴之间的倾角不超过30度。采集系统中，大功率单波长激光器输出的光线需要经过空间滤波扩束镜组进行扩束，然后照射到待测试件的表面，最后待测试件的激光散斑通过窄带宽滤波镜组，然后进入工业相机，采集成为数字图像。
其中，空间滤波扩束镜组通过透镜的组合实现对激光器发射的单线激光的均匀扩束，射出的是一个圆形面光源，面光源内部各处的激光功率近似均匀。
如图3所示，为本发明所使用从S4到S5的融合过程。
如图3，采集到的LDR图像序列由于动态范围较低，会存在部分过曝光区域，由黑色矩形标识出。实际上每一幅LDR激光散斑图像的过曝光区域是不同的，需要使用自动提取算法得到图中黑色实线矩形框的过曝光区域。通过提取黑色虚线中的正常曝光区域图像，得到自动提取直方图从而获得灰度映射所需要的灰度级数，然后再把LDR序列的过曝光区域映射合成。最终合成的HDR激光散斑图还需要对于“合成区域”和“原始区域”使用MFFI评估方法进行评估判断。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (3)

1.一种高动态范围激光散斑数字图像相关变形测量方法，其特征在于：包括步骤如下：
S1：搭建采集系统，调试激光投射面大小，调试镜头光圈到激光散斑清晰成像的位置；
S2：选取4组不同的LDR图像曝光时间t1~t4，由低到高输入到采集系统中，等待后续自动采集图像；
S3：根据设定好的拍摄参数，变形前拍摄4幅LDR激光散斑图像，保存为I1~4，变形后拍摄4幅LDR激光散斑图像，保存为J1~4；
S4：使用激光散斑HDR图像序列分割算法：把图像每一行设置为一个组，从每行中间像素位置，向左右逐渐累加像素的灰度值，作为局部灰度总和值，基于局部灰度阈值控制分割像素区域，把上述局部灰度总和值不超过50的像素区域作为过曝光的无效像素区域，同理图像每一行进行上述分割，得到整张图像的过曝光无效像素区域；最终得到变形前图像I1~4和变形后图像J1~4两组激光散斑图中过曝光的无效像素区域；
S5：使用自适应灰度级数映射HDR激光散斑图像融合算法：以LDR激光散斑图像的正常曝光的激光散斑区域为参考，统计该区域的灰度分布情况，绘制灰度分布直方图，获得该区域的灰度级数分布，将分布作为映射参量，对变形前图像I1~4和变形后图像J1~4进行映射融合，即将LDR激光散斑的正常曝光区域作为输入图像，以获取的映射参量为灰度级数参考值，把正常曝光区域做直方图均衡化，然后I1~4和J1~4各组均衡化后的图像对应像素位置直接累加，得到2幅分别代表变形前和变形后图像组的HDR激光散斑图像，然后使用多因子融合散斑评价指标评价融合区域和正常曝光区域的激光散斑质量，如果融合区域的数值低于正常曝光区域数值的30%，则返回重新升高或降低映射参量再次融合HDR激光散斑图像；
S6：使用融合得到的两幅变形前后HDR激光散斑图像进行数字图像相关运算，最终得到全场变形信息。
2.根据权利要求1所述的高动态范围激光散斑数字图像相关变形测量方法，其特征在于：所述S1中采集系统包括激光器、空间滤波扩束镜组、窄带宽滤波镜组和工业相机镜头，空间滤波扩束镜组位于激光器和待测试件之间，前端设置窄带宽滤波镜组的工业相机镜头置于空间滤波扩束镜组的上方，且倾斜放置，激光器光束直线和相机拍摄光轴之间的倾角不超过30度。
3.根据权利要求2所述的高动态范围激光散斑数字图像相关变形测量方法，其特征在于：所述空间滤波扩束镜组通过透镜的组合实现对激光器发射的单线激光的均匀扩束，射出的是一个圆形面光源，面光源内部各处的激光功率近似均匀。
CN202110876417.4A 2021-07-29 2021-07-29 一种高动态范围激光散斑数字图像相关变形测量方法 Active CN113628136B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110876417.4A CN113628136B (zh) 2021-07-29 2021-07-29 一种高动态范围激光散斑数字图像相关变形测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110876417.4A CN113628136B (zh) 2021-07-29 2021-07-29 一种高动态范围激光散斑数字图像相关变形测量方法

Publications (2)

Publication Number Publication Date
CN113628136A CN113628136A (zh) 2021-11-09
CN113628136B true CN113628136B (zh) 2023-07-25

Family

ID=78381974

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110876417.4A Active CN113628136B (zh) 2021-07-29 2021-07-29 一种高动态范围激光散斑数字图像相关变形测量方法

Country Status (1)

Country Link
CN (1) CN113628136B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114485448B (zh) * 2022-01-25 2022-11-15 上海大学 一种自适应散斑干涉测量方法及系统
CN116839495A (zh) * 2023-06-25 2023-10-03 深圳市海塞姆科技有限公司 基于激光散斑的形变视觉测量方法、视频引伸计及介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102740082A (zh) * 2011-04-01 2012-10-17 佳能株式会社 图像处理装置及控制方法
WO2014021994A1 (en) * 2012-08-03 2014-02-06 University Of Pittsburgh - Of The Commonwealth System Of Higher Education Method and apparatus for aiding in the diagnosis of otitis media by classifying tympanic membrane images
CN106500612A (zh) * 2016-10-12 2017-03-15 北京科技大学 材料构件高温变形的非接触测量系统及方法
CN107071248A (zh) * 2017-03-31 2017-08-18 天津大学 一种用于提取强反射表面几何特征的高动态范围成像方法
CN107888839A (zh) * 2017-10-30 2018-04-06 广东欧珀移动通信有限公司 高动态范围图像获取方法、装置及设备
CN108548834A (zh) * 2018-05-07 2018-09-18 湖南大学 一种基于sem原位成像系统的应变测量方法
CN109124615A (zh) * 2018-09-06 2019-01-04 佛山科学技术学院 一种可选区高动态激光散斑血流成像装置及方法
CN109186483A (zh) * 2018-09-30 2019-01-11 华南理工大学 一种可变形智能翼的形变驱动检测装置与方法
CN109345491A (zh) * 2018-09-26 2019-02-15 中国科学院西安光学精密机械研究所 一种融合梯度和灰度信息的遥感图像增强方法
CN110779454A (zh) * 2019-10-10 2020-02-11 北京科技大学 基于双通道结构散斑互相关算法的改进数字图像相关方法
WO2020132960A1 (zh) * 2018-12-26 2020-07-02 合刃科技（深圳）有限公司 缺陷检测方法及缺陷检测系统
DE102019007035A1 (de) * 2019-10-10 2021-04-15 Bundesrepublik Deutschland, vertr. durch das Bundesministerium der Verteidigung, vertr. durch das Bundesamt für Ausrüstung, Informationstechnik und Nutzung der Bundeswehr Markervorrichtung

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3165874B1 (en) * 2015-11-04 2020-08-19 Hexagon Technology Center GmbH Method and device for triangulation-based distance measurement

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102740082A (zh) * 2011-04-01 2012-10-17 佳能株式会社 图像处理装置及控制方法
WO2014021994A1 (en) * 2012-08-03 2014-02-06 University Of Pittsburgh - Of The Commonwealth System Of Higher Education Method and apparatus for aiding in the diagnosis of otitis media by classifying tympanic membrane images
CN106500612A (zh) * 2016-10-12 2017-03-15 北京科技大学 材料构件高温变形的非接触测量系统及方法
CN107071248A (zh) * 2017-03-31 2017-08-18 天津大学 一种用于提取强反射表面几何特征的高动态范围成像方法
CN107888839A (zh) * 2017-10-30 2018-04-06 广东欧珀移动通信有限公司 高动态范围图像获取方法、装置及设备
CN108548834A (zh) * 2018-05-07 2018-09-18 湖南大学 一种基于sem原位成像系统的应变测量方法
CN109124615A (zh) * 2018-09-06 2019-01-04 佛山科学技术学院 一种可选区高动态激光散斑血流成像装置及方法
CN109345491A (zh) * 2018-09-26 2019-02-15 中国科学院西安光学精密机械研究所 一种融合梯度和灰度信息的遥感图像增强方法
CN109186483A (zh) * 2018-09-30 2019-01-11 华南理工大学 一种可变形智能翼的形变驱动检测装置与方法
WO2020132960A1 (zh) * 2018-12-26 2020-07-02 合刃科技（深圳）有限公司 缺陷检测方法及缺陷检测系统
CN110779454A (zh) * 2019-10-10 2020-02-11 北京科技大学 基于双通道结构散斑互相关算法的改进数字图像相关方法
DE102019007035A1 (de) * 2019-10-10 2021-04-15 Bundesrepublik Deutschland, vertr. durch das Bundesministerium der Verteidigung, vertr. durch das Bundesamt für Ausrüstung, Informationstechnik und Nutzung der Bundeswehr Markervorrichtung

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
High temperature strain measurement method by combining digital image correlation of laser speckle and improved RANSAC smoothing algorithm;Song Jinlian等;《Optics and Lasers in Engineering》;第111卷;第8-18页 *
单目视觉下振动台试件变形位移测量方法研究;赵珊;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第1期);第C038-166页 *
基于像面数字全息的物体动态形变测量研究;吴海钰;《中国优秀硕士学位论文全文数据库 信息科技辑》(第8期);第I135-60页 *

Also Published As

Publication number Publication date
CN113628136A (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
CN113628136B (zh) 一种高动态范围激光散斑数字图像相关变形测量方法
JP3404134B2 (ja) 検査装置
CN105651203B (zh) 一种自适应条纹亮度的高动态范围三维形貌测量方法
JP3729154B2 (ja) パターン欠陥検査方法及びその装置
WO2010077900A1 (en) Structured light imaging system and method
JP6745152B2 (ja) 合焦装置、合焦方法、及びパターン検査方法
CN112525107B (zh) 一种基于事件相机的结构光三维测量方法
JP2530081B2 (ja) マスク検査装置
WO2012057284A1 (ja) 三次元形状測定装置、三次元形状測定方法、構造物の製造方法および構造物製造システム
JP2010032260A (ja) 光学系歪補正方法および光学系歪補正装置
EP1152210B1 (en) Method and apparatus to measure amount of movement using granular speck pattern generated by reflecting laser beam
CN108955555B (zh) 高精度高温变形测量方法
JP2017129950A (ja) 画像処理装置、撮像装置および画像処理プログラム
JP2004012301A (ja) パターン欠陥検出方法およびその装置
TW202104986A (zh) 用於決定待測物件之產出空間影像的方法
JP2018056143A (ja) 露光条件評価装置
CN110631487A (zh) 一种利用激光散斑自相关技术测量横向微位移的方法
TW201250370A (en) Image calculation and measurement apparatus and method
JP2006017485A (ja) 面形状測定装置および測定方法、並びに、投影光学系の製造方法、投影光学系及び投影露光装置
KR101653649B1 (ko) 균일도 보상 패턴광을 이용한 3차원 형상 측정 방법
JP2019179237A (ja) リソグラフィマスクのフォーカス位置を決定する方法及びそのような方法を実行するための計測系
CN109813533B (zh) 一种批量测试doe衍射效率和均匀性的方法及装置
JP3106849B2 (ja) 塗装面性状測定装置
JP4518704B2 (ja) 位相シフトマスク検査装置及び位相シフトマスク検査方法
CN111830043A (zh) 一种基于空间频移调控的表面缺陷检测装置和检测方法

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