CN114463251A - 一种测量航空发动机中介机匣内表面变形的方法及装置 - Google Patents
一种测量航空发动机中介机匣内表面变形的方法及装置 Download PDFInfo
- Publication number
- CN114463251A CN114463251A CN202111521602.8A CN202111521602A CN114463251A CN 114463251 A CN114463251 A CN 114463251A CN 202111521602 A CN202111521602 A CN 202111521602A CN 114463251 A CN114463251 A CN 114463251A
- Authority
- CN
- China
- Prior art keywords
- image
- matching
- camera
- dimensional
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000006073 displacement reaction Methods 0.000 claims abstract description 14
- 238000005507 spraying Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000013519 translation Methods 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 3
- 238000001579 optical reflectometry Methods 0.000 description 12
- 238000012937 correction Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 7
- 238000003702 image correction Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000000007 visual effect Effects 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
-
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/10004—Still image; Photographic image
Abstract
本公开揭示了一种测量航空发动机机匣内表面变形的方法，包括如下步骤：对双目相机进行标定，以获得双目相机的内、外参数；在待测航空发动机中介机匣内表面的感兴趣区域喷制散斑作为标记；采集不同载荷下待测航空发动机中介机匣内表面发生变形时的散斑图像，其中，由左相机采集的散斑图像记为左图像，由右相机采集的散斑图像记为右图像，并对左图像和右图像进行匹配，获得不同的匹配图像点对；通过双目相机的内、外参数对匹配图像点对进行三维重建，以获得与匹配图像点相对应的不同三维坐标；将不同三维坐标进行比对，以获得待测航空发动机中介机匣内表面感兴趣区域的位移场和应变场。
Description
技术领域
本公开属于航空发动机发动机监测及计算机视觉领域，尤其涉及一种测量航空发动机中介机匣内表面变形的方法及装置。
背景技术
近年来，随着国家航空发动机工程及军事科学的快速发展，非接触式的计算机视觉测量技术逐渐在航空发动机材料检测、变形监测、故障诊断及包容性试验等方面获得了广泛的应用。相比于传统的应变片和千分尺测量效率低下、布设繁琐等问题，视觉测量具有不损伤试件、测量快速、环境适应性强等优点，非常适合航空发动机零部件如中介机匣、涡轮叶片等的动态变形测量。
中介机匣是航空发动机上非常重要的承力构件，处于低压与高压压气机中间，联系着涡扇发动机内、外涵道。中介机匣结构比较复杂，负担着分配内、外涵道比的任务，许多通气、通油管路以及传动附件也常置于其上，所以中介机匣在强度、刚度方面有较高要求。此外，中介机匣上承受的载荷多达二、三十个，如承受轴向力、径向力和弯矩，且方向大小各不相同，是典型的多轴载荷，一旦出现强度破坏，往往会引发灾难性后果。尤其对于其内部的肋板、加强筋等容易引起应力集中的部位，出现失效或破断的概率更高。因此，通过测量机匣的变形来评估其强度及健康状态，成为发动机结构强度与可靠性试验领域的重要组成部分。然而，中介机匣加载试验台非常狭窄，且限于机匣本身的结构，存在外部遮挡和自遮挡问题，机匣内表面的图像采集非常困难，若仍采用常规的双目测量装置，难以获得兴趣部位的图像，且可能因视角倾斜造成图像失焦模糊、散斑预变形等问题，严重的阻碍了图像的进一步匹配和变形计算。
发明内容
针对现有技术中的不足，本公开的目的在于提供一种测量航空发动机中介机匣内表面变形的方法，
为实现上述目的，本公开提供以下技术方案：
一种测量航空发动机中介机匣内表面变形信息的方法，包括如下步骤：
S100：对双目相机进行标定，以获得双目相机的内、外参数；
S200：在待测航空发动机中介机匣内表面的感兴趣区域喷制散斑作为标记；
S300：在第一载荷作用下，采集待测航空发动机中介机匣内表面发生变形时的第一散斑图像，其中，由左相机采集的第一散斑图像记为第一左图像，由右相机采集的第一散斑图像记为第一右图像；在第二载荷作用下，采集待测航空发动机中介机匣内表面发生变形时的第二散斑图像，其中，由左相机采集的第二散斑图像记为第二左图像，由右相机采集的第二散斑图像记为第二右图像；对所述第一左图像和第一右图像进行匹配，获得第一匹配图像点对；对所述第二左图像和第二右图像进行匹配，获得第二匹配图像点对；
S400：通过双目相机的内、外参数对所述第一匹配图像点对进行三维重建，以获得与所述第一匹配图像点相对应的第一三维坐标；通过双目相机的内、外参数对所述第二匹配图像点对进行三维重建，以获得与所述第二匹配图像点相对应的第二三维坐标；
S500：将所述第一三维坐标和第二三维坐标进行比对，以获得待测航空发动机中介机匣内表面感兴趣区域的位移场和应变场。
优选的，步骤S100包括如下步骤：
S101：从八个不同方位拍摄带有编码点和非编码点的标定板，获得第一至第八幅标定板图像；
S102：对所述第一至第八幅标定板图像进行校正，获得校正后的第一至第八幅标定板图像；
S103：以相机的理论内参数作为内方位参数初值，对校正后的第一幅和第二幅标定板图像进行相对定向并重建编码点的三维坐标；
S104：利用后方交会计算第三至第八幅标定板图像的外方位参数；
S105：根据相机的内方位参数和步骤S104中获得的外方位参数，利用双目重建的最小二乘算法计算所有非编码点的三维坐标；
S106：利用光束平差迭代对校正后的第一至第八幅标定板图像的内、外方位参数以及所有编码点和非编码点的三维坐标进行优化；
S106：通过比例尺获得优化后的所有编码点和非编码点的真实三维坐标；
S107：利用步骤S104中获得的外方位参数获取左、右相机的内参数矩阵Kl、Kr以及右相机相对于左相机的外参数矩阵[R|T]，其中，R为旋转矩阵，T为平移矩阵。
优选的，步骤S300中，对所述第一左图像和第一右图像以及对所述第二左图像和第二右图像进行匹配包括粗匹配和精匹配。
优选的，所述粗匹配包括如下步骤：
S301：在第一左图像上选定待匹配区域，并将该区域划分为一定数量和尺寸的方形网格，每个网格的尺寸记为(2m+1)*(2m+1)，同时，第二左图像上的待匹配区域默认为与第一左图像上的待匹配区域一致；
S302：利用相关匹配准则在第一右图像以及第二右图像内进行搜索，计算第一左图像与第一右图像以及第二左图像与第二右图像计算区域内的各网格之间的相似度，根据相似度的极值处的坐标获得第一右图像和第二右图像上相匹配的子区位置。
优选的，采用距离平方和系数对所述第一左图像和第一右图像以及对所述第二左图像和第二右图像进行精匹配，所述距离平方和系数表示为：
其中，r0和r1两个参数用于补偿由于光照引起的灰度线性变化，
优选的，步骤S400中，所述通过双目相机的内、外参数对第一匹配图像点对和第二匹配点对进行三维重建通过下式进行：
M＝(AT*A)-1*AT*B
其中，M表示三维重建结果，ML＝AL[I|0]和MR＝AR[R|T]表示由相机标定参数组成的左相机和右相机的投影矩阵，(uL，vL)和(uR，vR)表示同一匹配在左图像和右图像的像素坐标。
优选的，步骤S500中，所述将第一三维坐标和第二三维坐标进行对比包括如下步骤：
S501：计算机匣内表面兴趣位置处完成匹配和三维重建的每个三维点的位移值；
S502：通过三角网格的顶点移动和边长变化计算机匣内表面兴趣位置处完成匹配和三维重建的每个三维点的应变值。
本公开还提供一种测量航空发动机中介机匣内表面变形信息的装置，包括：
图像反射模块，用于对待测航空发动机中介机匣内表面的散斑图像进行反射；
图像采集模块，用于采集由图像反射模块反射至其采集区域内的散斑图像。
优选的，所述图像采集模块包括双目相机和频闪光源。
优选的，所述图像反射模块包括：
舵机，
舵机的上端面设置有平面反射镜，舵机通过旋转控制平面反射镜的反射角度；
舵机的下端面依次连接滑台和导轨，滑台通过在导轨上滑动以控制平面反射镜与图像采集模块之间的反射距离。
与现有技术相比，本公开带来的有益效果为：
1、本公开针对航空发动机机匣内部图像采集困难、匹配稳定性差等问题，提出一种反射式双目立体视觉测量方法，面向机匣强度试验兴趣部位为匣体内表面筋板、肋部等应力集中处的测量需求，非常适合航空发动机中介机匣内表面变形的全场动态测量；
2、本公开采用双目相机光轴关于反射镜对称的布置方式，硬件实现相对简单，且能够根据不同的试验工况调整反射镜的角度和距离，能够满足狭窄、自遮挡等工况下的内表面图像采集需求，如根据机匣的高度和直径可分别调整反射镜与相机之间的距离(毫米级)以及反射镜的角度(灵敏度可达1°)，具有很强的灵活性。
附图说明
图1为本公开一个实施例提供的一种航空发动机中介机匣内表面变形的光学反射测量方法流程图；
图2为本公开另一个实施例提供的航空发动机中介机匣内表面变形的光学反射测量方法中相机标定用的标定板；
图3为本公开另一个实施例提供的航空发动机中介机匣内表面变形的光学反射测量方法中反射成像方式；
图4(a)至图4(h)为本公开另一个实施例提供的航空发动机中介机匣内表面变形的光学反射测量方法中镜像校正前的8幅标定板图像；
图5(a)至图5(h)为本公开另一个实施例提供的航空发动机中介机匣内表面变形的光学反射测量方法中镜像校正后的8幅标定板图像；
图6为本公开另一个实施例提供的航空发动机中介机匣内表面变形的光学反射测量方法中第2幅图像镜像校正前编码点检测；
图7为本公开另一个实施例提供的航空发动机中介机匣内表面变形的光学反射测量方法中第2幅图像镜像校正后编码点检测；
图8(a)和图8(b)为本公开另一个实施例提供的航空发动机中介机匣内表面变形的光学反射测量方法中获得的第一左图像和第一右图像；
图9(a)和图9(b)为本公开另一个实施例提供的航空发动机中介机匣内表面变形的光学反射测量方法中获得的第二左图像和第二右图像；
图10(a)和图10(b)为本公开另一个实施例提供的航空发动机中介机匣内表面变形的光学反射测量方法中的计算区域匹配和计算点选择；
图11为本公开另一个实施例提供的航空发动机中介机匣内表面变形的光学反射测量方法中获取位移场；
图12为本公开另一个实施例提供的航空发动机中介机匣内表面变形的光学反射测量方法中获取应变场；
图13为本公开另一个实施例提供的航空发动机中介机匣内表面变形的光学反射测量装置的结构示意图。
具体实施方式
下面将参照附图1至图13详细地描述本公开的具体实施例。虽然附图中显示了本公开的具体实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并日能够将本公开的范围完整的传达给本领域的技术人员。
需要说明的是，在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解，技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异作为区分组件的方式，而是以组件在功能上的差异作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本公开的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本公开的范围。本公开的保护范围当视所附权利要求所界定者为准。
为便于对本公开实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明，且各个附图并不构成对本公开实施例的限定。
一个实施例中，如图1所示，本公开提供一种测量航空发动机中介机匣内表面变形信息的方法，包括如下步骤：
S100：对双目相机进行标定，以获得双目相机的内、外参数；
S200：在待测航空发动机中介机匣内表面的感兴趣区域喷制散斑作为标记；
S300：在第一载荷作用下，采集待测航空发动机中介机匣内表面发生变形时的第一散斑图像，其中，由左相机采集的第一散斑图像记为第一左图像，由右相机采集的第一散斑图像记为第一右图像；在第二载荷作用下，采集待测航空发动机中介机匣内表面发生变形时的第二散斑图像，其中，由左相机采集的第二散斑图像记为第二左图像，由右相机采集的第二散斑图像记为第二右图像；对所述第一左图像和第一右图像进行匹配，获得第一匹配图像点对；对所述第二左图像和第二右图像进行匹配，获得第二匹配图像点对；
S400：通过双目相机的内、外参数对所述第一匹配图像点对进行三维重建，以获得与所述第一匹配图像点相对应的第一三维坐标；通过双目相机的内、外参数对所述第二匹配图像点对进行三维重建，以获得与所述第二匹配图像点相对应的第二三维坐标；
S500：将所述第一三维坐标和第二三维坐标进行比对，以获得待测航空发动机中介机匣内表面感兴趣区域的位移场和应变场。
上述实施例构成了本公开的完整技术方案。本实施例针对航空发动机机匣内部图像采集困难、匹配稳定性差等问题，创造性的提出了一种反射式双目立体视觉测量方法，通过采用双目相机光轴关于反射镜对称的布置方式，能够根据不同的试验工况调整反射镜的角度和距离，从而能够满足狭窄、自遮挡等工况下的内表面图像采集需求，特别是能够满足面向机匣强度试验兴趣部位为匣体内表面筋板、肋部等应力集中处的测量需求，具有很强的灵活性，非常适合航空发动机中介机匣内表面变形的全场动态测量。
另一个实施例中，步骤S100包括如下步骤：
S101：从八个不同方位拍摄带有编码点和非编码点的标定板，获得第一至第八幅标定板图像；
该步骤中，使用Basler型号的双目相机，其分辨率为2448×2048pixel。镜头使用RICOH，焦距为16mm，畸变初始值为0；反射镜反射率达99％以上，标定板如图2所示，共有15×15列，17个编码点，比例尺为144.2683mm，标定结果如表1所示：
表1
表1中，f表示镜头焦距，dx和dy分别表示相机的主点偏差，K1、K2、K3表示径向畸变系数，B1、B2表示切向畸变系数，E1、E2表示薄棱镜畸变系数。
对上述标定板从八个不同方位拍摄，可获得如图4(a)至图4(h)所示的八幅标定板图像。
S102：对所述第一至第八幅标定板图像进行镜像校正，获得校正后的第一至第八幅标定板图像；
该步骤中，由于采集装置存在畸变，可能会在后续采集散斑图像的过程中产生误差，因此，需要在标定完成后对如图4(a)至图4(h)所示的标定板图像分别进行镜像校正，通过校正矩阵即可获得校正后的标定板图像，其中，校正后的标定板图像如图5(a)至图5(h)所示，且校正矩阵表示为：
其中，Mrec_h、Mrec_v、Mrec_hv分别表示水平校正、竖直校正和对角校正；w和h分别表示图像的宽度和高度。
为进一步说明对标定板图像进行校正的重要性，本实施例以校正前的第二幅标定板图像即图4(b)以及校正后的第二幅标定板图像即图5(b)为例进行示例说明。在对图4(b)校正前，对其进行图像检测，检测结果如图6所示，由于此时还未对第二幅标定板图像进行校正，因此，图6中的编码点ID识别错误，并且还有部分未能识别；在对图4(b)校正后，即对图5(b)所示的图像再次进行图像检测，检测结果如图7所示，由于此时已完成图像校正，因此，可见编码点ID识别正确，且全部识别。
S103：以相机的理论内参数作为内方位参数初值，对校正后的第一幅和第二幅标定板图像进行相对定向并重建编码点的三维坐标；
该步骤中，通过相对定向可获得第一幅和第二幅标定板图像之间的相对外参数，因此根据相机的内方位参数和相对外参数，利用双目重建的最小二乘算法可三维重建此时编码点的三维坐标。
S104：利用后方交会计算第三至第八幅标定板图像的外方位参数，其中，外方位参数包括旋转矩阵和平移矩阵；
S105：根据相机的内方位参数和步骤S104中获得的外方位参数，利用双目重建的最小二乘算法计算所有非编码点的三维坐标；
S106：利用光束平差迭代对校正后的第一至第八幅标定板图像的内、外方位参数以及所有编码点和非编码点的三维坐标进行优化；
S106：通过比例尺获得优化后的所有编码点和非编码点的真实三维坐标；
该步骤中，优化过程为非线性迭代计算，使用经典的列文伯格-马夸尔特算法，表2给出了部分优化后的编码点的三维坐标：
表2
S107：利用步骤S104中获得的外方位参数获取左、右相机的内参数矩阵Kl、Kr以及右相机相对于左相机的外参数矩阵[R|T]，其中，R为旋转矩阵，T为平移矩阵。
该步骤中，左、右相机的内参数矩阵Kl、Kr分别表示为：
则右相机相对于左相机的外参数矩阵[R|T]表示为：
另一个实施例中，步骤S300中，对所述第一左图像和第一右图像以及对所述第二左图像和第二右图像进行匹配包括粗匹配和精匹配。
本实施例中，首先在施加载荷为0的情况下对待测航空发动机中介机匣内表面的图像进行采集，获得第一散斑图像，其中，由左相机采集的第一散斑图像记为第一左图像，由右相机采集的第一散斑图像记为第一右图像，所述第一左图像如图8(a)所示，所述第一右图像如图8(b)所示。其次，在施加单点压缩载荷60N且持续时间为10s的情况下对待测航空发动机中介机匣内表面发生变形时的图像进行采集，获得第二散斑图像，其中，由左相机采集的第二散斑图像记为第二左图像，由右相机采集的第二散斑图像记为第二右图像，所述第二左图像如图9(a)所示，所述第二右图像如图9(b)所示。
在获得如图8(a)所示的第一左图像和如图8(b)所示的第一右图像以及如图9(a)所示的第二左图像和如图9(b)所示的第二右图像后，需要对第一左图像和第一右图像以及对第二左图像和第二右图像按照以下步骤进行粗匹配：
S301：在第一左图像上选定如图10(a)所示的待匹配区域，并将该区域划分为一定数量和尺寸的方形网格，每个网格的尺寸记为(2m+1)*(2m+1)，第二左图像上的待匹配区域默认为与第一左图像一致，如图10(b)所示；
S302：利用相关匹配准则在第一右图像或第二右图像内进行搜索，计算与第一右图像或第二右图像上计算区域内的各网格之间的相似度，根据相似度的极值处(极大值或极小值)的坐标获得第一右图像或第二右图像上相匹配的子区位置。
该步骤中，粗匹配的精度是1个像素级别，一般为了快速匹配，选用的相关匹配准则为互相关类系数，如归一化互相关系数NCC，归一化互相关系数NCC的表达式为：
式中，m为子区半尺寸，单位为像素/pixel；f(xi，yj)表示第一左图像或第二左图像上(xi，yj)处的灰度值；g(xi′，yj′)表示第一右图像或第二右图像上(xi′，yj′)处的灰度值，计算获得的最大值为0.968。
粗匹配完成后，需要进一步对第一左图像和第一右图像以及对第二左图像和第二右图像进行精匹配，其具体实施过程如下：
精匹配伴随有亚像素灰度插值，其精度是0.01像素级别，一般为了精确匹配，选用的相关匹配准则为距离平方和类系数，如线性光强最小距离平方和系数WSSDC，线性光强最小距离平方和系数WSSDC的表达式为：
其中，r0和r1两个参数用于补偿由于光照引起的灰度线性变化，
计算获得的最小值为0.024。
上述匹配完成后，可以得到第一匹配点对及第二匹配点对。由于匹配点对中的点的数量较多，难以一一展现，本实施例只选取其中的部分点进行示例，具体选取规则为：选取任意一个非边缘点，该点具有完整的8个邻近点，然后按坐标邻近的关系调取周围的8个点，具体如图10(a)和图10(b)所示，则该部分的第一匹配点对如表3所示：
表3
| 图像点 | 参考子区中心坐标/像素 | 目标子区中心坐标/像素 |
| M<sub>0-0</sub> | 1065，990 | 1001.676688，1031.203809 |
| M<sub>0-1</sub> | 1080，990 | 1013.463728，1031.089277 |
| M<sub>0-2</sub> | 1095，990 | 1025.569214，1031.040029 |
| M<sub>0-3</sub> | 1065，1005 | 1001.967684，1046.239708 |
| M<sub>0-4</sub> | 1080，1005 | 1013717177，1046.182728 |
| M<sub>0-5</sub> | 1095，1005 | 1025.783319，1046.136005 |
| M<sub>0-6</sub> | 1065，1020 | 1002.271308，1061.318429 |
| M<sub>0-7</sub> | 1080，1020 | 1014.000661，1061.243952 |
| M<sub>0-8</sub> | 1095，1020 | 1026.077280，1061.191097 |
第二匹配点对如表4所示：
表4
| 图像点 | 参考子区中心坐标/像素 | 目标子区中心坐标/像素 |
| M<sub>0-0</sub> | 1074.770699，991.402814 | 1006.496482，1032.468779 |
| M<sub>0-1</sub> | 1089.781433，991.364452 | 1018.583119，1032.347364 |
| M<sub>0-2</sub> | 1104.804847，991.418135 | 1030.908038，1032.339909 |
| M<sub>0-3</sub> | 1059.818833，1006.487475 | 995.047553，1047.691665 |
| M<sub>0-4</sub> | 1074.844286，1006.341551 | 1006.809707，1047.491892 |
| M<sub>0-5</sub> | 1104.873364，1006.204863 | 1031.259126，1047.268706 |
| M<sub>0-6</sub> | 1074.938148，1021.274064 | 1007.161821，1062.541404 |
| M<sub>0-7</sub> | 1089.958193，1021.164056 | 1019.293665，1062.339179 |
| M<sub>0-8</sub> | 1104.973739，1021.086269 | 1031.723201，1062.226532 |
另一个实施例中，步骤S400中，所述通过双目相机的内、外参数对第一匹配图像点对和第二匹配点对进行三维重建通过下式进行：
M＝(AT*A)-1*AT*B
其中，M表示三维重建结果，ML＝AL[I|0]和MR＝Ar[R|T]表示由相机标定参数组成的左相机和右相机的投影矩阵，(uL，vL)和(uR，vR)表示同一匹配在左图像和右图像的像素坐标。
本实施例中，对表3所示的第一匹配点对进行三维重建后获得的第一三维坐标如表5所示：
表5
| 图像点 | 第一三维坐标/mm |
| M0-0 | -11.825426，-2.839468，-811.875095 |
| M0-1 | -10.679962，-2.836124，-811.538646 |
| M0-2 | -9.536120，-2.835515，-811.258152 |
| M0-3 | -11.824951，-3.979284，-811.911245 |
| M0-4 | -10.679341，-3.977301，-811.567840 |
| M0-5 | -9.535364，-3.976035，-811.280114 |
| M0-6 | -11.824517，-5.120861，-811.949685 |
| M0-7 | -10.678793，-5.117391，-811.602532 |
| M0-8 | -9.534780，-5.115187，-811.316648 |
对表4所示的第二匹配点对进行三维重建后获得的第二三维坐标如表6所示：
表6
另一个实施例中，步骤S500中，所述将第一三维坐标和第二三维坐标进行对比包括如下步骤：
S501：计算机匣内表面兴趣位置处完成匹配和三维重建的每个三维点的位移值；
该步骤中，每个三维点的位移值通过下式计算：
其中，(X1，Y1，Z1)为第一时刻某个三维点的三维坐标，(X2，Y2，Z2)为第二时刻某个三维点的三维坐标，(ΔX，ΔY，ΔZ)为X、Y、Z方向的变形量，ΔE为总的位移量，表5和表6中各点的位移量如表7所示：
表7
表7只是示例性的给出了部分点的位移量，而图11则给出了最后获得的机匣内表面兴趣位置处完成匹配和三维重建的全部三维点的位移值。
S502：通过三角网格的顶点移动和边长变化计算机匣内表面兴趣位置处完成匹配和三维重建的每个三维点的应变值。
该步骤中，计算任意一点P的应变需要使用P点周围的八个邻近点的位移量ΔX，ΔY，ΔZ，表3和表4中的9个点正好用于说明，其中点M0-4为9个点的中心，因此计算点M0-4的应变。
首先，在参考状态中，利用P点周围的八个临近点，计算一个对应P点的三维切平面H。将这些临近点投影到切平面H上，选取一个任意的二维坐标系OXY并得到一组二维点Pr。
然后，对变形状态，重复上述步骤，同样得到另一组对应任意坐标系O'X’Y’的二维点Pc；
接着，利用两组二维点Pr及Pc计算变形梯度张量矩阵F，这三者之间的关系为：Pc＝d+F×Pr，其中d表示Pr及Pc之间的刚体平移。按照上述公式，使用标准的最小二乘算法可以得到梯度张量矩阵F。
最后，按照公式F＝Rs·S对梯度张量矩阵F进行矩阵分解可以得到旋转矩阵Rs和变形张量矩阵S。而变形张量矩阵S的定义如下：
由此可以得到各个方向的应变值。
本实施例中的9个点按3×3排列，且基本是共面的。为简化计算，认为投影后的点坐标与未投影的点坐标相等。因此有：
对F执行Cholesky分解获得：
因此有εx＝-0.00009＝-0.009％，εy＝+0.00086＝0.086％，εxy＝0.0002485＝0.02485％。
通过上述方法计算得到机匣内表面兴趣位置处完成匹配和三维重建的全部三维点的全场应变εxy如图12所示。
另一个实施例中，如图13所示，本公开还提供一种测量航空发动机中介机匣内表面变形的装置，所述装置包括：
图像反射模块，用于对待测航空发动机中介机匣内表面的散斑图像进行反射；
图像采集模块，用于采集由图像反射模块反射至其采集区域内的散斑图像。
本实施例中，所述装置还包括底座，用于对图像采集模块和图像反射模块进行固定。
图像反射模块和图像采集模块的基本构成如图3所示，图3中，图像反射模块中主要布置为一个反光元件，如高质量平面反射镜，从而能够将试样被测面反射进入图像采集模块进行成像。
另一个实施例中，所述图像采集模块包括双目相机和频闪光源。
本实施例中，图像采集模块还包括横梁和支杆，所述横梁上加工有多种螺纹孔，用于安装固定双目相机和光源，所述支杆通过与横梁连接，将双目相机固定在底座上。
另一个实施例中，所述图像反射模块包括舵机，舵机的上端面设置有平面反射镜，舵机通过旋转控制平面反射镜的反射角度，舵机的下端面依次连接滑台和导轨，滑台通过在导轨上滑动控制平面反射镜与图像采集模块之间的反射距离。
本实施例中，舵机为具有可控旋转和静止功能的固定座，以螺纹连接方式与滑台连接为一体，所述舵机通过旋转控制平面反射镜的反射角度，且滑台下连接有导轨，根据实际需要，可以通过控制滑台在导轨上滑动以控制平面反射镜与相机之间的反射距离。
以上应用了具体实施例对本公开进行了阐述，只是用于帮助理解本公开，并不用于限制本公开。任何熟悉该技术的技术人员在本公开所揭示的技术范围内的局部修改或替换，都应涵盖在本公开的范围之内。
Claims (10)
1.一种测量航空发动机中介机匣内表面变形信息的方法，包括如下步骤：
S100：对双目相机进行标定，以获得双目相机的内、外参数；
S200：在待测航空发动机中介机匣内表面的感兴趣区域喷制散斑作为标记；
S300：在第一载荷作用下，采集待测航空发动机中介机匣内表面发生变形时的第一散斑图像，其中，由左相机采集的第一散斑图像记为第一左图像，由右相机采集的第一散斑图像记为第一右图像；在第二载荷作用下，采集待测航空发动机中介机匣内表面发生变形时的第二散斑图像，其中，由左相机采集的第二散斑图像记为第二左图像，由右相机采集的第二散斑图像记为第二右图像；对所述第一左图像和第一右图像进行匹配，获得第一匹配图像点对；对所述第二左图像和第二右图像进行匹配，获得第二匹配图像点对；
S400：通过双目相机的内、外参数对所述第一匹配图像点对进行三维重建，以获得与所述第一匹配图像点相对应的第一三维坐标；通过双目相机的内、外参数对所述第二匹配图像点对进行三维重建，以获得与所述第二匹配图像点相对应的第二三维坐标；
S500：将所述第一三维坐标和第二三维坐标进行比对，以获得待测航空发动机中介机匣内表面感兴趣区域的位移场和应变场。
2.根据权利要求1所述的方法，其中，优选的，步骤S100包括如下步骤：
S101：从八个不同方位拍摄带有编码点和非编码点的标定板，获得第一至第八幅标定板图像；
S102：对所述第一至第八幅标定板图像进行校正，获得校正后的第一至第八幅标定板图像；
S103：以相机的理论内参数作为内方位参数初值，对校正后的第一幅和第二幅标定板图像进行相对定向并重建编码点的三维坐标；
S104：利用后方交会计算第三至第八幅标定板图像的外方位参数；
S105：根据相机的内方位参数和步骤S104中获得的外方位参数，利用双目重建的最小二乘算法计算所有非编码点的三维坐标；
S106：利用光束平差迭代对校正后的第一至第八幅标定板图像的内、外方位参数以及所有编码点和非编码点的三维坐标进行优化；
S106：通过比例尺获得优化后的所有编码点和非编码点的真实三维坐标；
S107：利用步骤S104中获得的外方位参数获取左、右相机的内参数矩阵Kl、Kr以及右相机相对于左相机的外参数矩阵[R|T]，其中，R为旋转矩阵，T为平移矩阵。
3.根据权利要求1所述的方法，其中，步骤S300中，对所述第一左图像和第一右图像以及对所述第二左图像和第二右图像进行匹配包括粗匹配和精匹配。
4.根据权利要求3所述的方法，其中，所述粗匹配包括如下步骤：
S301：在第一左图像上选定待匹配区域，并将该区域划分为一定数量和尺寸的方形网格，每个网格的尺寸记为(2m+1)*(2m+1)，同时，第二左图像上的待匹配区域默认为与第一左图像上的待匹配区域一致；
S302：利用相关匹配准则在第一右图像以及第二右图像内进行搜索，计算第一左图像与第一右图像以及第二左图像与第二右图像计算区域内的各网格之间的相似度，根据相似度的极值处的坐标获得第一右图像和第二右图像上相匹配的子区位置。
5.根据权利要求3所述的方法，其中，采用距离平方和系数对所述第一左图像和第一右图像以及对所述第二左图像和第二右图像进行精匹配，所述距离平方和系数表示为：
其中，r0和r1两个参数用于补偿由于光照引起的灰度线性变化，
6.根据权利要求所述的方法，其中，步骤S400中，所述通过双目相机的内、外参数对第一匹配图像点对和第二匹配点对进行三维重建通过下式进行：
M＝(AT*A)-1*AT*B
其中，M表示三维重建结果，ML＝AL[I|0]和MR＝AR[R|T]表示由相机标定参数组成的左相机和右相机的投影矩阵，(uL，vL)和(uR，vR)表示同一匹配在左图像和右图像的像素坐标。
7.根据权利要求1所述的方法，其中，步骤S500中，所述将第一三维坐标和第二三维坐标进行对比包括如下步骤：
S501：计算机匣内表面兴趣位置处完成匹配和三维重建的每个三维点的位移值；
S502：通过三角网格的顶点移动和边长变化计算机匣内表面兴趣位置处完成匹配和三维重建的每个三维点的应变值。
8.一种用于实施如权利要求1-7所述任一方法的测量装置，包括：
图像反射模块，用于对待测航空发动机中介机匣内表面的散斑图像进行反射；
图像采集模块，用于采集由图像反射模块反射至其采集区域内的散斑图像。
9.根据权利要求8所述的装置，其中，所述图像采集模块包括双目相机和频闪光源。
10.根据权利要求8所述的装置，其中，所述图像反射模块包括：
舵机，
舵机的上端面设置有平面反射镜，舵机通过旋转控制平面反射镜的反射角度；
舵机的下端面依次连接滑台和导轨，滑台通过在导轨上滑动以控制平面反射镜与图像采集模块之间的反射距离。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111521602.8A CN114463251B (zh) | 2021-12-13 | 2021-12-13 | 一种测量航空发动机中介机匣内表面变形的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111521602.8A CN114463251B (zh) | 2021-12-13 | 2021-12-13 | 一种测量航空发动机中介机匣内表面变形的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114463251A true CN114463251A (zh) | 2022-05-10 |
| CN114463251B CN114463251B (zh) | 2024-03-15 |
Family
ID=81405422
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111521602.8A Active CN114463251B (zh) | 2021-12-13 | 2021-12-13 | 一种测量航空发动机中介机匣内表面变形的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114463251B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114993197A (zh) * | 2022-06-20 | 2022-09-02 | 北京理工大学 | 固化应力测量系统、固化应力测量方法、装置和设备 |
| CN116067290A (zh) * | 2023-03-07 | 2023-05-05 | 西安航天动力研究所 | 一种发动机静力试验的位移测试方法及位移测试系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106595528A (zh) * | 2016-11-10 | 2017-04-26 | 华中科技大学 | 一种基于数字散斑的远心显微双目立体视觉测量方法 |
| CN107564091A (zh) * | 2017-07-26 | 2018-01-09 | 深圳大学 | 一种基于快速对应点搜索的三维重建方法及装置 |
| WO2018152929A1 (zh) * | 2017-02-24 | 2018-08-30 | 先临三维科技股份有限公司 | 一种三维扫描系统及其扫描方法 |
| CN108759699A (zh) * | 2018-03-27 | 2018-11-06 | 西安交通大学 | 一种大视场砌体结构材料三维全场变形的测量方法及系统 |
| CN111145342A (zh) * | 2019-12-27 | 2020-05-12 | 山东中科先进技术研究院有限公司 | 一种双目散斑结构光三维重建方法及系统 |
| CN112200203A (zh) * | 2020-11-04 | 2021-01-08 | 西安交通大学 | 斜视场下弱相关散斑图像的匹配方法 |
-
2021
- 2021-12-13 CN CN202111521602.8A patent/CN114463251B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106595528A (zh) * | 2016-11-10 | 2017-04-26 | 华中科技大学 | 一种基于数字散斑的远心显微双目立体视觉测量方法 |
| WO2018152929A1 (zh) * | 2017-02-24 | 2018-08-30 | 先临三维科技股份有限公司 | 一种三维扫描系统及其扫描方法 |
| CN107564091A (zh) * | 2017-07-26 | 2018-01-09 | 深圳大学 | 一种基于快速对应点搜索的三维重建方法及装置 |
| CN108759699A (zh) * | 2018-03-27 | 2018-11-06 | 西安交通大学 | 一种大视场砌体结构材料三维全场变形的测量方法及系统 |
| CN111145342A (zh) * | 2019-12-27 | 2020-05-12 | 山东中科先进技术研究院有限公司 | 一种双目散斑结构光三维重建方法及系统 |
| CN112200203A (zh) * | 2020-11-04 | 2021-01-08 | 西安交通大学 | 斜视场下弱相关散斑图像的匹配方法 |
Non-Patent Citations (2)
| Title |
|---|
| 唐正宗;梁晋;肖振中;郭成;: "用于三维变形测量的数字图像相关系统", 光学精密工程, no. 10, 15 October 2010 (2010-10-15) * |
| 张红颖;陈晨;王韶彬;易建军;: "三维散斑相关法在机翼变形动态测量中的应用", 测控技术, no. 07, 18 July 2016 (2016-07-18) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114993197A (zh) * | 2022-06-20 | 2022-09-02 | 北京理工大学 | 固化应力测量系统、固化应力测量方法、装置和设备 |
| CN116067290A (zh) * | 2023-03-07 | 2023-05-05 | 西安航天动力研究所 | 一种发动机静力试验的位移测试方法及位移测试系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114463251B (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114463251B (zh) | 一种测量航空发动机中介机匣内表面变形的方法及装置 | |
| CN110969668B (zh) | 一种长焦双目相机的立体标定算法 | |
| CN109029299B (zh) | 舱段销孔对接转角的双相机测量装置及测量方法 | |
| Fraser et al. | Industrial photogrammetry: New developments and recent applications | |
| EP2023081A2 (en) | Method for repeatable optical determination of object geometry dimensions and deviations | |
| Dufour et al. | Integrated digital image correlation for the evaluation and correction of optical distortions | |
| Becker et al. | Error estimations of 3D digital image correlation measurements | |
| CN109751964B (zh) | 一种高精度非接触式管径测量方法及装置 | |
| Wu et al. | An accurate method for shape retrieval and displacement measurement using bi-prism-based single lens 3D digital image correlation | |
| CN110738608B (zh) | 一种平面图像校正方法及系统 | |
| Su et al. | Geometry constrained correlation adjustment for stereo reconstruction in 3D optical deformation measurements | |
| Ye et al. | Simultaneous measurement of external and internal surface shape and deformation based on photogrammetry and stereo-DIC | |
| Genovese et al. | Multi-view digital image correlation systems for in vitro testing of arteries from mice to humans | |
| CN114219866A (zh) | 双目结构光三维重建方法、重建系统及重建设备 | |
| CN112986286B (zh) | X射线双视野显微成像探测系统及其成像方法 | |
| JP2013250970A (ja) | 平面パネルｘ線画像検出器における幾何学的センサシフトを判定するための方法 | |
| CN109754435B (zh) | 一种基于小靶标模糊图像的摄像机在线标定方法 | |
| CN113432550B (zh) | 一种基于相位匹配的大尺寸零件三维测量拼接方法 | |
| CN112465914B (zh) | 基于非共同视场下的相机阵列标定方法 | |
| CN110706292B (zh) | 一种基于机器视觉的二维工作台误差自标定方法 | |
| CN115272080A (zh) | 基于图像拼接的全局变形测量方法和系统 | |
| CN112927299B (zh) | 标定方法、装置及电子设备 | |
| Zhang et al. | Deformation visual inspection of industrial parts with image sequence | |
| Bergues et al. | Misalignment contribution to the autocollimator's scale distortion | |
| CN114279360B (zh) | 基于远心成像系统的多目相位偏折测量方法及装置 |
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 |