CN115143895A - 形变视觉测量方法、装置、设备、介质和双轴测量引伸计 - Google Patents

Abstract

本申请提供一种形变视觉测量方法、装置、设备、介质和双轴测量引伸计，应用于光测实验力学、三维数字图像技术领域，其中形变视觉测量方法包括：获取试样在双轴加载中对应的目标图像；识别所述目标图像中的边界特征和标记特征；基于数字散斑相关法分别对所述边界特征和所述标记特征进行处理。通过在试样的轴向上布设标记点，且横向上无需布置其他特征标识，可基于视觉对双轴加载试验中材料变形进行全自动变形测量，结构简单，成本低，功能更全面，效率更高。

Description

形变视觉测量方法、装置、设备、介质和双轴测量引伸计

技术领域

本申请涉及光测实验力学、三维数字图像技术领域，具体涉及一种形变视觉测量方法、装置、设备、介质和双轴测量引伸计。

背景技术

随着国家工业的大力发展，力学性能中变形的检测已非常普及，如何准确、高效的检测变形越来越重要，变形的检测可应用于各种材料测试中，一方面用于保证产品质量合格，另一方面用于验证材料设计的合理性。特别是军工和科研领域，有越来越多的新材料需要通过材料双轴拉伸、双轴压缩、双轴疲劳等双轴加载试验，以验证其力学性能。

目前，针对双轴加载的材料变形测量，传统接触式的测量方法无法解决。

因此，需要为双轴加载试验的变形测量提供一种新的变形测量技术方案。

发明内容

有鉴于此，本说明书实施例提供一种形变视觉测量方法、装置、设备、介质和双轴测量引伸计，能够针对轴向和横向双轴加载变形试验的全自动视觉识别处理，结构简单，成本低，功能更全面，效率更高。

本说明书实施例提供以下技术方案：

本说明书实施例提供一种形变视觉测量方法，包括：

获取试样在双轴加载中对应的目标图像，其中所述试样的轴向上设置有至少两个第一标记点；

识别所述目标图像中的边界特征和标记特征，其中所边界特征为所述试样在横向上的边界在所述目标图像中的图像特征，所述标记特征包括所述至少两个第一标记点在所述目标图像中对应的图像特征；

基于数字散斑相关法分别对所述边界特征和所述标记特征进行处理，以相应获取所述试样在横向和轴向对应的变形数据。

本说明书实施例还提供一种形变视觉测量装置，包括：

获取模块，用于获取试样在双轴加载中对应的目标图像，其中所述试样的轴向上设置有至少两个第一标记点；

自动识别模块，用于识别所述目标图像中的边界特征和标记特征，其中所边界特征为所述试样在横向上的边界在所述目标图像中的图像特征，所述标记特征包括所述至少两个第一标记点在所述目标图像中对应的图像特征；

计算模块，用于基于数字散斑相关法分别对所述边界特征和所述标记特征进行处理，以相应获取所述试样在横向和轴向对应的变形数据。

本说明书实施例还提供一种双轴测量引伸计，包括：图像采集前端和图像处理终端，所述图像采集前端和所述图像处理终端通信连接，所述图像处理终端包括标记点自动识别系统、边界自动识别系统和基于数字散斑相关法的计算分析系统；

所述图像采集前端用于在双轴加载试验中获取试样的动态目标图像，其中所述试样的轴向上设置有至少两个第一标记点；

所述标记点自动识别系统用于识别所述目标图像中的标记特征，所述标记特征包括所述至少两个第一标记点在所述目标图像中对应的图像特征；

所述边界自动识别系统用于识别所述目标图像中的边界特征，所边界特征为所述试样在横向上的边界在所述目标图像中的图像特征；

所述计算分析系统用于基于数字散斑相关法分别对所述边界特征和所述标记特征进行处理，以相应获取所述试样在横向和轴向对应的变形数据。

与现有技术相比，本说明书实施例采用的上述至少一个技术方案能够达到的有益效果至少包括：

通过在试样的轴向上布设相应的标记点，比如只需要粘贴两个标记点，而横向上无需布置特征，并基于视觉对试样的整个测量区域进行图像采集和处理分析，实现轴向标记点和横向边界均可以自动识别和测量，从而在双轴加载变形试验中实现全自动、非接触、远距离的变形测量，不仅结构简单，成本低，而且测量功能更全面，效率更高，为双轴加载变形试验提供一种更高效、更低成本的测量方案。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例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申请的一些实施例，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它的附图。

图1是本申请中一种双轴的形变视觉测量方案的结构示意图；

图2是本申请中一种形变视觉测量方法的流程图；

图3是本申请中一种形变视觉测量方法的流程图；

图4是本申请中一种双轴均有标记点的形变视觉测量方案的示意图；

图5是本申请中一种形变视觉测量装置的结构示意图；

图6是本申请中一种双轴测量引伸计的结构示意图。

具体实施方式

下面结合附图对本申请实施例进行详细描述。

以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本申请中的实施例，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，都属于本申请保护的范围。

要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本申请，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目和方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。

还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本申请的基本构想，图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践。

与单轴拉伸试验相比，在双轴加载试验中的试样需要加载横向和轴向的两个载荷轴。因此，传统用于测量单轴拉伸试验中试样形变结果的接触式方案，在针对双轴加载的材料变形测量中已不再适用，所以需要采用非接触测量方案，比如视觉测量方案。

现有视觉测量方案仍只用于单轴加载试验中，且视觉测量方案通常为以下两种：

一种是通过全场散斑识别和测量方法，但操作复杂，而且使用场景局限，仅能提供轴向方向的测量结果。

例如，专利文献(公告号为CN 103575227 B)公开了一种基于数据散斑的视觉引伸计实现方法，是基于数字散斑识别和测量变形，这种测量方法能够实现全场的变形测量，但是制作散斑和实现相机标定过程非常复杂，效率太低，无法实现自动化测量，而且仅能实现轴向变形测量，无法满足快速响应的测量需求。

另一种是横向视频引伸计，由单个相机和镜头、支架等构成，对试样近距离拍摄，能够实现试样横向变形的测量。但是此方法仅能实现横向变形测量，这就使测量成本高，结构复杂，另外如果要实现双向变形测量，需要搭配轴向接触式引伸计。

例如，专利文献(公告号为CN 209085554 U)公开了一种横向视频引伸计，由单个相机和镜头、支架等构成，对试样近距离拍摄，能够实现试样横向变形的测量。同时，为了实现全自动化的双向变形测量，其搭配了全自动化的轴向接触式引伸计，使用过程非常繁琐，测量过程效率较低。

有鉴于此，发明人通过对形变测量方案、引伸计等进行深入研究及改进探索，提出了一种形变测量的视觉处理方案：如图1所示，只需要在试样的轴向上粘贴至少两个第一标记点形成轴向标记特征(即作为轴向特征标识)，且利用试样在横向上的边界作为横向特征标识，从而无需在布置过多其他特征标识，就能通过图像采集设备对试样的整个测量区域进行图像采集，并利用图像处理设备进行图像处理分析，实现轴向标记特征和横向边界特征均可以自动识别和测量，从而可以基于数字散斑相关法快速、准确地从横向和轴向的特征中获取出变形数据，实现横向和轴向的双轴加载变形测量。

相比于基于数据散斑的传统视觉引伸计方案，本发明对于标距的测量为标记点，且只需要预先在试样的轴向上粘贴至少两个第一标记点，标记点的粘贴、设置及测量均非常方便，而且针对横向无需增加任何标记点，可以直接识别横向边界作为横向标记特征，从而通过对轴向的标记点和横向的边界进行自动识别和测量，就能够实现双轴加载试验中非接触的形变视觉测量。

还有，相比于传统横向视频引伸计，本发明中双向测量引伸计采用图像采集前端和图像处理终端，且图像采集前端和图像处理终端之间通过通信连接实现数据通信，可以针对实际测量场景需要而灵活地部署图像采集前端和图像处理终端，适应性更强，而且图像采集及图像处理能力更强，效率更高。

以下结合附图，说明本申请各实施例提供的技术方案。

如图2所示，本说明书实施例提供一种形变视觉测量方法，可包括：

步骤S202、获取试样在双轴加载中对应的目标图像，其中所述试样的轴向上设置有至少两个第一标记点。

在双轴加载试验中，可以在工件试样的轴向上设置至少两个第一标记点构成轴向标记特征，且无需增加其他特征标识，如横向上增设标记点等，就可以通过少量标记点和试样自身边界，在采集的图像中形成相应的图像特征，从而通过对这些图像特征进行处理，就能获得试样在双轴加载试验中的形变视觉。

需要说明的是，轴向上设置标记点时，标记点的形状、标记点的数量、标记点之间相互排列方式、标记点之间间距等，均可以根据应用需要而定，这里不作限定。

步骤S204、识别所述目标图像中的边界特征和标记特征，其中所边界特征为所述试样在横向上的边界在所述目标图像中的图像特征，所述标记特征包括所述至少两个第一标记点在所述目标图像中对应的图像特征。

实施中，边界特征可以是试样的边界在目标图像中的图像特征，比如边界上各个像素点所处坐标位置可以作为边界特征。标记特征可以是试样上的标记点在目标图像中的图像特征，比如标记点对应像素的坐标位置，比如标记点包含有的像素点数量等等。

步骤S206、基于数字散斑相关法分别对所述边界特征和所述标记特征进行处理，以相应获取所述试样在横向和轴向对应的变形数据。

实施中，数字散斑相关法(DIC，digital image correlation，又称数字图像相关法)是一种利用在物体表面喷涂随机散斑，通过在物体变形前后的散斑图像中精确匹配对应点，测量变形位移等数据的非接触式光学测量方法。因此，在获得边界特征、标记特征后，可以基于DIC对轴向的标记特征和横向的边界特征进行计算分析，从而获得试样在双轴加载试验中的变形数据。

通过上述步骤S202至S206，只需在轴向上设置标记点，无需增设其他任何特征标识，就能对双轴加载试验的试样进行轴向和横向的变形测量，且特征识别和处理均自动化处理，整体结构简单，成本低，容易实现，其测量功能全面，效率高。

在一些实施方式中，可将标记点的坐标、边界的坐标等作为特征标识在图像中的图像特征，进一步简化图像处理过程，提高处理效率。

实施中，识别所述目标图像中的标记特征包括：识别所述至少两个第一标记点在所述目标图像中对应的第一坐标信息以作为所述标记特征。其中第一坐标信息可以为标记点在目标图像中的坐标数据。

在一种示例中，可利用图像处理算法对横向边界、轴向标记点在图像中的图像特征进行自动检测和识别，例如采用边缘检测算法来识别出目标图像中的横向边界、轴向标记点等特征标识的坐标信息，从而可以将识别所得的坐标信息作为试样在变形中的特征数据，进而基于这些特征数据可以快速地处理出试样的变形数据。需要说明的是，图像处理算法(如边缘检测)可以是针对特征标识进行识别检测的算子，这里不作限定。

在一种示例中，可利用机器学习模型(如神经网络模型)来获取出特征标识在图像中的图像特征。具体地，可将在双轴加载试验中动态采集到的单帧目标图像输入到神经网络模型，进而利用神经网络模型快速检测出横向边界、轴向标记点在目标图像中对应的特征区域(x,y,w,h)表征，其中x、y为分别为横向和轴向的坐标值，w、h分别为满足应用要求的特征区域宽度和高度。通过采用特征区域来表征特征标识在图像中的图像特征，在保证满足应用需要时，可以简化图像特征的整体处理过程，提高处理效率。需要说明的是，机器学习模型(如神经网络模型)可以为针对特征标识预先训练过的分类模型，这里不作限定。

在一些实施方式中，可采用子图处理算法，对特征标识在图像中的子图区域进行更精确的图像处理。

实施中，可在所述目标图像中划分出所述至少两个第一标记点各自对应的子图区域，然后对所述子图区域进行图像处理以获取第二坐标信息作为所述标记特征。

第二坐标信息可以为能够满足预设要求的坐标信息，该坐标信息可以用于反映子图区域的坐标，使得子图区域在目标图像中的图像信息能够代表第一标记点对应的图像特征，可以提高处理准确性。

在一种示例中，可以将前述第一坐标信息作为快速识别处理的坐标信息，然后依据第一坐标信息快速识别并准确定位子图区域，进而对子图区域进行图像精细化处理可以获取出更准确的第二坐标信息，可以提高处理效率和准确性。

在一些实施方式中，可以对子图区域进行相应预处理，使得经预处理的图像更好地应用于后期的图像处理，既可以提高处理效率，又能提高处理准确性。

实施中，对所述子图区域进行的图像处理可以包括但不限于以下至少一种处理方式：灰度转化、均值滤波。

需要说明的是，这些图像预处理方式也可以用于对目标图像的处理，这里不作限定。

在一些实施方式中，可以对所述子图区域进行边缘检测的图像处理，从而可以根据检测结果确定所述子图区域对应的中心坐标数据作为所述第二坐标信息，使得采用中心像素点的坐标作为第二坐标信息更准确地反映出子图区域的特征。

需要说明的是，边缘检测可以采用现有检测方式，比如canny边缘检测算子，这里不作限定。

在一些实施方式中，可对横向边界进行边缘检测，即对所述目标图像在横向上进行边缘检测以识别出所述边界特征。

在一些实施方式中，在边缘检测后，可以对检测到的边缘轮廓进行筛选，对满足预设要求的边缘进行拟合，从而返回经拟合后的子图区域的中心点坐标。

在一些实施方式中，可以根据预设的标记类型与特征标识之间的映射关系，在初步获取出特征标识的图像特征时，快速、准确地依据映射关系来对特征标识对应的图像进行处理。

实施中，可以根据所述子图区域的中心点像素确定标记点类型，其中标记点类型与标记点的子图区域的图像特征存在预设映射关系；然后，根据所述标记点类型采用不同阈值对所述子图区域的像素点进行过滤。

在一种示例中，根据子图中心点像素判断标记点类型，根据标记点类型选择不同阈值进行像素点过滤，对过滤后灰度图结合边缘检测算子(如canny算子)进行边缘检测。

在一些实施方式中，在分别获得横向和轴向的变形数据后，可以将这些变形数据结合加载条件进行集成分析，实现双向加载试验的整体设计分析，以便高效、准确地获取试样的双轴变形数据。

实施中，如图3所示，通过识别图像中标记点特征作为轴向标记，以及识别图像中边界特征作为横向标记，在完成试样进行双轴加载过程中的动态图像采集后，可以利用DIC(如三维DIC)计算分析软件对轴向标记和横向标记进行计算，从而在获取出所述试样在横向和轴向对应的变形数据后，可将所述变形数据结合加载数据，集成分析轴向和横向的测量结果，最终获取出所述试样在不同加载条件下对应的横向和轴向变形测量结果。

在一些实施方式中，可以在横向上设置少量标记点，比如所述试样的横向上设置有至少两个第二标记点，这时所述标记特征还可包括所述至少两个第二标记点在所述目标图像中对应的图像特征，从而在图像处理中一并提取出第一标记点、第二标记点和边界对应的图像特征，并基于这些图像特征进行DIC计算分析，可以获取出更准确的变形结果。

如图4所示，试样的轴向上设置有标记点p1和p3，横向上设置有标记点p2和p4，在双轴加载试验中动态采集并跟踪图像，通过计算出多标记点之间标距内的应变计算，如轴向和横向的标距内的应变结果，既可以实现三维应变测量，也实现了多标距的全面的数据处理分析，测量结果更准确。

实施中，在对图4中的试样进行拉伸时，L、D将发生变化，其中L为标记点p1和p3之间的距离，D为标记点p2和p4之间的距离，从而通过测量L、D的形变数据，可以获得形变测量结果。

基于相同发明构思，本说明书实施例提供与前述任意一个实施例所述形变视觉测量方法对应的装置。

如图5所示，一种形变视觉测量装置，包括：获取模块101、自动识别模块103和计算模块105。其中，获取模块101，用于获取试样在双轴加载中对应的目标图像，其中所述试样的轴向上设置有至少两个第一标记点；自动识别模块103，用于识别所述目标图像中的边界特征和标记特征，其中所边界特征为所述试样在横向上的边界在所述目标图像中的图像特征，所述标记特征包括所述至少两个第一标记点在所述目标图像中对应的图像特征；计算模块105，用于基于数字散斑相关法分别对所述边界特征和所述标记特征进行处理，以相应获取所述试样在横向和轴向对应的变形数据。

通过在轴向上增设少量、简单的标记点作为特征标识，并利用横向边界作为横向特征标识，从而可以实现轴向、横向的双轴加载试验变形测量。

可选地，自动识别模块103具体用于识别所述至少两个第一标记点在所述目标图像中对应的第一坐标信息以作为所述标记特征，其中所述第一坐标信息用于表征所述至少两个第一标记点在所述目标图像中的位置特征。

可选地，所述形变视觉测量装置还包括子图模块(图中未示出)，所述子图模块用于在所述目标图像中划分出所述至少两个第一标记点各自对应的子图区域，对所述子图区域进行图像处理以获取第二坐标信息作为所述标记特征。

可选地，所述子图模块中对所述子图区域进行图像处理包括：对所述子图区域进行边缘检测，并根据检测结果确定所述子图区域对应的中心坐标数据作为所述第二坐标信息。

可选地，所述形变视觉测量装置还包括匹配模块(图中未示出)，所述匹配模块用于根据所述子图区域的中心点像素确定标记点类型，并根据所述标记点类型采用不同阈值对所述子图区域的像素点进行过滤。

可选地，所述形变视觉测量装置还包括集成分析模块(图中未示出)，所述集成分析模块用于在所述计算模块获取所述试样在横向和轴向对应的变形数据后，将所述变形数据结合加载数据，获取所述试样在横向和轴向的变形测量结果。

可选地，所述试样的横向上设置有至少两个第二标记点，所述标记特征还包括所述至少两个第二标记点在所述目标图像中对应的图像特征。

可选地，对所述子图区域进行以下至少一种图像处理：灰度转化、均值滤波。

可选地，自动识别模块103在识别所述目标图像中的边界特征中，可包括：对所述目标图像在横向上进行边缘检测以识别出所述边界特征。

基于相同发明构思，本说明书实施例提供与前述任意一个实施例所述形变视觉测量方法对应的用于形变视觉测量的电子设备，所述电子设备包括至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：如本说明书中任意一项实施例所述的形变视觉测量方法。

基于相同发明构思，本说明书实施例提供一种用于形变视觉测量的计算机存储介质，所述计算机存储介质存储有计算机可执行指令，所述计算机可执行指令被处理器执行时执行如本说明书中任意一实施例提供的所述形变视觉测量。

需要说明的是，所述计算机存储介质可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。

在可能的实施方式中，本申请还可以提供将数据处理实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行前述任意一个实施例所述方法中的若干步骤。

其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本申请中的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。

基于相同发明构思，本说明书实施例提供一种双轴测量引伸计，该引伸计可以基于前述任意一个实施例所述的形变视觉测量方法在双轴加载试验中进行双轴全自动变形数据测量。

如图6所示，所述双轴测量引伸计包括图像采集前端10和图像处理终端30，其中图像采集前端10和图像处理终端30之间进行通信连接，图像处理终端30包括标记点自动识别系统301、边界自动识别系统303和基于数字散斑相关法的计算分析系统305。

在对工件试样进行双轴加载试验中，可以将图像采集前端10部署于前端，作为数据采集的前端设备，便于根据应用需要而灵活部署。图像采集前端10用于在双轴加载试验中获取试样的动态目标图像，即图像采集前端10负责实现试样加载过程的动态目标图像的采集，其中所述试样的轴向上设置有至少两个第一标记点。

在对工件试样进行双轴加载试验中，可以将图像处理终端30部署于后端，这时图像处理终端30可以基于硬件性能更高、处理能力更强的终端架构(如计算机、服务器等)，更好地作为后端数据处理设备，从而可在终端中配置出性能更强、处理能力更高的处理模块，比如标记点自动识别、边界自动识别、DIC自动计算分析等等。

实施中，标记点自动识别系统301用于识别所述目标图像中的标记特征，所述标记特征包括所述至少两个第一标记点在所述目标图像中对应的图像特征；边界自动识别系统303用于识别所述目标图像中的边界特征，所边界特征为所述试样在横向上的边界在所述目标图像中的图像特征；计算分析系统305用于基于数字散斑相关法分别对所述边界特征和所述标记特征进行处理，以相应获取所述试样在横向和轴向对应的变形数据。

实施中，图像采集前端10和图像处理终端30之前的通信连接，可以根据应用需要而采用相应的数据通信连接，比如有线、无效的连接方式，比如移动通信、WIFI、蓝牙、无线局域网等等，这里不作限定。

需要说明的是，图像处理终端30可以为基于三维DIC计算分析软件进行计算和分析处理，其中DIC软件可以为在现有DIC算法上，针对本申请中的标记点、边界进行计算分析而设计的DIC软件，这里不对DIC软件作限定。

另外，DIC软件中还可以集成有其他功能，比如为实现本说明任意一项实施例所述形变视觉测量方法对应的处理功能，不再赘述。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例侧重说明的都是与其他实施例的不同之处。尤其，对于后面说明的产品实施例而言，由于其与方法是对应的，描述比较简单，相关之处参见系统实施例的部分说明即可。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (19)

1.一种形变视觉测量方法，其特征在于，包括：

获取试样在双轴加载中对应的目标图像，其中所述试样的轴向上设置有至少两个第一标记点；

识别所述目标图像中的边界特征和标记特征，其中所边界特征为所述试样在横向上的边界在所述目标图像中的图像特征，所述标记特征包括所述至少两个第一标记点在所述目标图像中对应的图像特征；

基于数字散斑相关法分别对所述边界特征和所述标记特征进行处理，以相应获取所述试样在横向和轴向对应的变形数据。

2.根据权利要求1所述的形变视觉测量方法，其特征在于，识别所述目标图像中的标记特征包括：

识别所述至少两个第一标记点在所述目标图像中对应的第一坐标信息以作为所述标记特征。

3.根据权利要求1所述的形变视觉测量方法，其特征在于，所述形变视觉测量方法还包括：

在所述目标图像中划分出所述至少两个第一标记点各自对应的子图区域；

对所述子图区域进行图像处理以获取第二坐标信息作为所述标记特征。

4.根据权利要求3所述的形变视觉测量方法，其特征在于，对所述子图区域进行以下至少一种图像处理：灰度转化、均值滤波。

5.根据权利要求3所述的形变视觉测量方法，其特征在于，对所述子图区域进行图像处理包括：

对所述子图区域进行边缘检测；

根据检测结果确定所述子图区域对应的中心坐标数据作为所述第二坐标信息。

6.根据权利要求3所述的形变视觉测量方法，其特征在于，所述形变视觉测量方法还包括：

根据所述子图区域的中心点像素确定标记点类型；

根据所述标记点类型采用不同阈值对所述子图区域的像素点进行过滤。

7.根据权利要求1所述的形变视觉测量方法，其特征在于，识别所述目标图像中的边界特征包括：对所述目标图像在横向上进行边缘检测以识别出所述边界特征。

8.根据权利要求1所述的形变视觉测量方法，其特征在于，在获取所述试样在横向和轴向对应的变形数据后，所述形变视觉测量方法还包括：将所述变形数据结合加载数据，获取所述试样在横向和轴向的变形测量结果。

9.根据权利要求1至8中任意一项所述的形变视觉测量方法，其特征在于，所述试样的横向上设置有至少两个第二标记点，所述标记特征还包括所述至少两个第二标记点在所述目标图像中对应的图像特征。

10.一种形变视觉测量装置，其特征在于，包括：

获取模块，用于获取试样在双轴加载中对应的目标图像，其中所述试样的轴向上设置有至少两个第一标记点；

自动识别模块，用于识别所述目标图像中的边界特征和标记特征，其中所边界特征为所述试样在横向上的边界在所述目标图像中的图像特征，所述标记特征包括所述至少两个第一标记点在所述目标图像中对应的图像特征；

计算模块，用于基于数字散斑相关法分别对所述边界特征和所述标记特征进行处理，以相应获取所述试样在横向和轴向对应的变形数据。

11.根据权利要求10所述的形变视觉测量装置，其特征在于，所述自动识别模块具体用于识别所述至少两个第一标记点在所述目标图像中对应的第一坐标信息以作为所述标记特征，其中所述第一坐标信息用于表征所述至少两个第一标记点在所述目标图像中的位置特征。

12.根据权利要求10所述的形变视觉测量装置，其特征在于，所述形变视觉测量装置还包括子图模块，所述子图模块用于在所述目标图像中划分出所述至少两个第一标记点各自对应的子图区域，对所述子图区域进行图像处理以获取第二坐标信息作为所述标记特征。

13.根据权利要求12所述的形变视觉测量装置，其特征在于，对所述子图区域进行图像处理包括：

对所述子图区域进行边缘检测；

根据检测结果确定所述子图区域对应的中心坐标数据作为所述第二坐标信息。

14.根据权利要求12所述的形变视觉测量装置，其特征在于，所述形变视觉测量装置还包括匹配模块，所述匹配模块用于根据所述子图区域的中心点像素确定标记点类型，并根据所述标记点类型采用不同阈值对所述子图区域的像素点进行过滤。

15.根据权利要求10所述的形变视觉测量装置，其特征在于，所述形变视觉测量装置还包括集成分析模块，所述集成分析模块用于在所述计算模块获取所述试样在横向和轴向对应的变形数据后，将所述变形数据结合加载数据，获取所述试样在横向和轴向的变形测量结果。

16.根据权利要求10-15中任意一项所述的形变视觉测量装置，其特征在于，所述试样的横向上设置有至少两个第二标记点，所述标记特征还包括所述至少两个第二标记点在所述目标图像中对应的图像特征。

17.一种用于形变视觉测量的电子设备，其特征在于，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：权利要求1-9中任一项所述的形变视觉测量方法。

18.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机可执行指令，所述计算机可执行指令被处理器执行时执行权利要求1-9中任一项所述的形变视觉测量。

19.一种双轴测量引伸计，其特征在于，包括：图像采集前端和图像处理终端，所述图像采集前端和所述图像处理终端通信连接，所述图像处理终端包括标记点自动识别系统、边界自动识别系统和基于数字散斑相关法的计算分析系统；

所述图像采集前端用于在双轴加载试验中获取试样的动态目标图像，其中所述试样的轴向上设置有至少两个第一标记点；

所述标记点自动识别系统用于识别所述目标图像中的标记特征，所述标记特征包括所述至少两个第一标记点在所述目标图像中对应的图像特征；

所述边界自动识别系统用于识别所述目标图像中的边界特征，所边界特征为所述试样在横向上的边界在所述目标图像中的图像特征；

所述计算分析系统用于基于数字散斑相关法分别对所述边界特征和所述标记特征进行处理，以相应获取所述试样在横向和轴向对应的变形数据。

Images