隨著機器視覺測量技術(shù)的不斷發(fā)展,在材料力學(xué)性能測量方面,機器視覺領(lǐng)域內(nèi)的多種方法均表現(xiàn)出很好的應(yīng)用效果。敘述了機器視覺技術(shù)在力學(xué)性能中全場光學(xué)測量方法,著重介紹了基于機器視覺的視頻引伸計、數(shù)字圖像相關(guān)和散斑干涉等技術(shù)進(jìn)展及應(yīng)用。對機器視覺在力學(xué)性能全場測量的技術(shù)研究與應(yīng)用進(jìn)行了總結(jié),并展望了未來的發(fā)展趨勢。 

【文章來源】：測控技術(shù). 2020,39(08)

【文章頁數(shù)】：12 頁

【部分圖文】：

視頻引伸計系統(tǒng)

2002年，王慶有等[7]將被測試件上的標(biāo)距信號成像在線陣CCD的像敏面上，然后提取出像敏面標(biāo)距像的間距變化量，求出拉伸量。2003年，朱援祥等[8]在研究焊接結(jié)構(gòu)殘余變形時提出了一種使用數(shù)碼相機采集圖像并結(jié)合數(shù)字圖像處理來實現(xiàn)對焊后非接觸測量的新方法，并利用該方法對某大型水電站焊接結(jié)構(gòu)焊接收縮變形進(jìn)行了驗證測量。2006年徐亮等[9]提出一種非接觸測量金屬應(yīng)變量的方法，采用單目CCD追蹤變形時試件表面標(biāo)記變形的比例關(guān)系進(jìn)行應(yīng)變量的測算，得到試件應(yīng)變。同年，高軍[10]通過CCD相機實時跟蹤試樣拉伸過程的頸縮位置及頸縮量，解決了無法準(zhǔn)確捕捉頸縮點和計算最小截面面積的實際問題。2009年，高禮強[11]運用最小二乘曲線法和三次樣條插值法，對亞像素邊緣進(jìn)行曲線擬合使視頻引伸計的測量精度大為提高。2011年，張新潔等[12]將直線牙簽作為標(biāo)記，利用亞像素定位方法，檢測到前后兩幅圖像標(biāo)記邊緣變換位置。隨后，2014年，梁飛等[13]針對高溫條件下成像質(zhì)量不高以及噪聲較大的問題，提出一種雙曲正切函數(shù)擬合的亞像素邊緣檢測算法，使高溫條件下視頻引伸計測量精度得到改善。2015年，Jiang等[14]將反向算法與FFT-CC算法相結(jié)合，提出了一種基于GPU并行計算的路徑無關(guān)算法。同年，為了提高反向算法對環(huán)境光的抗干擾性能，Xu等[15]提出使用基于灰度梯度的歸一化相關(guān)準(zhǔn)則。Lu等[16]設(shè)計出最高能在1200℃下對金屬合金進(jìn)行標(biāo)記線測量的高溫視頻引伸計系統(tǒng)(如圖2所示)，同時還提出雙擬合算法，使匹配算法精度達(dá)到亞像素級。2016年，Pan等[17]利用雙遠(yuǎn)心鏡頭和反向組合算法設(shè)計出一種可忽略環(huán)境引起微小波動誤差的實時高精度的視頻引伸計。同年，針對視頻引伸計圖像精度不高的問題，申海[18]采用改進(jìn)后的小波閾值算法對圖像進(jìn)行濾波提高了檢測精度。2017年，合肥工業(yè)大學(xué)的王政[19]針對大變形情況下的視頻引伸計測量易失效的問題，也改進(jìn)了相關(guān)定位算法，成功測出了橡膠材料的力學(xué)性能。2019年，國醫(yī)來等[20]對相機光軸與被測平面試樣表面的垂直問題進(jìn)行了討論，分析了非垂直相機光軸對視頻引伸計的影響;同年，Bai等[21]分析了一階形狀函數(shù)對多項式的影響，并在此基礎(chǔ)上提出了一種位移后處理算法，以補償系統(tǒng)誤差，實現(xiàn)了位移系統(tǒng)偏差的校正和圖像處理的子像素精度的提高。

數(shù)字圖像相關(guān)(Digital Image Correlation,DIC)，是由美國South Carolina大學(xué)的Peter和Ranson[22-23]及日本的Yamaguchi等[24]提出的一種用于測量被測物體位移應(yīng)變信息的全場光學(xué)測量方法。1983年，Peters等[23]拍攝加載前和加載過程中的物體二維全場變形圖像，然后將變形場分成不同大小的分析區(qū)域，也就是子集區(qū)域，通過相機采集噴涂有散斑的試樣變形過程中散斑圖像序列，并對采集的圖像序列進(jìn)行“匹配”相關(guān)性計算(匹配原理如圖3所示)，數(shù)字圖像相關(guān)的匹配原理過程就是在變形圖像上找到與參考圖像上P(x0,y0)和Q(x0,y0)經(jīng)過相關(guān)計算得到相關(guān)系數(shù)最大的對應(yīng)點P"(x0,y0)和Q"(x0,y0)。另外由于單點時灰度特征難免會出現(xiàn)一定的重復(fù)現(xiàn)象，可能會導(dǎo)致出現(xiàn)誤匹配的情況，因此有必要在參考圖上選取大小為(2m+1)×(2m+1)的正方形子區(qū)域進(jìn)行相關(guān)計算，對每一張變形圖像采用相關(guān)公式搜索出與參考圖像上各點相關(guān)系數(shù)最大的位置，從而可以通過各對應(yīng)點像素坐標(biāo)的相對變化，再結(jié)合相機的標(biāo)定數(shù)據(jù)，經(jīng)過一定的計算得出相應(yīng)的位移和應(yīng)變值。由于噴涂散斑隨機生成，因此某塊子區(qū)域內(nèi)的散斑往往具有唯一性，使得圖像序列之間可以正確匹配。相對于其他視覺測量方法，該方法具有對復(fù)雜環(huán)境的適應(yīng)性好，能進(jìn)行全場非接觸測量，光路簡單，可用白光為光源，受外界環(huán)境影響小，便于實現(xiàn)整個測量過程的自動化等特點，能夠充分發(fā)揮計算機技術(shù)在數(shù)字圖像處理中的優(yōu)點和潛力。下面給出一種常用的圖像序列相關(guān)計算函數(shù)———零均值歸一化平方和函數(shù):

【參考文獻(xiàn)】：
期刊論文
[1]鯉魚皮拉伸強度的測量原理與方法[J]. 章松,葛朋祥,李桂華.  測控技術(shù). 2020(02)
[2]非標(biāo)準(zhǔn)凸臺小試樣高溫蠕變伸長率光學(xué)測試[J]. 盧宇,趙澎濤,胡慧然,王永紅.  測控技術(shù). 2020(02)
[3]基于機器視覺識別的行業(yè)應(yīng)用初探[J]. 劉展海.  科學(xué)技術(shù)創(chuàng)新. 2019(31)
[4]GPU加速電子剪切散斑干涉圖像處理[J]. 邵珩,周勇,祁俊峰,聶中原.  液晶與顯示. 2019(10)
[5]散斑干涉條紋區(qū)域的自動提取[J]. 吳雙樂,胡慧然,鐘詩民,孫方圓,趙琪涵,王永紅.  光學(xué)學(xué)報. 2019(12)
[6]一種使用剪切波變換的干涉圖濾波算法[J]. 何永紅,朱建軍,靳鵬偉.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2018(07)
[7]高溫變形測量中熱流場造成畸變的修正方法[J]. 張明,繆泓,熊宸,胡文欣,房尚強,楊潤森.  實驗力學(xué). 2017(05)
[8]視頻引伸計用纖維復(fù)絲拉伸測試技術(shù)的研究[J]. 張吉雷,鄭會寶,張永俠.  計量與測試技術(shù). 2017(06)
[9]基于機器視覺技術(shù)的機械制造自動化技術(shù)應(yīng)用研究[J]. 成文.  科技展望. 2017(04)
[10]形貌與微變形全場光學(xué)同時測量方法[J]. 蔣艷鵬,吳思進(jìn),楊連祥.  應(yīng)用光學(xué). 2017(01)

碩士論文
[1]基于數(shù)字圖像相關(guān)的高溫材料測試關(guān)鍵技術(shù)研究[D]. 鮑思源.合肥工業(yè)大學(xué) 2019
[2]高溫視頻引伸計圖像處理算法研究[D]. 梁飛.合肥工業(yè)大學(xué) 2018
[3]半軸彎曲變形機器視覺檢測方法研究[D]. 李俊.重慶理工大學(xué) 2018
[4]大變形視頻引伸計標(biāo)線位置圖像處理算法研究[D]. 王政.合肥工業(yè)大學(xué) 2017
[5]變形測量的機器視覺檢測方法與技術(shù)[D]. 申海.濟(jì)南大學(xué) 2016
[6]面向退化圖像的匹配方法及其在視頻引伸計中的應(yīng)用[D]. 李豐吉.湖南大學(xué) 2016
[7]高速高溫數(shù)字圖像相關(guān)方法及熱沖擊實驗研究[D]. 王翔.清華大學(xué) 2010
[8]電子散斑干涉與數(shù)字圖像處理[D]. 魏巍.南京航空航天大學(xué) 2008
[9]視頻引伸儀的理論研究及設(shè)計[D]. 高禮強.吉林大學(xué) 2007
[10]基于機器視覺的材料真應(yīng)力—應(yīng)變測試技術(shù)研究[D]. 高軍.哈爾濱工業(yè)大學(xué) 2006



本文編號：3519864