CN113390605A - 一种风洞试验飞机机翼变形全场测量方法 - Google Patents
一种风洞试验飞机机翼变形全场测量方法 Download PDFInfo
- Publication number
- CN113390605A CN113390605A CN202110819196.7A CN202110819196A CN113390605A CN 113390605 A CN113390605 A CN 113390605A CN 202110819196 A CN202110819196 A CN 202110819196A CN 113390605 A CN113390605 A CN 113390605A
- Authority
- CN
- China
- Prior art keywords
- image
- camera
- wing
- pixel
- test
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M9/00—Aerodynamic testing; Arrangements in or on wind tunnels
- G01M9/06—Measuring arrangements specially adapted for aerodynamic testing
-
- 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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M9/00—Aerodynamic testing; Arrangements in or on wind tunnels
- G01M9/08—Aerodynamic models
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Fluid Mechanics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种风洞试验飞机机翼变形全场测量方法:在机翼表面制作斑点图案;标定立体视觉测量***,得到摄像机a的内参数Pa、摄像机b的内参数Pb、立体视觉测量***的标定参数Ps、测量坐标系向飞机模型坐标系转换的变换矩阵R;根据吹风试验前、吹风试验中,摄像机a和摄像机b的拍摄图像,获取试验图像序列;基于试验图像序列计算机翼变形全场测量结果。本发明用以解决现有技术中风洞试验飞机机翼变形测量技术只能进行离散点测量,存在测量数据稀疏、空间分辨率低等问题,实现可获取稠密的、更高空间分辨率的测量数据,实现飞机机翼变形全场测量和变形状态下机翼表面三维形貌全场测量的目的。
Description
技术领域
本发明涉及风洞试验领域,具体涉及一种风洞试验飞机机翼变形全场测量方法。
背景技术
在航空器研制过程中,需要在风洞中进行缩比模型风洞试验。在风洞试验中,由于飞机模型并不是一个刚体,气动载荷会使机翼产生较大变形,而影响风洞模型试验精度。如图1所示,虚线为吹风试验前机翼未变形轮廓,实线为吹风试验中机翼变形轮廓,图1为飞机前视图。为此,必须在风洞模型试验过程中,准确测量飞机机翼气弹变形,以便后期进行风洞试验测量数据修正。此外,随着新兴设计方法的采用,比如将CAD、ANASYS等工具用于气动与结构耦合问题研究,迫切需要实测机翼变形前后三维形貌数据。因此,在风洞模型试验中,还需测量机翼变形前后三维形貌。
现有技术中针对机翼变形前后的测量技术,主要采用Optotrak光学测量***和摄影测量技术实现:Optotrak光学测量***的原理如图2所示,是在被测机翼表面打孔预埋LED发光标记点,然后通过线阵CCD利用三角测量原理得到LED标记点坐标,进而获得离散的机翼变形结果。但是,这种在模型表面打孔预埋LED发光标记点的机翼变形测量方法,难以应用到对模型表面光滑度要求高、不允许在模型表面打孔的应用场合;而摄影测量技术的原理图如图3所示,其在机翼表面粘贴若干个白色圆盘状人工标记点,采用两部摄影机构成立体视觉测量***,同步拍摄机翼表面人工标记点的图像,根据立体视觉测量原理,计算人工标记点的空间三维坐标,进而计算离散的机翼变形量。
上述两类方法共同的缺点是:只能得到离散点测量结果,存在测量数据稀疏、空间分辨率低等问题,无法得到机翼变形全场测量结果,而变形全场测量结果,对于提高后期数据修正的精度具有重要应用价值。
发明内容
本发明的目的在于提供一种风洞试验飞机机翼变形全场测量方法,以解决现有技术中风洞试验飞机机翼变形测量技术只能进行离散点测量,存在测量数据稀疏、空间分辨率低等问题,实现可获取稠密的、更高空间分辨率的测量数据,实现飞机机翼变形全场测量和变形状态下机翼表面三维形貌全场测量的目的。
本发明通过下述技术方案实现:
一种风洞试验飞机机翼变形全场测量方法,包括:
S1、在机翼表面制作斑点图案;
S2、标定立体视觉测量***,得到摄像机a的内参数Pa、摄像机b的内参数Pb、立体视觉测量***的标定参数Ps、测量坐标系向飞机模型坐标系转换的变换矩阵R;
S3、根据吹风试验前、吹风试验中,摄像机a和摄像机b的拍摄图像,获取试验图像序列;
S4、基于试验图像序列计算机翼变形全场测量结果。
本申请的测量原理是:在立体视觉中,利用摄像机a、摄像机b拍摄的立体图像对中纹理信息,通过图像块匹配可以重构出被测对象全场三维形貌。基于该技术原理,在机翼表面制作斑点图案,人为地增加图像纹理信息,取代摄影测量技术中采用的人工标记点,通过像素稠密匹配和立体视觉三维重建,可计算出机翼表面全场三维点云,作为机翼三维形貌测量结果,再通过吹风试验前后气动力作用下未变形机翼和变形机翼表面三维点云作差,可得到机翼变形全场测量结果。本方法在对立体视觉测量***进行标定的过程中,获取的摄像机a的内参数Pa、摄像机b的内参数Pb、立体视觉测量***的标定参数Ps、测量坐标系向飞机模型坐标系转换的变换矩阵R等参数,对于最终计算机翼变形全场测量结果具有重要作用,能够有效保证最终得到机翼变形全场测量结果。
进一步的,步骤S1中斑点图案的制作方法包括:
S11、在布/纸上制作若干孔径为0.0001~1000mm、位置随机分布、大小各异的孔洞作为掩膜;
S12、将掩膜覆盖在飞机机翼表面,涂上A色涂料,得到A色涂层;取下掩膜,得到A色斑点图案;
S13、待A色涂料凝固后,再涂上B色涂料,得到B色涂层,使B色涂料完全覆盖A色斑点图案;
S14、待B色涂层凝固干燥后,对B色涂层进行打磨抛光,使A色斑点从B色涂层中显露出来,得到表面光滑的斑点图案。
在风洞试验中,特别是跨超声速风洞中,对模型表面光滑度提出了明确要求。在模型表面制作的斑点图案不能有较大的凸起,否则会扰乱模型表面流场,因此传统的Optotrak光学测量***和摄影测量技术均不适用于风洞试验中。目前,能够查阅到的斑点图案制作方法主要有喷漆法、化学腐蚀、掩膜印刷等方法。其中,喷漆法是在被测对象上方喷洒油漆雾滴,自由散落的雾滴在被测对象表面形成杂乱的斑点图案。由于油漆雾滴很小,因此该方法可以制作具有一定光滑度的斑点图案,但是小的油漆雾滴难以形成大的斑点,在拍摄视场较大、拍摄距离较远时,无法得到可分辨的斑点图案图像,因此,该方法不适合风洞试验应用。化学腐蚀法是通过化学腐蚀在金属表面制作杂乱纹理,该方法会破坏机翼表面结构,明显不适合风洞试验应用。传统的掩膜印刷是:在布匹或纸张上随机地打若干孔洞制成掩膜,将掩膜覆盖在被测对象表面,涂刷与被测对象颜色反差较大的涂料制作斑点图案。该方法可以制作任意尺寸大小的斑点,可用于大视场、远距离拍摄场合。在实际应用中,可以通过试验在保证拍摄图像中斑点可分辨率的条件下,尽量选用尺寸较小、稠密分布的斑点构成斑点图案。但是,由于斑点有一定厚度,在模型表面容易产生较大凸起,不能满足模型表面光滑度要求,会对模型表面流场构成干扰。因此传统的掩膜印刷也法不能直接用于风洞试验中。
为了克服现有的斑点制作方法均不适用于飞机风洞试验的问题,本发明提供一种可满足风洞试验模型光滑度要求的斑点图案制作方法:首先,在布匹或纸上制作孔径为0.0001~1000mm、位置随机分布、大小各异的孔洞作为掩膜;然后,将掩膜覆盖在飞机机翼表面,涂上A色涂料,制作A色涂层,取下掩膜,得到A色斑点图案,待A色涂层凝固后,再涂上B色涂料,制作B色涂层,使B色涂料完全覆盖A色斑点;接着,待B色涂层凝固干燥后,使用抛光工具对B色涂层进行打磨,使A色斑点从B色涂层中显露出来,并满足试验模型光滑度要求,最终得到表面光滑的斑点图案。其中A色和B色需要保证颜色不同,以色差较大为优选。本方法填补了现有技术在飞机风洞试验过程中机翼表面斑点制作的技术空白。
进一步的,步骤S2的具体方法包括:
S21、对摄像机a进行标定,得到摄像机a的内参数Pa;
S22、对摄像机b进行标定,得到摄像机b的内参数Pb;
S23、以摄像机a为基准建立测量***坐标系[i,j,k],对摄像机a和摄像机b构成的立体视觉测量***进行标定,得到立体视觉测量***标定参数Ps;
S24、根据机翼表面的人工标记点计算测量***坐标系[i,j,k]向模型坐标系[x,y,z]转换的变换矩阵R。
本方案对立体视觉测量***的标定过程进行详细限定,为最终计算机翼变形全场测量结果提供充分依据。
进一步的,步骤S3中获取试验图像序列的方法包括:
进一步的,步骤S4中机翼变形全场测量结果的计算方法包括:
S41、图像预处理;
S42、计算吹风试验前机翼表面三维点云;
S43、计算吹风试验中t时刻机翼表面三维点云;
S44、计算t时刻机翼变形全场测量结果。
所述图像预处理包括:
S411、分别通过内参数Pa、Pb,对摄像机a的拍摄图像序列中的所有图像、摄像机b的拍摄图像序列中的所有图像进行畸变校正,得到摄像机a、摄像机b畸变校正后的图像序列;
S412、根据立体视觉测量***标定参数Ps,对畸变校正后的图像序列进行立体校正,使摄像机a和摄像机b拍摄的立体图像对中,同名像素在图像纵坐标方向上对齐;
S413、提取斑点图案感兴趣区域T,剔除未位于机翼表面的背景图像像素,保留机翼表面斑点图案区域内像素。
提取斑点图案感兴趣区域T的方法包括:
S4131、采用像素邻域梯度均值G区分斑点图案图像和试验段背景图像;
S4134、遍历完图像后,对标记矩阵Flag先进行腐蚀操作消除干扰噪声,再进行膨胀操作得到T;在T中1表示该像素为斑点图案需要处理,0表示为非斑点图案无需处理。
吹风试验前机翼表面三维点云的计算方法包括:
S422、采用ICGN光流算法,选用仿射变换模型对图像块变形建模,对图像块进行亚像素匹配,得到亚像素匹配结果像素坐标;
S424、根据立体校正过程中的映射关系,通过逆映射方式计算亚像素匹配结果像素坐标在立体校正前的亚像素图像坐标;
S425、根据立体视觉测量***的标定参数Ps,计算亚像素图像坐标在测量***坐标系[i,j,k]下的三维点云;并根据转换矩阵R转换为飞机模型坐标系下三维点云[X0,Y0,Z0]。
具体而言,本申请中机翼变形全场测量结果的具体过程如下:
其次,采用面向立体视觉的图像块亚像素匹配方法,对畸变校正后立体图像对{I'a,I'b}中斑点图案区域内所有像素进行稠密匹配,并根据立体视觉标定参数Ps进行立体视觉三维重建,得到机翼在测量坐标系[i,j,k]下的三维点云[I,J,K],然后根据测量***坐标系[i,j,k]向模型坐标系[x,y,z]转换的变换矩阵R,得到机翼三维点云[X,Y,Z]T;按前述方法,处理吹风试验前图像对得到未变形机翼的三维点云[X0,Y0,Z0],处理吹风试验中t时刻图像对得到t时刻变形机翼的三维点云[Xt,Yt,Zt]。
其中,面向立体视觉的图像块亚像素匹配方法如下:
其原理是:根据立体视觉中的对极几何约束(《Multiple View Geometry inComputer Vision》),物体表面上一点O,在立体图像对中的同名像素点O1、O2位于极线上。立体校正使立体图像对的极线在水平方向上对齐,因此同名像素具有相同的纵坐标u。具体如图7所示。
2、采用手动或自动方法提取图像中斑点图案区域作为感兴趣区域T,以剔除未位于机翼表面的背景图像像素,保留机翼表面斑点图案区域内像素,用于减少像素匹配数据量。
所述自动提取斑点图案作为感兴趣区域T的方法是:采用像素邻域梯度均值区分斑点图案图像和试验段背景图像;像素邻域梯度均值为:
其中,s是邻域尺寸,取值范围是1~1000,单位为像素,是第(u,v)个像素在图像u坐标方向上的1阶导数,是第(u,v)个像素在图像v坐标方向上的1阶导数;给定一个大小与图像相等的标记矩阵Flag,设定阈值的取值范围0.0001~10000;遍历整幅图像,当图像(i,j)位置处像素时,为斑点图案图像,设置标记Flag(i,j)=1,否则为试验段背景图像,设置标记Flag(i,j)=0;遍历完图像后,对标记矩阵Flag先进行腐蚀操作消除干扰噪声,再进行膨胀操作得到T;在T中1表示该像素为斑点图案需要处理,0表示为非斑点图案无需处理。
上述自动提取斑点图案感兴趣区域T的原理是:试验段背景是较为均匀的平坦区域,该区域内图像的像素邻域梯度均值G较小,而斑点图案区域内图像表现为斑驳纹理,存在较快的明暗变化,像素邻域梯度G较大,因此采用像素邻域梯度均值G可有效地区分斑点图案图像和试验段背景图像,用于提取斑点图案区域T。
3、给定图像Ira中一个像素a(m),图像坐标为qm=(um,vm),m表示像素编号,u是图像纵坐标,取值范围为1~h,h为图像高度,h取值范围为1~1000000,单位是像素,v是图像横坐标,取值范围为1~w,w是图像宽度,w取值范围为1~1000000,单位是像素,以qm为中心定义大小为L*L的图像块a(m+1),L取值范围为1~100000,单位是像素,采用FFT快速傅里叶变换计算图像块a(m+1)与图像的卷积图像,对卷积图像进行去边界处理,得到与图像尺寸相同的卷积图像;在该卷积图像上,以像素a(m)的纵坐标um定义直线u=um为中心,设置一个大小为τ*w的矩形,使矩形的上边界与直线u=u13-τ/2平齐、下边界与直线u=u13+τ/2平齐、左边界与直线v=1平齐、右边界与直线v=w平齐,其中τ取值范围为0~1000,单位是像素,在卷积图像上矩形范围内寻找最大值像素,该像素的图像坐标q19=(u19,v19)是该像素的整像素初始匹配结果。
现有技术在卷积图像中找最大值进行最优匹配搜索的过程中,不可避免存在摄像机和立体视觉标定误差,为此,本发明引入了一个松弛量τ。即:像素a(m)的同名像素位于以直线u=um为轴对称、宽度为τ的矩形上。在该矩形范围内寻找最大值,即可找到与图像块a(m+1)的最优匹配,得到像素a(m)在图像中的整像素匹配结果。
4、以像素b的图像坐标q作为初始位置,采用ICGN逆组分高斯牛顿光流算法,选用仿射变换模型对图像块变形建模,在图像中对图像块a(m+1)进行亚像素匹配,得到亚像素图像坐标,作为像素a(m)的亚像素匹配结果;
最后,以吹风试验前,飞机模型坐标系下未变形机翼的三维点云[X0,Y0,Z0]为基准,计算t时刻变形机翼在z方向上位移Δz=Z't-Z0;其中,Z't=f([X0,Y0],[Xt,Yt,Zt]),表示以[X0,Y0]为输入,通过三维点云插值操作f(·),从[Xt,Yt,Zt]中插值计算出的z方向坐标。
进一步的,所述亚像素稠密匹配结果,通过将图像划分为若干个大小为Su*Sv的网格,以网格化离散点匹配和插值补偿方法完成遍历;其中Su、Sv的单位均为像素。
本案发明人在进一步研究过程中发现,本申请中若直接进行整幅图像中所有像素稠密匹配,算法复杂度较高,计算时间较长,为此,本发明提供一种飞机机翼三维点云快速计算方法:不同于对斑点图案T中所有像素进行稠密匹配,而是采用网格化离散点匹配和插值补偿方法计算机翼表面三维点云。具体方法是:将图像划分为m*n个网格,m取值范围是1~10000,n取值范围是1~10000,网格大小为Su*Sv像素,Su>1、Sv>1;只对网格内一个像素进行匹配,其余像素不匹配,得到稀疏三维点云;采用插值补偿方法对稀疏三维点云进行插值得到机翼表面稠密三维点云;插值补偿方法采用RBF径向基函数插值或B样条插值。
本发明与现有技术相比,具有如下的优点和有益效果:
1、本发明一种风洞试验飞机机翼变形全场测量方法,克服了现有技术只能进行机翼变形离散点测量,存在测量数据稀疏、空间分辨率低等问题,可获取稠密的、更高空间分辨率的测量数据,实现飞机机翼变形全场测量和变形状态下机翼表面三维形貌全场测量;
2、本发明一种风洞试验飞机机翼变形全场测量方法,提出了斑点图案感兴趣区域T的自动提取方法,可有效降低人工量,提高斑点图案图像预处理效率,减少斑点图案像素处理数据量,提高机翼表面三维形貌计算速度;
3、本发明一种风洞试验飞机机翼变形全场测量方法,提出了面向立体视觉的图像块亚像素匹配方法,利用了立体视觉中对极几何约束,采用立体校正后图像进行图像块匹配,可减小所搜空间,降低计算量,降低图像块匹配错误,所提出的整像素、亚像素两级匹配,兼顾了算法速度和匹配精度;
4、本发明一种风洞试验飞机机翼变形全场测量方法,提出了网格化离散点匹配和插值补偿方法,进一步降低了机翼全场变形测量中像素匹配计算量,提高了机翼三维点云计算速度;
5、本发明一种风洞试验飞机机翼变形全场测量方法,提出了一种全新的模型表面斑点图案制作方法,用于制作表面光滑、清晰可辨的斑点图案,满足了风洞试验对模型表面光滑度要求,填补了现有技术的空白。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为飞机机翼气弹变形示意图;
图2为现有的Optotrak测量***在机翼表面布置的LED发光标记点示意图;
图3为现有的摄影测量技术进行机翼变形测量原理示意图;
图4为本发明具体实施方式使用的风洞试验飞机机翼变形全场测量装置示意图;
图5为本发明具体实施方式的测量原理图;
图6为本发明具体实施方式的整像素初始匹配过程示意图;
图7为本发明具体实施方式的亚像素匹配过程示意图;
图8为本发明具体实施方式中Flag标记矩阵及感兴趣区域T的示意图;
图9为本发明具体实施方式中半模试验的测量装置安置示意图;
图10为本发明具体实施方式中逐像素匹配与离散点匹配的对比图;
图11为本发明具体实施方式中三维点插值补偿示意图。
附图中标记及对应的零部件名称:
1-机翼;1-1-未变形机翼;1-2-变形机翼;2-LED发光标记点;3-人工标记点;4-摄像机a;5-摄像机b;6-斑点图案;7-光源a;8-光源b;9-图像采集控制器;10-计算机;11-机身;12-立体图像对中第一张图像;13-图像12中的待处理像素a(13);14-以像素a(13)为中心大小为L*L的图像块a;15-立体图像对中第二张图像;16-1-图像块a(14)与图像15的卷积图像a(16-1);16-2-卷积图像a(16-1)去除边界后的卷积图像b(16-2);17-过像素a(13)且纵坐标与像素a(13)相同的直线;18-在卷积图像b(16-2)上以直线(17)为轴对称定义的宽度为τ的矩形,19-像素a(13)的整像素匹配结果,20-图像块a(14)与第二张图像的卷积操作过程,21-卷积图像a(16-1)去除边界操作过程;22-基于ICGN的图像块亚像素匹配操作过程,23-像素a(13)的亚像素匹配结果;24-Flag标记矩阵;25-感兴趣区域T;26-风洞来流方向,27-风洞试验段,28-面向风洞来流方向确定的左壁,29-面向风洞来流方向确定的下壁,30-面向风洞来流方向确定的右壁,31-面向风洞来流方向确定的上壁,32-摄像机a光学观察窗,33-摄像机b光学观察窗,34-像素。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1:
一种风洞试验飞机机翼变形全场测量方法,包括:
S1、在机翼表面制作斑点图案;
S2、标定立体视觉测量***,得到摄像机a的内参数Pa、摄像机b的内参数Pb、立体视觉测量***的标定参数Ps、测量坐标系向飞机模型坐标系转换的变换矩阵R;
S3、根据吹风试验前、吹风试验中,摄像机a和摄像机b的拍摄图像,获取试验图像序列;
S4、基于试验图像序列计算机翼变形全场测量结果。
步骤S1中斑点图案的制作方法包括:
S11、在布/纸上制作若干孔径为0.0001~1000mm、位置随机分布、大小各异的孔洞作为掩膜;
S12、将掩膜覆盖在飞机机翼表面,涂上A色涂料,得到A色涂层;取下掩膜,得到A色斑点图案;
S13、待A色涂料凝固后,再涂上B色涂料,得到B色涂层,使B色涂料完全覆盖A色斑点图案;
S14、待B色涂层凝固干燥后,对B色涂层进行打磨抛光,使A色斑点从B色涂层中显露出来,得到表面光滑的斑点图案。
步骤S2的具体方法包括:
S21、对摄像机a进行标定,得到摄像机a的内参数Pa;
S22、对摄像机b进行标定,得到摄像机b的内参数Pb;
S23、以摄像机a为基准建立测量***坐标系[i,j,k],对摄像机a和摄像机b构成的立体视觉测量***进行标定,得到立体视觉测量***标定参数Ps;
S24、根据机翼表面的人工标记点计算测量***坐标系[i,j,k]向模型坐标系[x,y,z]转换的变换矩阵R。
步骤S3中获取试验图像序列的方法包括:
步骤S4中机翼变形全场测量结果的计算方法包括:
S41、图像预处理;
S42、计算吹风试验前机翼表面三维点云;
S43、计算吹风试验中t时刻机翼表面三维点云;
S44、计算t时刻机翼变形全场测量结果。
步骤S41的图像预处理包括:
S411、分别通过内参数Pa、Pb,对摄像机a的拍摄图像序列中的所有图像、摄像机b的拍摄图像序列中的所有图像进行畸变校正,得到摄像机a、摄像机b畸变校正后的图像序列;
S412、根据立体视觉测量***标定参数Ps,对畸变校正后的图像序列进行立体校正,使摄像机a和摄像机b拍摄的立体图像对中,同名像素在图像纵坐标方向上对齐;
S413、提取斑点图案感兴趣区域T,剔除未位于机翼表面的背景图像像素,保留机翼表面斑点图案区域内像素。
步骤S413的提取斑点图案感兴趣区域T的方法包括:
S4131、采用像素邻域梯度均值G区分斑点图案图像和试验段背景图像;
S4134、遍历完图像后,对标记矩阵Flag先进行腐蚀操作消除干扰噪声,再进行膨胀操作得到T;在T中1表示该像素为斑点图案需要处理,0表示为非斑点图案无需处理。
其中,吹风试验前机翼表面三维点云的计算方法包括:
S422、采用ICGN光流算法,选用仿射变换模型对图像块变形建模,对图像块进行亚像素匹配,得到亚像素匹配结果像素坐标;
S424、根据立体校正过程中的映射关系,通过逆映射方式计算亚像素匹配结果像素坐标在立体校正前的亚像素图像坐标;
S425、根据立体视觉测量***的标定参数Ps,计算亚像素图像坐标在测量***坐标系[i,j,k]下的三维点云;并根据转换矩阵R转换为飞机模型坐标系下三维点云[X0,Y0,Z0]。
其中,所述亚像素稠密匹配结果,通过将图像划分为若干个大小为Su*Sv的网格,以网格化离散点匹配和插值补偿方法完成遍历;其中Su、Sv的单位均为像素。
其中,t时刻机翼变形全场测量结果Δz的计算方法包括:以吹风试验前,飞机模型坐标系下三维点云[X0,Y0,Z0]为基准,计算t时刻变形机翼在z方向上位移Δz=Z't-Z0;
其中,Z't=f([X0,Y0],[Xt,Yt,Zt]),表示以[X0,Y0]为输入,通过三维点云插值操作f(·),从[Xt,Yt,Zt]中插值计算出的z方向坐标。
实施例2:
本实施例以某研究型风洞中进行的半模试验为例。
图9给出了本实施例的半模试验的装置安置示意图。在图9中,各附图标记含义如下:26的箭头是风洞来流方向,27是风洞试验段,面向来流方向将风洞试验段的四面壁分别命名为左壁28、下壁29、右壁30、上壁31,飞机机身11固定在试验段上壁31中部,机翼1表面绘制有斑点图案6,在右壁30中段开设摄像机a光学观察窗32、摄像机b光学观察窗33,在摄像机a光学观察窗32处设置摄像机a,在摄像机b光学观察窗33处设置摄像机b,调整两个摄像机的安装角度,保证两个摄像机的视野能够完全覆盖机翼1,摄像机a、摄像机b构成一个立体视觉测量单元。在实际应用中,还可酌情增加1~2套立体视觉测量单元,用于扩展测量视场,比如用于全模试验测量。
在本实施例中,加工的金属机翼尺寸为:翼展:400mm,翼根宽度:80mm,翼尖宽度:50mm,厚度为1mm,机翼具有较好弹性;选用2台分辨率为400万像素、帧率为10fps的黑白工业相机,镜头参数分别为:光圈F=2.0,焦距f=13mm;选用2个功率为50W的LED光源为摄像机提供照明;摄像机通过线缆与图像采集控制器连接,所拍摄的图像通过Camera-link数据采集卡输入计算机中进行数据处理,计算机翼全场变形量。
下面详细阐述本实施例的具体方法:
一、机翼表面制作斑点图案
选用棉布用于制作掩膜,具体制作方法是:使用电烙铁,在棉布上烧出孔径约为2mm、5mm、8mm,位置随机分布的孔洞做成掩膜。然后,将掩膜覆盖在机翼表面,选用黑色自喷漆,在掩膜上喷绘黑色涂层,确保所有孔洞都被黑色油漆覆盖,然后揭起掩膜;采用红外线加热设备,加速涂层凝固;待黑色涂层凝固后,使用白色自喷漆,喷绘白色涂层,是白色涂层完全覆盖整个机翼;采用红外线加热设备,加速涂层凝固,待白色涂层干燥后,使用细砂纸,仔细打磨机翼表面涂层,使黑色斑点从白色涂层中显露出来。最后,在机身表面制作5个人工标记点,用于关联飞机模型坐标系[x,y,z]。
实际应用表明:该方法制作的斑点图案,可以满足模型表面光滑度要求,且可通过摄像机拍摄到清晰可见的斑点图案。
二、立体视觉测量***标定
根据摄像机标定方法,对摄像机a进行标定得到内参数Pa、对摄像机b进行标定得到内参数Pb,以摄像机a为基准建立测量***坐标系[i,j,k],对摄像机a和摄像机b构成的立体视觉测量***进行标定,得到立体视觉测量***标定参数Ps。根据立体视觉测量***标定参数,和机身表面绘制的人工标记点,计算测量坐标系向飞机模型坐标系转换的变换矩阵R。
三、试验图像序列获取
在吹风试验前,图像采集控制器9同步触发摄像机a、摄像机b拍摄无风状态下,未变形机翼1-1表面的斑点图案图像分别记为在吹风试验过程中,图像采集控制器9同步触发摄像机a、摄像机b拍摄t时刻有风状态下,变形机翼1-2表面的斑点图案图像分别记为将按时间顺序存入图像序列中,将按时间顺序存入图像序列中。本实例中,按0.1s间隔,拍摄10帧风洞试验中机翼变形图像序列。
四、机翼变形全场测量计算
1、图像预处理
a)对拍摄图像进行畸变校正和立体校正
首先,根据摄像机a的内参数Pa对图像序列中所有图像进行畸变修正,得到畸变校正后图像序列根据摄像机b的内参数Pb对图像序列中所有图像进行畸变校正,得到畸变校正后图像序列然后,根据立体标定参数Ps,对畸变校正后图像进行立体校正,使摄像机a和摄像机b拍摄的立体图像对中同名像素在图像纵坐标u方向上对齐。对进行立体校正得到图像序列对进行立体校正得到图像序列其原理是:根据立体视觉中的对极几何约束,物体表面上一点O,在立体图像对中的同名像素点O1、O2位于极线上。立体校正使立体图像对的极线在水平方向上对齐,因此同名像素具有相同的纵坐标u。具体如图7所示,像素13的同名像素19位于直线17上。
实际应用表明,通过畸变校正和立体校正后,立体图像对中位于机翼表面相同位置处的像素,在校正后图像中具有相近的纵坐标。
b)提取斑点图案感兴趣区域T
预先提取图像中斑点图案区域内像素作为感兴趣区域T,剔除位于试验段背景中无效像素,可以有效减少图像数据处理量,提高后续像素匹配速度。如图8所示,给定一个与图像尺寸相同的标记矩阵Flag24。设定像素邻域尺寸s=30,计算像素邻域梯度均值
是第(u,v)个像素在图像u坐标方向上的1阶导数,是第(u,v)个像素在图像v坐标方向上的1阶导数,设定阈值遍历整幅图像,当图像(i,j)位置处像素时为斑点图案图像,设置标记Flag(i,j)=1,否则为试验段背景图像,设置标记Flag(i,j)=0;遍历完图像后,对标记矩阵Flag先进行腐蚀操作消除干扰噪声,再进行膨胀操作得到T(即图8中附图标记25所示)。在T中1表示该像素为斑点图案需要处理,0表示为非斑点图案无需处理。按此方法处理中所有图像,找到这些图像的T。
在实际使用中,由于试验段背景是较为均匀的平坦区域,该区域内图像的像素邻域梯度均值G较小,而斑点图案区域内图像表现为斑驳纹理,存在较快的明暗变化,像素邻域梯度G较大,因此采用上述方法可有效地区分斑点图案图像和试验段背景图像,用于提取斑点图案区域T。实际试验表明,阈值Tg=30,自动方法提取的T可完全覆盖机翼表面斑点图案区域,且T中像素数量不会超过斑点图案区域内像素总量的5%。因此,可以采用该自动方法代替手工方法提取T,以减少人工工作量,提高图像预处理效率。
2、计算吹风试验前机翼表面三维点云
从中,分别抽取构成立体图像对首先,采用稠密匹配方法,对立体图像对中位于T中像素进行稠密立体匹配。基本操作如下:取图像中位于T中的一个像素a(13),以像素a(13)为中心取大小为41*41图像块a(14),像素a(13)的图像坐标为q13=(u13,v13)。采用FFT快速傅里叶变换,对图像块a(14)和图像进行卷积,得到卷积图像a(16-1),图像卷积过程中使用了边缘延拓操作使图像a(16-1)尺寸超过了图像因此,这里先去除图像a(16-1)的延拓边界得到卷积图像b(16-2)。在本实例中,τ取3。实际应用结果表明,该方法可有效实现像素快速匹配。
完成像素a(13)的整像素匹配后,以此为初始值,采用ICGN光流算法,选用仿射变换模型对图像块变形建模,对图像块进行亚像素匹配,得到亚像素匹配结果像素坐标23:q23=(u23,v23)。依次遍历图像中位于T中的像素,得到稠密匹配结果。最后,根据立体校正过程中图像到图像到的映射关系,通过逆映射,估计{q13,q23}在立体校正前的亚像素图像坐标逆映射过程中,采用B样条插值估计亚像素坐标。接着,根据立体视觉标定参数Ps,计算它在测量***坐标系[i,j,k]下的三维点云,并根据转换矩阵R,将其转换为飞机模型坐标系下三维点云[X0,Y0,Z0]。
由于上述面向立体视觉的亚像素图像块匹配算法采用逐像素稠密匹配方法,对T中每一个像素进行匹配计算量非常大。为降低计算量、提高速度,本申请还提出一种网格化离散点匹配和插值补偿方法。如图10所示,其中,阴影部分是需要匹配的像素,空白部分是无需匹配的像素,将图像划分为若干个大小为Su*Sv的网格,单位为像素。
图10中,左侧为Su=1和Sv=1的网格上,进行像素匹配的结果,即逐像素稠密匹配方法;右侧为Su=4、Sv=4网格,以网格左上角像素进行匹配的结果,这是一种网格化离散点匹配方法。该方式通过增大匹配像素间隔(注:Su=1和Sv=1时,它们在水平和竖直方向上的匹配像素间隔为1个像素,Su=4和Sv=4时,它们在水平和竖直方向上的匹配像素间隔为4个像素)来降低计算量。在图10中,右侧的网格化离散点匹配方法较左侧的逐像素稠密匹配方法,待处理像素数量减小到1/16。由于机翼的表面是连续和光滑的,因此,通过增大匹配像素间隔,得到离散匹配结果,用于计算稀疏的三维点云,再通过插值补偿方法,可以得到稠密的全场三维点云。本发明使用RBF插值方法对稀疏的三维点云进行插值补偿,计算机翼表面稠密三维点云。实验使用结果表面,当Su=4、Sv=4时,该方法计算的三维点云与稠密匹配方法计算结果的平均差异在0.5%以内,但计算速度却提高了8.1倍,并且所得到的三维点云数据,相比稠密匹配结果,噪声更低、局部更加平滑,更接近于机翼真实表面结果。
3、计算吹风试验中t时刻机翼表面三维点云
4、计算t时刻机翼变形全场测量结果
如图5所示,机翼变形量定义为机翼在气动力作用下在z坐标方向上的位移Δz。将未变形机翼1-1的三维点云[X0,Y0,Z0]与变形机翼1-2的三维点云[Xt,Yt,Zt],在x、y坐标上对齐后,在z方向上作差,作为z方向上位移Δz。但是,由于机翼存在位置变化,[X0,Y0,Z0]和[Xt,Yt,Zt]中的三维点云的x、y坐标并没有对齐,因此,需要通过三维点云插值补偿方法,以[X0,Y0,Z0]中[X0,Y0]坐标作为输入,在[Xt,Yt,Zt]点云数据中插值计算[X0,Y0,Z0],用于计算Δz=Z't-Z0。定义该插值操作为Z't=f([X0,Y0],[Xt,Yt,Zt])。
图11给出了一个示例,其中38是[Xt,Yt,Zt]中的三维点,三维点38的(x,y)坐标为37;给定一个输入坐标39:(x0,y0),它在[Xt,Yt,Zt]点云下的三维点为40:(x0,y0,zt),三维点40可通过邻近的三维点插值补偿得到。在本实例中,采用RBF(径向基函数)插值,可计算出三维点40的z坐标z't。
由于在吹风试验中,无法测量机翼真实变形值作为精度评估参考,为此,本实施例在无风条件下,人为施加载荷于机翼翼尖使机翼产生变形,采用激光跟踪仪测量机翼变形,测量精度为0.001mm,作为参考值与本装置测量结果进行对比。对比结果表明本装置测量误差(标准方差)为0.01mm。测量精度受限于摄像机分辨率,当采用更高分辨率摄像机时,本发明的测量精度可更高。
本实施例的实际测量结果表明,本发明可实现飞机机翼变形全场测量。拍摄图像为400万像素,机翼区域内像素数量约为101.4万像素,当采用逐像素稠密匹配方法时,计算出了101.4万个三维点,得到了101.4万个机翼变形测量值;当采用网格化离散点匹配方法时,取Su=8、Sv=8,得到了约1.5万个实际测量值,通过插值补偿得到了3万个三维点、3万个机翼变形测量值;远远超过了Optotrak***1000个测量值和基于摄影测量技术的模型变形测量装置的100个测量值。因此,本发明可有效增加测量数量,提高机翼变形测量空间分辨率。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。此外,在本文中使用的术语“连接”在不进行特别说明的情况下,可以是直接相连,也可以是经由其他部件间接相连。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种风洞试验飞机机翼变形全场测量方法,其特征在于,包括:
S1、在机翼表面制作斑点图案;
S2、标定立体视觉测量***,得到摄像机a的内参数Pa、摄像机b的内参数Pb、立体视觉测量***的标定参数Ps、测量坐标系向飞机模型坐标系转换的变换矩阵R;
S3、根据吹风试验前、吹风试验中,摄像机a和摄像机b的拍摄图像,获取试验图像序列;
S4、基于试验图像序列计算机翼变形全场测量结果。
2.根据权利要求1所述的一种风洞试验飞机机翼变形全场测量方法,其特征在于,步骤S1中斑点图案的制作方法包括:
S11、在布/纸上制作若干孔径为0.0001~1000mm、位置随机分布、大小各异的孔洞作为掩膜;
S12、将掩膜覆盖在飞机机翼表面,涂上A色涂料,得到A色涂层;取下掩膜,得到A色斑点图案;
S13、待A色涂料凝固后,再涂上B色涂料,得到B色涂层,使B色涂料完全覆盖A色斑点图案;
S14、待B色涂层凝固干燥后,对B色涂层进行打磨抛光,使A色斑点从B色涂层中显露出来,得到表面光滑的斑点图案。
3.根据权利要求1所述的一种风洞试验飞机机翼变形全场测量方法,其特征在于,步骤S2的具体方法包括:
S21、对摄像机a进行标定,得到摄像机a的内参数Pa;
S22、对摄像机b进行标定,得到摄像机b的内参数Pb;
S23、以摄像机a为基准建立测量***坐标系[i,j,k],对摄像机a和摄像机b构成的立体视觉测量***进行标定,得到立体视觉测量***标定参数Ps;
S24、根据机翼表面的人工标记点计算测量***坐标系[i,j,k]向模型坐标系[x,y,z]转换的变换矩阵R。
5.根据权利要求1所述的一种风洞试验飞机机翼变形全场测量方法,其特征在于,步骤S4中机翼变形全场测量结果的计算方法包括:
S41、图像预处理;
S42、计算吹风试验前机翼表面三维点云;
S43、计算吹风试验中t时刻机翼表面三维点云;
S44、计算t时刻机翼变形全场测量结果。
6.根据权利要求5所述的一种风洞试验飞机机翼变形全场测量方法,其特征在于,所述图像预处理包括:
S411、分别通过内参数Pa、Pb,对摄像机a的拍摄图像序列中的所有图像、摄像机b的拍摄图像序列中的所有图像进行畸变校正,得到摄像机a、摄像机b畸变校正后的图像序列;
S412、根据立体视觉测量***标定参数Ps,对畸变校正后的图像序列进行立体校正,使摄像机a和摄像机b拍摄的立体图像对中,同名像素在图像纵坐标方向上对齐;
S413、提取斑点图案感兴趣区域T,剔除未位于机翼表面的背景图像像素,保留机翼表面斑点图案区域内像素。
7.根据权利要求6所述的一种风洞试验飞机机翼变形全场测量方法,其特征在于,提取斑点图案感兴趣区域T的方法包括:
S4131、采用像素邻域梯度均值G区分斑点图案图像和试验段背景图像;
S4134、遍历完图像后,对标记矩阵Flag先进行腐蚀操作消除干扰噪声,再进行膨胀操作得到T;在T中1表示该像素为斑点图案需要处理,0表示为非斑点图案无需处理。
8.根据权利要求7所述的一种风洞试验飞机机翼变形全场测量方法,其特征在于,吹风试验前机翼表面三维点云的计算方法包括:
S422、采用ICGN光流算法,选用仿射变换模型对图像块变形建模,对图像块进行亚像素匹配,得到亚像素匹配结果像素坐标;
S424、根据立体校正过程中的映射关系,通过逆映射方式计算亚像素匹配结果像素坐标在立体校正前的亚像素图像坐标;
S425、根据立体视觉测量***的标定参数Ps,计算亚像素图像坐标在测量***坐标系[i,j,k]下的三维点云;并根据转换矩阵R转换为飞机模型坐标系下三维点云[X0,Y0,Z0]。
9.根据权利要求8所述的一种风洞试验飞机机翼变形全场测量方法,其特征在于,所述亚像素稠密匹配结果,通过将图像划分为若干个大小为Su*Sv的网格,以网格化离散点匹配和插值补偿方法完成遍历;其中Su、Sv的单位均为像素。
10.根据权利要求8所述的一种风洞试验飞机机翼变形全场测量方法,其特征在于,t时刻机翼变形全场测量结果Δz的计算方法包括:以吹风试验前,飞机模型坐标系下三维点云[X0,Y0,Z0]为基准,计算t时刻变形机翼在z方向上位移Δz=Z't-Z0;
其中,Z't=f([X0,Y0],[Xt,Yt,Zt]),表示以[X0,Y0]为输入,通过三维点云插值操作f(·),从[Xt,Yt,Zt]中插值计算出的z方向坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110819196.7A CN113390605B (zh) | 2021-07-20 | 2021-07-20 | 一种风洞试验飞机机翼变形全场测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110819196.7A CN113390605B (zh) | 2021-07-20 | 2021-07-20 | 一种风洞试验飞机机翼变形全场测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113390605A true CN113390605A (zh) | 2021-09-14 |
CN113390605B CN113390605B (zh) | 2022-09-02 |
Family
ID=77626640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110819196.7A Active CN113390605B (zh) | 2021-07-20 | 2021-07-20 | 一种风洞试验飞机机翼变形全场测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113390605B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642681A (zh) * | 2021-10-13 | 2021-11-12 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种飞行器模型表面标记点的匹配方法 |
CN115183980A (zh) * | 2022-06-15 | 2022-10-14 | 中国航天空气动力技术研究院 | 一种用于风洞试验面测量试验数据后处理方法 |
WO2023142608A1 (zh) * | 2022-01-26 | 2023-08-03 | 上海飞机制造有限公司 | 获得飞机面型的***和方法 |
CN117048848A (zh) * | 2023-10-12 | 2023-11-14 | 中国飞机强度研究所 | 一种用于全尺寸飞机试验的空间姿态及变形测试方法 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090153876A1 (en) * | 2007-12-12 | 2009-06-18 | Kabushi Kaisha Topcon | Optical image measurement device |
CN101655352A (zh) * | 2009-09-15 | 2010-02-24 | 西安交通大学 | 一种三维散斑应变测量装置及其测量方法 |
CN103542815A (zh) * | 2013-09-23 | 2014-01-29 | 西安新拓三维光测科技有限公司 | 大幅面散斑全场应变测量方法 |
CN104748696A (zh) * | 2015-04-13 | 2015-07-01 | 西安交通大学 | 一种大倾角机翼全场变形测量方法 |
CN104864819A (zh) * | 2015-01-19 | 2015-08-26 | 华中科技大学 | 一种基于数字散斑的高速三维应变测量方法 |
US20150260509A1 (en) * | 2014-03-11 | 2015-09-17 | Jonathan Kofman | Three dimensional (3d) imaging by a mobile communication device |
CN105865366A (zh) * | 2016-06-13 | 2016-08-17 | 中国科学院力学研究所 | 一种多孔夹层板高温热屈曲瞬态全场变形过程测量方法 |
CN105973161A (zh) * | 2016-06-17 | 2016-09-28 | 西安交通大学 | 一种桨叶的三维全场变形测量方法 |
CN107576264A (zh) * | 2017-03-23 | 2018-01-12 | 四川精视科技有限公司 | 一种振动及小尺寸空间内对象立体视觉测量方法 |
WO2018072143A1 (zh) * | 2016-10-19 | 2018-04-26 | 北京交通大学 | 一种动态激光多普勒成像全场测量方法 |
CN109839072A (zh) * | 2019-02-27 | 2019-06-04 | 东南大学 | 一种基于dic的温度场与变形场同步测量的方法及装置 |
CN109916322A (zh) * | 2019-01-29 | 2019-06-21 | 同济大学 | 一种基于自适应窗口匹配的数字散斑全场形变测量方法 |
WO2019229473A1 (en) * | 2018-06-01 | 2019-12-05 | Optonor As | Optical-interference analysis |
CN110954008A (zh) * | 2019-11-29 | 2020-04-03 | 上海交通大学 | 基于三维数字图像相关方法的焊接应变测量***及方法 |
CN111380750A (zh) * | 2020-04-13 | 2020-07-07 | 北京科技大学 | 使用亚甲基蓝制斑的羊膜组织非接触式全场变形测量方法 |
CN112325789A (zh) * | 2021-01-04 | 2021-02-05 | 中南大学 | 一种基于图像处理的模型试验中变形和位移测量方法 |
CN112556976A (zh) * | 2020-12-09 | 2021-03-26 | 中国航天空气动力技术研究院 | 一种用于特种风洞实验模型变形测量的散斑制作方法 |
CN113108709A (zh) * | 2021-04-08 | 2021-07-13 | 中国航发北京航空材料研究院 | 一种面向叶片的激光喷丸表面质量测量装置及其测量方法 |
-
2021
- 2021-07-20 CN CN202110819196.7A patent/CN113390605B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090153876A1 (en) * | 2007-12-12 | 2009-06-18 | Kabushi Kaisha Topcon | Optical image measurement device |
CN101655352A (zh) * | 2009-09-15 | 2010-02-24 | 西安交通大学 | 一种三维散斑应变测量装置及其测量方法 |
CN103542815A (zh) * | 2013-09-23 | 2014-01-29 | 西安新拓三维光测科技有限公司 | 大幅面散斑全场应变测量方法 |
US20150260509A1 (en) * | 2014-03-11 | 2015-09-17 | Jonathan Kofman | Three dimensional (3d) imaging by a mobile communication device |
CN104864819A (zh) * | 2015-01-19 | 2015-08-26 | 华中科技大学 | 一种基于数字散斑的高速三维应变测量方法 |
CN104748696A (zh) * | 2015-04-13 | 2015-07-01 | 西安交通大学 | 一种大倾角机翼全场变形测量方法 |
CN105865366A (zh) * | 2016-06-13 | 2016-08-17 | 中国科学院力学研究所 | 一种多孔夹层板高温热屈曲瞬态全场变形过程测量方法 |
CN105973161A (zh) * | 2016-06-17 | 2016-09-28 | 西安交通大学 | 一种桨叶的三维全场变形测量方法 |
WO2018072143A1 (zh) * | 2016-10-19 | 2018-04-26 | 北京交通大学 | 一种动态激光多普勒成像全场测量方法 |
CN107576264A (zh) * | 2017-03-23 | 2018-01-12 | 四川精视科技有限公司 | 一种振动及小尺寸空间内对象立体视觉测量方法 |
WO2019229473A1 (en) * | 2018-06-01 | 2019-12-05 | Optonor As | Optical-interference analysis |
CN109916322A (zh) * | 2019-01-29 | 2019-06-21 | 同济大学 | 一种基于自适应窗口匹配的数字散斑全场形变测量方法 |
CN109839072A (zh) * | 2019-02-27 | 2019-06-04 | 东南大学 | 一种基于dic的温度场与变形场同步测量的方法及装置 |
CN110954008A (zh) * | 2019-11-29 | 2020-04-03 | 上海交通大学 | 基于三维数字图像相关方法的焊接应变测量***及方法 |
CN111380750A (zh) * | 2020-04-13 | 2020-07-07 | 北京科技大学 | 使用亚甲基蓝制斑的羊膜组织非接触式全场变形测量方法 |
CN112556976A (zh) * | 2020-12-09 | 2021-03-26 | 中国航天空气动力技术研究院 | 一种用于特种风洞实验模型变形测量的散斑制作方法 |
CN112325789A (zh) * | 2021-01-04 | 2021-02-05 | 中南大学 | 一种基于图像处理的模型试验中变形和位移测量方法 |
CN113108709A (zh) * | 2021-04-08 | 2021-07-13 | 中国航发北京航空材料研究院 | 一种面向叶片的激光喷丸表面质量测量装置及其测量方法 |
Non-Patent Citations (5)
Title |
---|
S. NADARAJAH, V. ARULKUMAR AND C. MALLIKARACHCHI: "3D Full-Field Deformation Measuring Technique Using Digital Image Correlation", 《2020 MORATUWA ENGINEERING RESEARCH CONFERENCE (MERCON)》 * |
于常安等: "三分量应变传感器弹性体结构设计", 《传感技术学报》 * |
方建新: "钢管混凝土构件撞击试验中的全场三维变形测量技术", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
陈琳等: "数字图像相关法测量含缺陷试样全场变形量", 《激光杂志》 * |
魏斌等: "大型上单翼飞机机翼三维全场变形测量方案", 《航空学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642681A (zh) * | 2021-10-13 | 2021-11-12 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种飞行器模型表面标记点的匹配方法 |
CN113642681B (zh) * | 2021-10-13 | 2022-01-04 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种飞行器模型表面标记点的匹配方法 |
WO2023142608A1 (zh) * | 2022-01-26 | 2023-08-03 | 上海飞机制造有限公司 | 获得飞机面型的***和方法 |
CN115183980A (zh) * | 2022-06-15 | 2022-10-14 | 中国航天空气动力技术研究院 | 一种用于风洞试验面测量试验数据后处理方法 |
CN117048848A (zh) * | 2023-10-12 | 2023-11-14 | 中国飞机强度研究所 | 一种用于全尺寸飞机试验的空间姿态及变形测试方法 |
CN117048848B (zh) * | 2023-10-12 | 2024-01-05 | 中国飞机强度研究所 | 一种用于全尺寸飞机试验的空间姿态及变形测试方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113390605B (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113390605B (zh) | 一种风洞试验飞机机翼变形全场测量方法 | |
CN109242828B (zh) | 基于光栅投影多步相移法的3d打印制品三维缺陷检测方法 | |
Chen et al. | High-accuracy multi-camera reconstruction enhanced by adaptive point cloud correction algorithm | |
CN110288642B (zh) | 基于相机阵列的三维物体快速重建方法 | |
Garcia et al. | A combined temporal tracking and stereo-correlation technique for accurate measurement of 3D displacements: application to sheet metal forming | |
CN107590825B (zh) | 一种基于sfm的点云孔洞修补方法 | |
CN107588721A (zh) | 一种基于双目视觉的零件多尺寸的测量方法及*** | |
CN107767456A (zh) | 一种基于rgb‑d相机的物体三维重建方法 | |
CN108801135B (zh) | 核燃料棒位姿自动识别装置 | |
CN109523595B (zh) | 一种建筑工程直线棱角间距视觉测量方法 | |
CN110189339A (zh) | 深度图辅助的主动轮廓抠图方法及*** | |
CN108663026B (zh) | 一种振动测量方法 | |
CN111402330B (zh) | 一种基于平面靶标的激光线关键点提取方法 | |
CN101639947A (zh) | 基于图像的植物三维形态测量与重建方法及*** | |
CN104574432A (zh) | 一种自动多视角人脸自拍图像的三维人脸重建方法及*** | |
CN110866969A (zh) | 基于神经网络与点云配准的发动机叶片重构方法 | |
CN114627177B (zh) | 一种基于图像分割的飞机蒙皮间隙与阶差测量方法 | |
CN104748683A (zh) | 一种数控机床工件在线自动测量装置及测量方法 | |
CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
CN111127613B (zh) | 基于扫描电子显微镜的图像序列三维重构方法及*** | |
CN113160339A (zh) | 一种基于沙姆定律的投影仪标定方法 | |
CN114170284B (zh) | 基于主动标志点投射辅助的多视图点云配准方法 | |
CN109671084A (zh) | 一种工件形状的测量方法 | |
CN112396572B (zh) | 基于特征增强和高斯金字塔的复合绝缘子双光融合方法 | |
CN110879947A (zh) | 一种基于一次投影结构光平行条纹图案的实时人脸三维测量方法 |
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 |