CN113532308A - 数字图像相关中带初值的岭回归应变测量方法 - Google Patents
数字图像相关中带初值的岭回归应变测量方法 Download PDFInfo
- Publication number
- CN113532308A CN113532308A CN202111066063.3A CN202111066063A CN113532308A CN 113532308 A CN113532308 A CN 113532308A CN 202111066063 A CN202111066063 A CN 202111066063A CN 113532308 A CN113532308 A CN 113532308A
- Authority
- CN
- China
- Prior art keywords
- displacement
- strain
- unit
- digital image
- gradient
- 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
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了数字图像相关中带初值的岭回归应变测量方法,属于涉及实验力学、非接触式全场应变测量、数字图像相关领域,本发明的方法先通过搭建数字图像相关测量***,获取试件变形前后的数字图像。然后对图像进行网格单元及节点划分,选定单元内特征点,通过数字图像相关方法获得特征点的位移及应变。计算单元内各特征点应变的平均值。选定单元内位移函数类型,以应变平均值作为初值,对单元内位移场进行岭回归,拟合得到单元内的位移场。对各单元的应变进行插值,得到全场应变。本发明可在提高数字图像相关方法的应变测量精度及鲁棒性。
Description
技术领域
本发明涉及实验力学、非接触式全场应变测量、数字图像相关方法,具体涉及数字图像相关中带初值的岭回归应变测量方法。
背景技术
在航空航天、建筑桥梁等诸多领域中,保证结构可靠性永远是第一要务。随着科学技术的发展,能够在结构发生不可逆损伤之前,对其施以控制修缮,成为诸多科学家的重要目标。而由实验力学提供的材料响应载荷表征的测量结果,对于完善设计,改进结构以及监测损伤都具有丰富的指导意义。位移与应变,作为实验力学重要参量,对于分析模型力学特性、验证基础假设及特征识别等都具有举足轻重的作用。面对日益复杂的测量需求,传统的位移应变测量方法就显得捉襟见肘。与此同时,有限处位移应变测量结果远不能胜任复杂模型的分析工作。并且针对各种测量条件的约束,能够实现全场应变及非接触式测量的新兴测量技术应运而生。
能够进行全场测量的不同方法,各有其准确性及适用性优势。而又能够同时满足非接触测量条件的数字图像相关法(Digital Image Correlation,DIC),由于其较低的实验成本及数据采集过程相对简单等优势已被广泛用于实验力学中,其对测量环境和隔振要求较低,普适性强,广泛应用于各种工程和学科领域,如航空航天、生物医疗等。
数字图像相关法(DIC)中,如何准确测量应变一直是相关学者关心为问题。理论上,应变是位移的导数。但在实际DIC测量过程中,由于噪声及像素插值存在误差等诸多原因,导致位移测量结果存在一定误差。而由该位移测量结果进行微分计算应变时,位移场中的误差会被进一步放大,导致不精确的应变测量结果。相关研究人员曾提出多种位移场平滑方法以提高应变计算精度,但大多数学形式复杂或计算量大幅提高,以致限制实际应用。
发明内容
本发明针对现有技术中存在的问题,公开了数字图像相关中带初值的岭回归应变测量方法,本发明的方法首先通过数字图像相关方法得到各单元内所有特征点的位移及位移梯度,对所有位移梯度计算算数平均值作为初值,然后根据特征点的位移值做带初值的岭回归计算,拟合得到单元内的位移场。该方法结合了单元内位移拟合法及应变平均法,可以有效提高应变检测精度并保证鲁棒性。
本发明是这样实现的:
一种数字图像相关中带初值的岭回归应变测量方法,其特征在于,所述的方法如下:
步骤一、搭建数字图像相关测量***,获取试件变形前的参考图像及变形后的变形图像;
步骤二、在参考图像上布置若干点,视为有限元单元节点,依据有限元网格单元,对图像进行网格划分;
步骤三、依据数字图像相关方法,对于每个网格单元,计算单元内多个特征点的位移及位移梯度;
步骤四、计算各单元内所有特征点的四个位移梯度平均值;
步骤五、假设单元内位移场函数;
步骤六、将位移梯度平均值作为初值,对单元内位移场进行岭回归计算,根据各特征点位移拟合得到单元的位移场函数;
步骤七、对各单元的位移场函数进行求导计算,得到单元内的应变场函数;
步骤八、依据各单元的应变场,插值得到全场应变场。
进一步,所述的步骤二中,网格划分方法包括均匀网格划分方法以及非均匀网格划分方法;划分网格单元为三角网格、矩形网格或多边形网格。
进一步,所述的步骤三中,单元内多个特征点均为特定选择的点,具体包括:单元节点、单元边上的点或单元内部的点。
进一步,所述的步骤四中,由数字图像相关方法计算得到各特征点对应的四个位移梯度分别为,u向位移x向梯度;,u向位移y向梯度;,v向位移x向梯度;,v向位移y向梯度;得到各特征点对应的四个位移梯度之后,求得各位移梯度的算数平均值。
进一步,所述的步骤五具体为:假设单元内位移场为常应变位移场,具体表达式为:
进一步,所述的步骤六具体为:
将位移梯度平均值作为初值的位移场岭回归计算具体为:
本发明与现有技术的有益效果在于:本发明将单元内位移拟合法及单元内位移梯度平均法结合起来,提出了一种DIC中带初值的岭回归应变测量方法。本发明可以显著提高各个单元的应变检测水平,从而提高DIC整体算法的应变检测水平,在增加有限计算量的前提下具有更高的检测精度及更好的鲁棒性。
附图说明
图1为本发明数字图像相关中带初值的岭回归应变测量方法的实施例中参考图像;
图2为本发明数字图像相关中带初值的岭回归应变测量方法的实施例中真实位移及应变曲线;
图3为本发明数字图像相关中带初值的岭回归应变测量方法的实施例中真实应变云图;
图4为本发明数字图像相关中带初值的岭回归应变测量方法的实施例中网格划分结果图;
图5为本发明数字图像相关中带初值的岭回归应变测量方法的实施例中测量应变云图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚,明确,以下列举实例对本发明进一步详细说明。应当指出此处所描述的具体实施仅用以解释本发明,并不用于限定本发明。
为实现本发明的目的,本发明的方法具体步骤为:
步骤一:搭建数字图像相关测量***,获取试件变形前的参考图像及变形后的变形图像;
步骤二:将参考图像进行网格单元划分,记录每个单元及节点编号;
步骤三:将单元节点、单元边1/3、2/3点和单元中心作为单元特征点,使用像素插值得到特征点的位置坐标,使用数字图像相关方法计算所有单元特征点的位移及位移梯度;
步骤四:计算各单元内所有特征点的位移梯度平均值;
步骤五:选定单元内的位移拟合函数为一次多项式,形式如下
步骤六:根据带初值的岭回归,拟合计算得到单元位移场:
岭回归计算具体为:
步骤七:依据各单元的应变场,插值得到全场应变场。
以下列举具体的实例进行叙述本发明的方法:
模拟散斑图像由计算机高斯散斑算法生成,像素为600×2100,散斑数目为3000,生成参考图像。然后设定横向位移为函数为,v为位移,y为像素横向坐标值,横向应变函数即为;纵向位移及应变为0;生成变形图像。生成的参考图像及变形图像如图1所示。位移及应变函数如图2所示。应变云图如图3所示通过上述算法计算应变场,然后将计算结果与真实解进行对比。
具体实施步骤如下:
步骤一:对计算机产生的模拟散斑参考图像进行三角网格划分,网格划分结果及坐标系方向如图4所示;
步骤二:选取三角网格节点,各边1/3、2/3点及三角形中心作为单元特征点,记录每个单元内该10个特征点的位置坐标,使用数字图像相关方法计算该10个特征点的两个位移(x,y向位移)及4个位移梯度(,u向位移x向梯度;,u向位移y向梯度;,v向位移x向梯度;,v向位移y向梯度);
步骤四:选择一次多项式作为每个单元内的位移函数,如公式(1)表示;
通过将计算值与真实值进行均方根误差计算:
式中,n为所有单元数量。
通过计算,单元内应变测量均值均方根误差为9.97×10-4,单元内单纯位移拟合测量应变均方根误差为1.21×10-3,本文提出的带初值的岭回归测量应变均方根误差为9.91×10-4。岭回归应变测量云图如图5所示。
通过应变计算结果对比发现,带初值的岭回归应变测量方法相对其他应变测量方法精度更高,鲁棒性更强。
最后应当说明的是,以上实施方案仅用以说明本发明的实现方式而非对其限制;人们应该理解,对该发明的实施过程进行修改或者部分算法过程进行同等替换,而不会脱离本发明技术方案的精神,其均应涵盖在本发明请求保护的技术方案范围内。
Claims (6)
1.一种数字图像相关中带初值的岭回归应变测量方法,其特征在于,所述的方法如下:
步骤一、搭建数字图像相关测量***,获取试件变形前的参考图像及变形后的变形图像;
步骤二、在参考图像上布置若干点,视为有限元单元节点,依据有限元网格单元,对图像进行网格划分;
步骤三、依据数字图像相关方法,对于每个网格单元,计算单元内多个特征点的位移及位移梯度;
步骤四、计算各单元内所有特征点的四个位移梯度平均值;
步骤五、假设单元内位移场函数;
步骤六、将位移梯度平均值作为初值,对单元内位移场进行岭回归计算,根据各特征点位移拟合得到单元的位移场函数;
步骤七、对各单元的位移场函数进行求导计算,得到单元内的应变场函数;
步骤八、依据各单元的应变场,插值得到全场应变场。
2.根据权利要求1所述的一种数字图像相关中带初值的岭回归应变测量方法,其特征在于,所述的步骤二中,网格划分方法包括均匀网格划分方法以及非均匀网格划分方法;划分网格单元为三角网格、矩形网格或多边形网格。
3.根据权利要求1所述的一种数字图像相关中带初值的岭回归应变测量方法,其特征在于,所述的步骤三中,单元内多个特征点均为特定选择的点,具体包括:单元节点、单元边上的点或单元内部的点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111066063.3A CN113532308B (zh) | 2021-09-13 | 2021-09-13 | 数字图像相关中带初值的岭回归应变测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111066063.3A CN113532308B (zh) | 2021-09-13 | 2021-09-13 | 数字图像相关中带初值的岭回归应变测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113532308A true CN113532308A (zh) | 2021-10-22 |
CN113532308B CN113532308B (zh) | 2021-12-21 |
Family
ID=78093217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111066063.3A Active CN113532308B (zh) | 2021-09-13 | 2021-09-13 | 数字图像相关中带初值的岭回归应变测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113532308B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897675A (zh) * | 2022-07-14 | 2022-08-12 | 南京航空航天大学 | 一种数字图像相关中用于相关性加权的指数窗法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140037217A1 (en) * | 2012-08-03 | 2014-02-06 | Athanasios Iliopoulos | Method and system for direct strain imaging |
CN108257093A (zh) * | 2018-01-18 | 2018-07-06 | 洛阳理工学院 | 基于可控核与高斯过程回归的单帧图像超分辨方法 |
CN112489213A (zh) * | 2021-01-12 | 2021-03-12 | 江西博微新技术有限公司 | 三维地形模型生成方法、装置、电子设备及存储介质 |
CN112819962A (zh) * | 2021-02-10 | 2021-05-18 | 南京航空航天大学 | 数字图像相关中非均匀网格划分及局部网格疏密方法 |
US20210157312A1 (en) * | 2016-05-09 | 2021-05-27 | Strong Force Iot Portfolio 2016, Llc | Intelligent vibration digital twin systems and methods for industrial environments |
-
2021
- 2021-09-13 CN CN202111066063.3A patent/CN113532308B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140037217A1 (en) * | 2012-08-03 | 2014-02-06 | Athanasios Iliopoulos | Method and system for direct strain imaging |
US20210157312A1 (en) * | 2016-05-09 | 2021-05-27 | Strong Force Iot Portfolio 2016, Llc | Intelligent vibration digital twin systems and methods for industrial environments |
CN108257093A (zh) * | 2018-01-18 | 2018-07-06 | 洛阳理工学院 | 基于可控核与高斯过程回归的单帧图像超分辨方法 |
CN112489213A (zh) * | 2021-01-12 | 2021-03-12 | 江西博微新技术有限公司 | 三维地形模型生成方法、装置、电子设备及存储介质 |
CN112819962A (zh) * | 2021-02-10 | 2021-05-18 | 南京航空航天大学 | 数字图像相关中非均匀网格划分及局部网格疏密方法 |
Non-Patent Citations (1)
Title |
---|
张庆 等: "物体内部三维位移场分析的数字图像体相关法", 《国外电子测量技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897675A (zh) * | 2022-07-14 | 2022-08-12 | 南京航空航天大学 | 一种数字图像相关中用于相关性加权的指数窗法 |
CN114897675B (zh) * | 2022-07-14 | 2022-10-21 | 南京航空航天大学 | 一种数字图像相关中用于相关性加权的指数窗法 |
Also Published As
Publication number | Publication date |
---|---|
CN113532308B (zh) | 2021-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107256568B (zh) | 一种高精度机械臂手眼相机标定方法及标定*** | |
Li et al. | A stable direct solution of perspective-three-point problem | |
CN111369607B (zh) | 一种基于图片解析的预制构件拼装匹配方法 | |
CN112819962A (zh) | 数字图像相关中非均匀网格划分及局部网格疏密方法 | |
CN109766617B (zh) | 一种基于应变传感器的位移场重构方法 | |
CN104748696A (zh) | 一种大倾角机翼全场变形测量方法 | |
CN113532308B (zh) | 数字图像相关中带初值的岭回归应变测量方法 | |
CN105678757A (zh) | 一种物***移测量方法 | |
CN107576275A (zh) | 一种利用摄影测量技术对充气结构进行应变场测量的方法 | |
CN107389284A (zh) | 一种基于应变的框架结构弹性变形的测量方法 | |
CN104424380A (zh) | 机械变形测量仪的模拟 | |
CN113870366A (zh) | 基于位姿传感器的三维扫描***的标定方法及其标定*** | |
CN107504959B (zh) | 利用倾斜航空影像测量房屋墙基轮廓的方法 | |
CN114049401A (zh) | 双目相机标定方法、装置、设备及介质 | |
CN112632831A (zh) | 一种基于光纤光栅传感器的箭体结构性能识别方法 | |
CN114266776B (zh) | 一种应用复合裂纹位移场函数的数字图像相关方法 | |
CN114510677B (zh) | 基于间断有限元的中子输运方程处理方法、计算机程序产品 | |
CN109342008B (zh) | 基于单应性矩阵的风洞试验模型迎角单相机视频测量方法 | |
CN116451470A (zh) | 基于多元线性回归和动力学的机器人能耗建模方法及装置 | |
CN103177192A (zh) | 五孔探针角度特性曲线数据处理方法 | |
CN111460545A (zh) | 一种高效计算超高层结构温度应变的方法和*** | |
CN114154119B (zh) | 一种用于阵列光纤光栅形状传感器的自适应曲线重构方法 | |
CN113808029A (zh) | 一种数字图像相关中的应变光滑方法 | |
CN108917632B (zh) | 一种高效率高精度数字图像相关位移后处理方法 | |
CN111177848A (zh) | 一种基于有限元模型的应变理论值的获取方法和装置 |
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 |