CN116839495A - 基于激光散斑的形变视觉测量方法、视频引伸计及介质 - Google Patents
基于激光散斑的形变视觉测量方法、视频引伸计及介质 Download PDFInfo
- Publication number
- CN116839495A CN116839495A CN202310750623.XA CN202310750623A CN116839495A CN 116839495 A CN116839495 A CN 116839495A CN 202310750623 A CN202310750623 A CN 202310750623A CN 116839495 A CN116839495 A CN 116839495A
- Authority
- CN
- China
- Prior art keywords
- laser
- deformation
- measured material
- texture features
- determining
- 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.)
- Pending
Links
- 238000000691 measurement method Methods 0.000 title claims abstract description 24
- 239000000463 material Substances 0.000 claims abstract description 112
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000005259 measurement Methods 0.000 claims abstract description 28
- 238000006073 displacement reaction Methods 0.000 claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000003321 amplification Effects 0.000 claims abstract description 20
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 20
- 238000003860 storage Methods 0.000 claims abstract description 16
- 239000003550 marker Substances 0.000 claims description 21
- 238000010801 machine learning Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 10
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000000835 fiber Substances 0.000 claims 1
- 239000013307 optical fiber Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000005507 spraying Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请涉及光测力学技术,公开了一种基于激光散斑的形变视觉测量方法,包括:控制激光设备向被测材料发射激光,在所述被测材料表面形成均匀分布的激光散斑,以突出显现所述被测材料表面的纹理特征;控制图像采集设备采集所述被测材料在形变过程中的一系列图像;基于特征放大算法对采集到的图像中的纹理特征进行处理;从放大处理后的纹理特征中确定标志点;基于所述标志点在一系列图像中的位移,确定所述被测材料的形变数据。本申请还公开了一种形变视觉测量装置、视频引伸计和计算机可读存储介质。本申请旨在提高材料形变测量过程中标记和识别标志点的效率,并使标志点即便在高温环境中也不会脱落。
Description
技术领域
本申请涉及光测力学技术领域,尤其涉及一种基于激光散斑的形变视觉测量方法、形变视觉测量装置、视频引伸计以及计算机可读存储介质。
背景技术
随着力学性能中材料变形的检测在工业应用中越发广泛,如何准确、高效地检测材料变形也日益重要,变形检测可应用于各种材料测试和结构测试中,一方面用于保证产品质量合格,另一方面用于验证材料和结构设计的合理性。
目前传统的视频引伸计对材料形变检测有很多局限性,需要依赖人工在被测材料表面喷涂散斑制作标志点(视频引伸计需要追踪被测材料表面多个标志点的位移,以此实现材料形变测量;如公开号为CN103575227B和CN115468841A的专利文件中公开的测量方法),不仅过程繁琐、效率低下,而且很多工业生产是需要在高温环境中进行的,在高温环境中人工制作的标志点很容易脱落,这样就难以实现材料形变在高温环境中的测量。
上述内容仅用于辅助理解本申请的技术方案,并不代表承认上述内容是现有技术。
发明内容
本申请的主要目的在于提供一种基于激光散斑的形变视觉测量方法、形变视觉测量装置、视频引伸计以及计算机可读存储介质,旨在提高材料形变测量过程中标记和识别标志点的效率,并使标志点即便在高温环境中也不会脱落。
为实现上述目的,本申请提供一种基于激光散斑的形变视觉测量方法,包括以下步骤:
控制激光设备向被测材料发射激光,在所述被测材料表面形成均匀分布的激光散斑,以突出显现所述被测材料表面的纹理特征;
控制图像采集设备采集所述被测材料在形变过程中的一系列图像;
基于特征放大算法对采集到的图像中的纹理特征进行处理;
从放大处理后的纹理特征中确定标志点;
基于所述标志点在一系列图像中的位移,确定所述被测材料的形变数据。
可选的,所述基于特征放大算法对采集到的图像中的纹理特征进行处理的步骤之前,还包括:
对图像中不符合预设要求的激光散斑进行过滤处理。
可选的,所述基于所述标志点在一系列图像中的位移,确定所述被测材料的形变数据的步骤包括:
根据亚像素位移测量算法测量所述标志点在一系列图像中的位移;
根据测量得到的位移确定所述被测材料的形变数据。
可选的,所述标志点包括所述被测材料纵向方向上的至少两个标志点,以及所述被测材料横向方向上的至少两个标志点。
可选的,所述从放大处理后的纹理特征中确定标志点的步骤包括:
基于放大处理后的纹理特征,对同一纵向方向上的纹理特征进行连线,以及对同一横向方向上的纹理特征进行连线;
接收到纵向连线的选中指令时,从选中的纵向连线中确定标志点;以及,
接收到横向连线的选中指令时,从选中的横向连线中确定标志点。
可选的,所述从放大处理后的纹理特征中确定标志点的步骤包括:
将纹理特征放大处理后的图像输入预先训练的机器学习模型中,使机器学习模型根据预先训练得到的纹理特征与标志点之间的映射关系,从图像的纹理特征中标记出标志点。
为实现上述目的,本申请还提供一种形变视觉测量装置,包括:
激光控制模块,用于控制激光设备向被测材料发射激光,在所述被测材料表面形成均匀分布的激光散斑,以突出显现所述被测材料表面的纹理特征;
图像采集模块,用于控制图像采集设备采集所述被测材料在形变过程中的一系列图像;
放大处理模块,用于基于特征放大算法对采集到的图像中的纹理特征进行处理;
选择模块,用于从放大处理后的纹理特征中确定标志点;
计算模块,用于基于所述标志点在一系列图像中的位移,确定所述被测材料的形变数据。
为实现上述目的,本申请还提供一种视频引伸计,所述视频引伸计包括激光设备、图像采集设备和计算机设备,其中,所述计算机设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于激光散斑的形变视觉测量程序,所述基于激光散斑的形变视觉测量程序被所述处理器执行时实现如上述基于激光散斑的形变视觉测量方法的步骤。
可选的,所述激光设备包括激光源、激光放大器和光纤耦合***,其中,所述激光源用于发射激光,所述激光放大器用于将激光光束放大,所述光纤耦合***用于使激光散斑均匀分散。
为实现上述目的,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有基于激光散斑的形变视觉测量程序,所述基于激光散斑的形变视觉测量程序被处理器执行时实现如上述基于激光散斑的形变视觉测量方法的步骤。
本申请提供的基于激光散斑的形变视觉测量方法、形变视觉测量装置、视频引伸计以及计算机可读存储介质,通过利用激光标记出被测材料的纹理特征,并实现对采集图像中被测材料表面自然纹理的识别和测量,以此作为形变视觉测量方法中所需跟踪的被测材料的标志点,并在此基础上通过对标志点进行位移跟踪,从而得到被测材料的形变数据,这样相比于传统在被测材料表面手动喷涂标志点的方法,不仅可以提高材料形变测量过程中标记和识别标志点的效率,而且这样生成的标志点在高温环境中也不会脱落或融化,也就能避免因标志点在材料形变过程脱落需重新布置标志点而影响测量效率的情况发生。
附图说明
图1为本申请一实施例中基于激光散斑的形变视觉测量方法步骤示意图;
图2为本申请一实施例中视频引伸计与被测材料位置关系示意图;
图3为本申请一实施例中基于激光散斑的形变视觉测量方法中图像标志点示意图;
图4为本申请一实施例中形变视觉测量装置示意图;
图5为本申请一实施例的计算机设备的内部结构示意框图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制,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。
另外,若本申请中涉及“第一”、“第二”等的描述,仅用于描述目的(如用于区分相同或类似元件),而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本申请要求的保护范围之内。
参照图1,在一实施例中,所述基于激光散斑的形变视觉测量方法包括:
步骤S10、控制激光设备向被测材料发射激光,在所述被测材料表面形成均匀分布的激光散斑,以突出显现所述被测材料表面的纹理特征;
步骤S20、控制图像采集设备采集所述被测材料在形变过程中的一系列图像;
步骤S30、基于特征放大算法对采集到的图像中的纹理特征进行处理;
步骤S40、从放大处理后的纹理特征中确定标志点;
步骤S50、基于所述标志点在一系列图像中的位移,确定所述被测材料的形变数据。
本实施例中,用于对被测材料进行形变视觉测量的视频引伸计包括激光设备、图像采集设备和计算机设备,其中,激光设备和图像采集设备均与计算机设备通信连接,并受计算机设备控制;且本实施例的执行终端可以是计算机设备,或控制计算机设备的虚拟装置(如形变视觉测量装置);以下以执行终端为计算机设备为例进行说明。
可选的,参照图2,视频引伸计可部署在被测材料的形变现场中,其中,被测材料两端可设置拉力/压力装置(图中未示出),以通过拉力/压力装置对被测材料进行拉伸或压缩,使被测材料变形。当然,被测材料变形过程可采用全自动化机器人完成自动上样、装夹、拉伸/压缩等过程。
可选的,视频引伸计的激光设备包括激光源、激光放大器和光纤耦合***,其中,所述激光源用于发射激光,所述激光放大器用于将激光光束放大,所述光纤耦合***用于使激光散斑均匀分散。
可选的,在使用图像采集设备采集被测材料在形变过程中的图像之前,先控制激光设备向被测材料发射激光,其中使激光设备的激光源发射的激光经过激光放大器进行放大,形成激光面照射射出,且激光形成照射面后透过光纤耦合***,使激光散斑均匀分散呈现在被测材料的表面(即在被测材料表面形成均匀分布的激光散斑),从而突出显现被测材料表面的纹理特征(这是因为光照射在凹凸不平的表面时会形成不同的反射,从而造成明暗不一的情况,也就能凸显出凹凸不平的纹理)。
需要说明的是,这些纹理特征可以是被测材料自带的,也可以是在被测材料形变过程中产生的。
应该理解的是,这样形成的激光标记,无论是被测材料在形变过程会发生剧烈抖动,还是处于高温环境中,均不会脱落;即只要激光设备能持续在被测材料表面形成激光散斑,就能一直显现出被测材料表面的纹理特征作为激光标记。
可选的,图像采集设备由相机、镜头、滤光片和偏振片构成,负责采集被测材料在形变过程中的图像,并且图像采集设备在运行时,会按预先设定的摄像频率持续抓拍图像采集范围内的被测材料的图片,鉴于被测材料的形变处理是一个持续的过程,那么图像采集设备在一定时长内即可拍摄得到被测材料在不同时刻的多张图片,并将拍摄到的一系列图像传输至计算机设备,以待计算机设备作进一步处理。
可选的,计算机设备在得到被测材料形变过程的一系列图像后,可以基于特征放大算法对采集到的图像中的纹理特征进行处理,以逐张放大显示图像中的纹理特征,目的是为了更加突出显示出被测材料的纹理特征(即使纹理特征在图像中清晰可见)。
需要说明的是,所述特征放大算法可以采用现有的局部图像放大算法,只需将放大目标设置为被测材料的纹理特征所处图像区域即可。
可选的,基于放大处理后的纹理特征,从中确定标志点,并且确定得到的标志点包括被测材料纵向方向上的至少两个标志点(如图3所示的p1和p3点),以及包括被测材料横向方向上的至少两个标志点(如图3所示的p2和p4点)。其中,标志点可以是相关工程师根据经验人工标记的;当然,为了减少人工成本,也可以是使用预先训练的机器学习模型标记标志点。
可选的,所述基于所述标志点在一系列图像中的位移,确定所述被测材料的形变数据的步骤包括:根据亚像素位移测量算法测量所述标志点在一系列图像中的位移;根据测量得到的位移确定所述被测材料的形变数据。
其中,采用高精度、高效率的亚像素位移测量算法(或称数字相关计算算法)识别每张图像中的标志点,并随图像采集跟踪标志点对应的坐标,从而得到标志点在被测材料形变过程中的位移,其中标志点在纵向方向上的位移,即对应被测材料在纵向方向上的形变结果;标志点在横向方向上的位移,即对应被测材料在横向方向上的形变结果(具体算法过程可参照公布号为CN115143895A的专利文献公开的形变视觉测量方法、装置、设备、介质和双轴测量引伸计)。
这样不仅可以实现被测材料在标志点的标距内的形变测量,也可实现多标距内全面的形变数据处理分析;例如:
参照图3,以标志点包括p1、p2、p3和p4点为例,将p1和p3点之间的距离记为纵向距离L,那么根据原始纵向距离L0和纵向距离变化量L1,即可计算被测材料的纵向应力:ε1= L1/L0。
将p2和p4点之间的距离记为横向距离D,那么根据原始横向距离D0和横向距离变化量D1,即可计算被测材料的横向应力:ε2= D1/ D0。
而根据纵向应力ε1和横向应力ε2即可计算被测材料的泊松比:μ=-ε1/ε2。
在一实施例中,通过利用激光标记出被测材料的纹理特征,并实现对采集图像中被测材料表面自然纹理的识别和测量,以此作为形变视觉测量方法中所需跟踪的被测材料的标志点,并在此基础上通过对标志点进行位移跟踪,从而得到被测材料的形变数据,这样相比于传统在被测材料表面手动喷涂标志点的方法,不仅可以提高材料形变测量过程中标记和识别标志点的效率,而且这样生成的标志点在高温环境中也不会脱落或融化,也就能避免因标志点在材料形变过程脱落需重新布置标志点而影响测量效率的情况发生(甚至避免需要重新测量的情况发生)。
而且,本实施例提供的方法除了适用于被测材料需放到高温炉里加热测量的场景(特别是长期的高温测量场景)之外,还适用于需要采用全自动化机器人对被测材料完成自动上样、装夹、拉伸/压缩的形变过程的场景,因为这种场景往往缺少时间空隙供人工在被测材料上喷涂标志点,且若只为方便人工喷涂标志点而暂停全自动化机器人作业,也会影响到材料形变测量过程的效率,而采用本实施例提供的方法就无需人工喷涂标志点,保证全自动化机器人作业流程的连贯性,也就能使材料形变测量过程的效率得到保证。
在一实施例中,在上述实施例基础上,所述基于特征放大算法对采集到的图像中的纹理特征进行处理的步骤之前,还包括:
对图像中不符合预设要求的激光散斑进行过滤处理。
本实施例中,计算机设备控制图像采集设备采集所述被测材料在形变过程中的一系列图像之后,可以先基于预设的激光散斑过滤算法对每张图像中不符合预设要求的激光散斑进行过滤处理(这样可以隐藏不符合预设要求的激光散斑所显现的纹理特征),然后再基于特征放大算法对图像中的纹理特征进行放大处理。
可选的,可以将灰度值大于第一阈值、小于第二阈值的激光散斑,定义为符合预设要求的激光散斑,其中,第一阈值小于第二阈值,且第一阈值用于衡量激光散斑是否过暗、第二阈值用于衡量激光散斑是否过亮,因此第一阈值、第二阈值的具体取值可根据实际情况需要设置。相应地,激光散斑过滤算法即可用于过滤灰度值小于或等于第一阈值,或者灰度值大于或等于第二阈值的激光散斑。
或者,激光散斑过滤算法也可以是使用隔行筛选(可将图像划分为多行)或点阵图的方式选择局部图像中的激光散斑进行过滤处理,而保留剩余部分的激光散斑,以将采集图像处理为黑白相间的激光散斑图像(即白色部分对应的激光散斑即是过滤后保留下来的,黑色部分对应的激光散斑是被过滤掉的),从而避免图像中出现白一片、黑一片的激光散斑,影响后续识别纹理特征的准确度。相应地,此时校验图像中的激光散斑是否满足预设条件的方式,即改为校验图像中是否有大面积的白色区域或黑色区域(且若有大面积的白色区域或黑色区域则不满足预设条件,否则则满足预设条件),其中若超出预设面积阈值,则判定属于大面积;预设面积阈值的具体值可根据实际情况需要设置,如设置为图像总面积的10%~30%。
在一实施例中,在上述实施例基础上,所述从放大处理后的纹理特征中确定标志点的步骤包括:
基于放大处理后的纹理特征,对同一纵向方向上的纹理特征进行连线,以及对同一横向方向上的纹理特征进行连线;
接收到纵向连线的选中指令时,从选中的纵向连线中确定标志点;以及,
接收到横向连线的选中指令时,从选中的横向连线中确定标志点。
本实施例中,若标志点需要人工标记,则计算机设备可基于每幅图像中放大后的纹理特征,对图像中同一纵向方向上的纹理特征进行连线,以及对同一横向方向上的纹理特征进行连线,然后计算机设备在操作界面输出连接结果,以便于相关工程师标记标志点。
此时相关工程师只需在计算机设备提供的操作界面中选中任一条纵向连线,则计算机设备即判定接收到纵向连线的选中指令,并为选中的纵向连线上的所有纹理特征对应生成标志点;同时,若相关工程师在计算机设备提供的操作界面中选中任一条横向连线,则计算机设备即判定接收到横向连线的选中指令,并为选中的横向连线上的所有纹理特征对应生成标志点。
这样,即可辅助工程师快速标记标志点。
在一实施例中,在上述实施例的基础上,所述从放大处理后的纹理特征中确定标志点的步骤包括:
将纹理特征放大处理后的图像输入预先训练的机器学习模型中,使机器学习模型根据预先训练得到的纹理特征与标志点之间的映射关系,从图像的纹理特征中标记出标志点。
本实施例中,计算机设备可部署有预先训练完成的机器学习模型,该机器学习模块使用的训练样本为带有纹理特征的材料形变图像,并且图像中符合用于计算材料形变数据的要求的纹理特征,均标注有相应的标志点。当机器学习模型预先使用数量足够多的训练样本,经过多次迭代训练后,即可学习得到图像中纹理特征与标志点之间的映射关系。
因此当将将纹理特征放大处理后的图像输入预先训练完成的机器学习模型中后,机器学习模型即可根据预先训练得到的纹理特征与标志点之间的映射关系,从图像的纹理特征中自动标记出标志点,从而节省了人工标记标志点的成本,并且使得整个基于激光散斑的形变视觉测量方法的执行流程也无需人为干预,可以全自动化执行完成,极大提高了测量材料形变数据的效率。
参照图4,本申请实施例中还提供一种形变视觉测量装置Z10,包括:
激光控制模块Z11,用于控制激光设备向被测材料发射激光,在所述被测材料表面形成均匀分布的激光散斑,以突出显现所述被测材料表面的纹理特征;
图像采集模块Z12,用于控制图像采集设备采集所述被测材料在形变过程中的一系列图像;
放大处理模块Z13,用于基于特征放大算法对采集到的图像中的纹理特征进行处理;
选择模块Z14,用于从放大处理后的纹理特征中确定标志点;
计算模块Z15,用于基于所述标志点在一系列图像中的位移,确定所述被测材料的形变数据。
可选的,所述形变视觉测量装置可以是一种虚拟控制装置(如虚拟机)。
本申请实施例中还提供一种视频引伸计,该视频引伸计包括激光设备、图像采集设备和计算机设备,其中,该计算机设备内部结构可以如图5所示。该计算机设备包括通过***总线连接的处理器、存储器、通信接口和数据库。其中,该处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于激光散斑的形变视觉测量程序。该计算机设备的通信接口用于与外部的终端进行数据通信。该计算机设备的输入装置用于接收外部设备输入的信号。该计算机程序被处理器执行时以实现一种如以上实施例所述的基于激光散斑的形变视觉测量方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定。
可选的,所述激光设备包括激光源、激光放大器和光纤耦合***,其中,所述激光源用于发射激光,所述激光放大器用于将激光光束放大,所述光纤耦合***用于使激光散斑均匀分散。
此外,本申请还提出一种计算机可读存储介质,所述计算机可读存储介质包括基于激光散斑的形变视觉测量程序,所述基于激光散斑的形变视觉测量程序被处理器执行时实现如以上实施例所述的基于激光散斑的形变视觉测量方法的步骤。可以理解的是,本实施例中的计算机可读存储介质可以是易失性可读存储介质,也可以为非易失性可读存储介质。
综上所述,为本申请实施例中提供的基于激光散斑的形变视觉测量方法、形变视觉测量装置、视频引伸计和计算机可读存储介质,通过利用激光标记出被测材料的纹理特征,并实现对采集图像中被测材料表面自然纹理的识别和测量,以此作为形变视觉测量方法中所需跟踪的被测材料的标志点,并在此基础上通过对标志点进行位移跟踪,从而得到被测材料的形变数据,这样相比于传统在被测材料表面手动喷涂标志点的方法,不仅可以提高材料形变测量过程中标记和识别标志点的效率,而且这样生成的标志点在高温环境中也不会脱落或融化,也就能避免因标志点在材料形变过程脱落需重新布置标志点而影响测量效率的情况发生。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM通过多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其它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、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种基于激光散斑的形变视觉测量方法,其特征在于,包括:
控制激光设备向被测材料发射激光,在所述被测材料表面形成均匀分布的激光散斑,以突出显现所述被测材料表面的纹理特征;
控制图像采集设备采集所述被测材料在形变过程中的一系列图像;
基于特征放大算法对采集到的图像中的纹理特征进行处理;
从放大处理后的纹理特征中确定标志点;
基于所述标志点在一系列图像中的位移,确定所述被测材料的形变数据。
2.根据权利要求1所述的基于激光散斑的形变视觉测量方法,其特征在于,所述基于特征放大算法对采集到的图像中的纹理特征进行处理的步骤之前,还包括:
对图像中不符合预设要求的激光散斑进行过滤处理。
3.根据权利要求1所述的基于激光散斑的形变视觉测量方法,其特征在于,所述基于所述标志点在一系列图像中的位移,确定所述被测材料的形变数据的步骤包括:
根据亚像素位移测量算法测量所述标志点在一系列图像中的位移;
根据测量得到的位移确定所述被测材料的形变数据。
4.根据权利要求1所述的基于激光散斑的形变视觉测量方法,其特征在于,所述标志点包括所述被测材料纵向方向上的至少两个标志点,以及所述被测材料横向方向上的至少两个标志点。
5.根据权利要求4所述的基于激光散斑的形变视觉测量方法,其特征在于,所述从放大处理后的纹理特征中确定标志点的步骤包括:
基于放大处理后的纹理特征,对同一纵向方向上的纹理特征进行连线,以及对同一横向方向上的纹理特征进行连线;
接收到纵向连线的选中指令时,从选中的纵向连线中确定标志点;以及,
接收到横向连线的选中指令时,从选中的横向连线中确定标志点。
6.根据权利要求4所述的基于激光散斑的形变视觉测量方法,其特征在于,所述从放大处理后的纹理特征中确定标志点的步骤包括:
将纹理特征放大处理后的图像输入预先训练的机器学习模型中,使机器学习模型根据预先训练得到的纹理特征与标志点之间的映射关系,从图像的纹理特征中标记出标志点。
7.一种形变视觉测量装置,其特征在于,包括:
激光控制模块,用于控制激光设备向被测材料发射激光,在所述被测材料表面形成均匀分布的激光散斑,以突出显现所述被测材料表面的纹理特征;
图像采集模块,用于控制图像采集设备采集所述被测材料在形变过程中的一系列图像;
放大处理模块,用于基于特征放大算法对采集到的图像中的纹理特征进行处理;
选择模块,用于从放大处理后的纹理特征中确定标志点;
计算模块,用于基于所述标志点在一系列图像中的位移,确定所述被测材料的形变数据。
8.一种视频引伸计,其特征在于,所述视频引伸计包括激光设备、图像采集设备和计算机设备,其中,所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于激光散斑的形变视觉测量程序,所述基于激光散斑的形变视觉测量程序被所述处理器执行时实现如权利要求1至6中任一项所述的基于激光散斑的形变视觉测量方法的步骤。
9.根据权利要求8所述的视频引伸计,其特征在于,所述激光设备包括激光源、激光放大器和光纤耦合***,其中,所述激光源用于发射激光,所述激光放大器用于将激光光束放大,所述光纤耦合***用于使激光散斑均匀分散。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有基于激光散斑的形变视觉测量程序,所述基于激光散斑的形变视觉测量程序被处理器执行时实现如权利要求1至6中任一项所述的基于激光散斑的形变视觉测量方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310750623.XA CN116839495A (zh) | 2023-06-25 | 2023-06-25 | 基于激光散斑的形变视觉测量方法、视频引伸计及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310750623.XA CN116839495A (zh) | 2023-06-25 | 2023-06-25 | 基于激光散斑的形变视觉测量方法、视频引伸计及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116839495A true CN116839495A (zh) | 2023-10-03 |
Family
ID=88173634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310750623.XA Pending CN116839495A (zh) | 2023-06-25 | 2023-06-25 | 基于激光散斑的形变视觉测量方法、视频引伸计及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116839495A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117091953A (zh) * | 2023-10-19 | 2023-11-21 | 深圳市海塞姆科技有限公司 | 试样形变的自动测量方法、计算机设备、***及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101782530A (zh) * | 2010-01-29 | 2010-07-21 | 天津大学 | 薄膜表面微观缺陷扩展的光学检测方法及实施装置 |
CN103575227A (zh) * | 2013-09-23 | 2014-02-12 | 西安新拓三维光测科技有限公司 | 一种基于数字散斑的视觉引伸计实现方法 |
CN106197290A (zh) * | 2016-08-24 | 2016-12-07 | 北京振兴计量测试研究所 | 基于结构光和数字散斑测量高温物***移和形变的装置 |
CN112197713A (zh) * | 2020-12-08 | 2021-01-08 | 中国空气动力研究与发展中心低速空气动力研究所 | 直升机旋翼桨叶变形及表面压力同步测量装置及方法 |
CN113628136A (zh) * | 2021-07-29 | 2021-11-09 | 北京科技大学 | 一种高动态范围激光散斑数字图像相关变形测量方法 |
CN115143895A (zh) * | 2022-06-21 | 2022-10-04 | 深圳市海塞姆科技有限公司 | 形变视觉测量方法、装置、设备、介质和双轴测量引伸计 |
CN115468841A (zh) * | 2014-07-28 | 2022-12-13 | 伊利诺斯工具制品有限公司 | 实时视频引伸计 |
-
2023
- 2023-06-25 CN CN202310750623.XA patent/CN116839495A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101782530A (zh) * | 2010-01-29 | 2010-07-21 | 天津大学 | 薄膜表面微观缺陷扩展的光学检测方法及实施装置 |
CN103575227A (zh) * | 2013-09-23 | 2014-02-12 | 西安新拓三维光测科技有限公司 | 一种基于数字散斑的视觉引伸计实现方法 |
CN115468841A (zh) * | 2014-07-28 | 2022-12-13 | 伊利诺斯工具制品有限公司 | 实时视频引伸计 |
CN106197290A (zh) * | 2016-08-24 | 2016-12-07 | 北京振兴计量测试研究所 | 基于结构光和数字散斑测量高温物***移和形变的装置 |
CN112197713A (zh) * | 2020-12-08 | 2021-01-08 | 中国空气动力研究与发展中心低速空气动力研究所 | 直升机旋翼桨叶变形及表面压力同步测量装置及方法 |
CN113628136A (zh) * | 2021-07-29 | 2021-11-09 | 北京科技大学 | 一种高动态范围激光散斑数字图像相关变形测量方法 |
CN115143895A (zh) * | 2022-06-21 | 2022-10-04 | 深圳市海塞姆科技有限公司 | 形变视觉测量方法、装置、设备、介质和双轴测量引伸计 |
Non-Patent Citations (2)
Title |
---|
宋金连: "基于激光散斑数字图像相关的超高温变形测量方法研究", 中国博士学位论文全文数据库基础科学辑, no. 06, 15 June 2020 (2020-06-15), pages 1 - 129 * |
杨仁树 等: "《***光测实验技术》", 31 March 2021, 冶金工业出版社, pages: 34 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117091953A (zh) * | 2023-10-19 | 2023-11-21 | 深圳市海塞姆科技有限公司 | 试样形变的自动测量方法、计算机设备、***及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109696356B (zh) | 一种土工合成材料拉伸试样全域应变场测量装置及方法 | |
US5631465A (en) | Method of interpreting thermographic data for non-destructive evaluation | |
EP1190211B1 (de) | Verfahren zur optischen formerfassung von gegenständen | |
KR100323955B1 (ko) | 구부림각도검출장치및그것에사용하는직선추출장치및구부림각도검출위치설정장치 | |
KR100805486B1 (ko) | 디스플레이의 다각도 계측 시스템 및 방법 | |
CN116839495A (zh) | 基于激光散斑的形变视觉测量方法、视频引伸计及介质 | |
CN1880950A (zh) | 红外照相机 | |
JPS63298101A (ja) | 物品の直線的特徴の位置の非接触決定法及び装置 | |
DE102014106482A1 (de) | Automatisierte boroskopische Messung beim Sondenpräzisionstest | |
DE102017215334A1 (de) | Verfahren, Computerprogrammprodukt und Messsystem zum Betrieb mindestens eines Triangulations-Laserscanners zur Identifizierung von Oberflächeneigenschaften eines zu vermessenden Werkstücks | |
CN115143895A (zh) | 形变视觉测量方法、装置、设备、介质和双轴测量引伸计 | |
JP2019056679A (ja) | 表面評価方法、表面評価装置及び評価モデル記憶装置 | |
JP5957250B2 (ja) | クラック検出方法、クラック表示装置 | |
CN100498409C (zh) | 测量机的自动焦点机构 | |
DE102010007449B4 (de) | Anordnung und Verfahren zur Bewertung eines Prüfobjektes mittels aktiver Thermographie | |
CN116193240B (zh) | 一种电子设备状态评估方法及*** | |
CN116797648A (zh) | 材料变形过程的宽度测量方法、装置、设备、***及介质 | |
JP2007232684A (ja) | 計測装置および計測方法並びに計測プログラム | |
DE102017106764A1 (de) | Prüfvorrichtung, speichermedium und programm | |
CN113706508B (zh) | 光束质量分析方法、设备、光束分析***及存储介质 | |
JP2014109447A (ja) | 欠陥検査装置 | |
JP2003065959A (ja) | 非破壊検査装置 | |
CN116839496A (zh) | 材料水中形变的测量方法、装置、***及存储介质 | |
CN116989691B (zh) | 材料应变的视觉测量方法、装置、视觉应变仪及存储介质 | |
CN107860933B (zh) | 基于数字图像的纺织品中纤维含量的自动检测方法和装置 |
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 |