- 1、本文档共12页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
期刊译文
关于一种膨胀膜的2D与3D数字图像相关技术的比较
Barbara J. Murienne *, Thao D. Nguyen
机械工程系,约翰霍普金斯大学,Baltimore, MD, USA
文章信息
文章历史:2015年3月27日收到初稿
2015年6月29日收到修改稿
2015年7月22日同意发表
2015年8月15日网上可查
摘要
三维(3D)数字图像相关技术(DIC)是越来越广泛用于描述进行三维变形结构的行为。然而,对3D-DIC的使用在某种条件下会是挑战,像高放大率下,因此,低深度的领域或者高度控制的环境会限制双角度相机的采集。本次研究的目的是关于同样膨胀实验的2D-DIC与3D-DIC的比较,以及当条件不支持使用立体视觉系统时,评估2D-DIC是否可以被使用。一种乳胶膜垂直膨胀到5.41kPa (基准压强),然后再到7.78kPa(形变压强)。一个双摄像头立体视觉系统能获取自上而下膜的图像,而一个单摄像头系统只能实时记录膜轮廓的图像。2D-DIC和3D-DIC用于计算水平(在膜平面)和垂直(出膜面)的位移,以及经向应变。在静态条件下,采用3D-DIC水平位移和应变的基线的不确定性要比采用2D-DIC更小。然而,对于垂直位移的观测却是相反的,在这方面,2D-DIC有一个更小基线不确定性。对于这两种DIC方法,垂直位移和应变的基线的绝对误差是相似的,但对于水平位移基线的绝对误差,2D-DIC方法比3D-DIC方法更大。对于这两种DIC方法,在膨胀的条件下比在静态条件下测量值的可变性更大。在位移测量时,2D-DIC比3D-DIC有一个更小的测量值可变性,特变是对于垂直位移,但是对于应变不确定相相似。在3D-DIC与2D-DIC之间的平均位移和应变的绝对差异是在3D-DIC的可变性范围之内的。这些研究表明,2D-DIC可能被用来替代3D-DIC去研究在一定条件下材料的膨胀反应。
关键词:数字图像相关技术,三维全尺寸测量,二维轮廓测量,机械测试,膨胀
介绍
数字图像相关技术(DIC)是一种用于测量机械载荷结构的二维或三维的全视野的表面位移响应的非接触式测量方法。从位移场,可以通过计算表面应变场来表征试件的局部力学行为。DIC已被用于表征正广泛使用的硅绝缘体的材料力学性能,包括生物材料[1-10]。
DIC的二维版本(2D-DIC)应用于一系列试件变形的图像,该图像是由单摄像头采集来的图像。试件的表面斑点呈现出随机分布的模式。参考图像中的参考子集(通常是第一个图像)在一个变形图像子集(随后任何的图像)中进行比较,以寻找目标子集,这个目标子集变形图像的子集,显示了与参考子集最大程度的相似。发现到目标子集的位置通常是基于互相关准则或者最小和平方差分相关准则[11]。零阶或一阶形函数通常用来描述在匹配过程中的变形图像的参考子集的位移/形变[11]。另外,可以执行相关系数的子像素插值[12、13]。这个过程返回试件表面点的新的二维位置,从这个位置进行二维位移矢量计算。对于所有变形的图像可以重复这个过程,以获得变形的整个试样表面的二维位移。采用2D-DIC的误差的主要来源是不同图像帧间模式匹配过程中的误差,它是由摄像头噪声,图像失真,照明条件,散斑图,相机传感器和试件保持怎样的平行以及匹配过程(子集大小,形状函数,子?像素插值格式,相关准则)等因素产生的[11]。
相比之下,DIC的三维版本(3D-DIC)操作一系列的由双摄像头立体视觉系统采集来的形变图像,从参考图像之间的匹配到相机图像相关的子集,和表面的三维几何都是用内在的和外在的相机参数重建和三角补偿来完成的。内部参数描述的每个镜头系统的特性,如光轴和传感器平面的交点的位置,该传感器平面的偏移,焦距和畸变系数,外部参数描述相机镜头系统的相对位置,包括距离和方向[14]。在三维表面的几何形状的变化,整个变形,然后通过每个变形图像与参考和三角测量的相关性对比。这个过程返回三维位移矢量计算的试样表面上的点的新的三维位置。这个过程返回试件表面点的新的三维位置,从这个位置进行三维位移矢量计算。3D-DIC与两个主要误差来源有关:相关误差和三维重建误差[15、16]。重建误差是成像系统校准中的误差,它主要是由摄像机定位(立体角)和校准,及目标焦距产生的[15、16]。
对2D-DIC经常使用的材料结构和变形的三维性质的限制,并以其高灵敏度的平面运动,从而产生平面显示和应变测量的明显错误[17,18]。因此,2D-DIC是变形的平面标本显示小的平面收缩和平面变形下跟踪优化,而3D-DIC推荐的非平面的试件或平面试件发生显着的旋转和平面位移。然而,一些实验条件不使用3D-DIC,如(1)高放大率,小
您可能关注的文档
- 方管圆管混合空间钢管节点承载性能的非线性分析.pdf
- 新抗规疑问解答(六).pdf
- 施工有感.doc
- 施工试验仪器自校方法.pdf
- 新标准石子筛.doc
- 施工员 2.doc
- 施管表5:施工技术交底.doc
- 新规范绪论.ppt
- 日本东北大地震灾后最新后续发展.pdf
- 旱震关系与大地震中期预报.pdf
- 数据仓库:Redshift:Redshift与BI工具集成.docx
- 数据仓库:Redshift:数据仓库原理与设计.docx
- 数据仓库:Snowflake:数据仓库成本控制与Snowflake定价策略.docx
- 大数据基础:大数据概述:大数据处理框架MapReduce.docx
- 实时计算:GoogleDataflow服务架构解析.docx
- 分布式存储系统:HDFS与MapReduce集成教程.docx
- 实时计算:Azure Stream Analytics:数据流窗口与聚合操作.docx
- 实时计算:Kafka Streams:Kafka Streams架构与原理.docx
- 实时计算:Kafka Streams:Kafka Streams连接器开发与使用.docx
- 数据仓库:BigQuery:BigQuery数据分区与索引优化.docx
文档评论(0)