【知识分享】DIC(数字图像相关)实验—高质量散斑制作DIC测试

本文主要是介绍【知识分享】DIC(数字图像相关)实验—高质量散斑制作DIC测试,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

数字图像相关DIC与任何测量过程中一样,测试相关的误差可能会影响数字图像相关的测量。

实际上,每次测试都需要估计测量数据质量,只有控制好与测试和后处理相关的误差来源,才能使位移测量更加可靠。

在使用数字图像相关进行测试,原则上来讲,只要能够获得数字化的图像信息,即可对图像进行分析处理,得到位移场、应变场等数据结果。

图片

那么,如何能够获取好的图像数据呢?这些测试又需要什么样的试验条件来支撑呢?结合对所参与的试验的认知,本篇文章从散斑制作这个方面来做介绍。

DIC技术也被称数字散斑技术,由此可见散斑对于一个高标准的DIC试验的重要性。这里就存在一个问题,是不是所有的试样都必须制备散斑?一个高标准的散斑场又该怎么来制备?

第一个问题,一般的试件是都需要制作散斑的。

散斑分为两种类型:自然散斑和人工散斑。在某些特殊情况下,试件本身就具备非常明显的明暗对比特征,像石材、木材等,可以尝试选择不去制作散斑,利用其天然的特征替代散斑。

图片

第二个问题,如何制作高质量的散斑。

对于这个问题分两个方向来说明。常规尺度而言,现在制作散斑的方法方式有很多,最常见的有喷漆,模具镂空去喷涂,也可以制作转印贴贴到试件表面。

新拓三维为用户提供一套散斑制作的工具,该工具可用于常规尺寸试件制作散斑,对于过大或者小尺度试验,散斑工具有局限性。

另外可以通过软件系统提供的散斑生成工具,输入试件尺寸以及相机参数,系统会自动生成标准散斑图样,这样再去打印或者镂空,出来的散斑图案就是完全合乎标准的。

对于微小尺寸散斑制作而言,可采用化学沉积、喷金等方法制作散斑,但还取决于操作者的经验,有不确定性,这也是做散斑最难的一个领域。不管哪一种的散斑制作方法,制作的散斑都以不破坏材料本身的性能为前提。

● 如何制作高质量散斑图案

使用新拓三维XTDIC三维全场应变测量系统进行测量前,首先要保证被测物必须有能在相机图像里清晰且可辨认的图案。

● 散斑喷涂制作

在DIC(数字图像相关)实验测量之前,需要对试件表面进行喷斑处理,获得高对比度的随机灰度分布图像。

图片

散斑制作图例

散斑质量的好坏对测量结果影响很大,因此在散斑在制备的过程中需要满足以下几点:

  • 具有随机的光斑分布,高对比度的暗斑和光斑;

  • 相关灰度直方图应以白、黑的等效分布展开;

  • 散斑应该比较薄,能够顺应试样的变形而不改变试样的变形行为;散斑的粘附性应该比较好,能够在实验过程中不脱落;散斑应该有较好的延展性,能够随试样一起变形,尤其是大变形实验;

  • 试件表面哑光处理,避免反光现象;斑表面无较大的持续强光区域,例如大的斑点;

  • 试件表面尽量保证为平面,易于识别与三维重建;

  • 试件表面的特征应足够精细,以获得良好的计算面片;同时表面应该足够大使相机能够完全分辨出来。

图片

a.不合格的低对比度散斑   b.干扰点过大散斑   c.较好的高对比度散斑

● 喷斑步骤

1、清洁被测物表面,使其没有油污等附着;

2、使用前喷漆摇匀,避免喷漆过程中出现卡块现象;

3、均匀喷涂白色哑光漆或者比较暗淡的基料层。通过白色亚光漆给被测物打底,以便于保证图案对比度高;

4、其次随机喷涂黑色哑光漆;

5、喷漆完成之后静置 3 分钟使散斑风干。

● 散斑质量评估

相机分辨率、测量幅面不同时,需要制备的散斑尺寸也不同。最优的散斑尺寸是

3-5pixel,适用于亮(黑底白色)或暗(白底黑色)散斑。

⼩于3pixel 的散斑有引起⾛样并增加 DIC 误差的风险,该误差在低信噪⽐且位移很⼩时更显著。在压缩试验中,⼩于推荐尺⼨范围的散斑(即 3pixel)可能因为压缩和间距变⼩⽽⾛样。尺⼨较⼤(即⼤于 5pixel)的散斑需要更⼤的子区,这会导致位移和应变空间分辨率的降低,但不会对结果造成负⾯影响(即不增加噪声)。

散斑的物理尺⼨是由视场跟图像分辨率决定的。⽐如,如果视场为200mm,分辨率为4096 pixel,,其物理尺⼨为 200mm/4096pixel*5pixel = 0.24mm。

注意,对于给定的 DIC 测量,散斑物理尺⼨取决于FOV和图像分辨率。对于给定的 FOV和镜头,与⾼分辨率(如 1200 万像素)相机相⽐,低分辨率(如100万像素)相机需要更⼤的散斑⼤⼩和间距。

散斑的粗细需要与被测物体的大小相匹配,较小的被测物体需要较细的散斑,较大的被测物需要较大的散斑。

图片

小幅面散斑-要求散斑细密

图片

大幅面散斑-要求散斑图案大一些

新拓三维XTDIC三维全场应变测量系统自带散斑评估系统,通过评估所制作散斑的对⽐度、图像梯度来判定散斑质量的好坏,并且以此给出推荐子集大小,更有利于使用 DIC软件选择散斑域。

图片

质量评估、子集推荐结果

对比度:图像中散斑密度应该大致为 50%(即在 ROI 的任意⼦区内亮(⽩⾊)和暗

(⿊⾊)像素所占的面积应大致相同;

颗粒度:亮(白色)像素过渡到暗(⿊⾊)像素之间最佳为 3-6Pixel;

散斑尺寸:该散斑域推荐子集大小,可应用到 DIC 软件步长参数;

匹配精度:当前散斑域的匹配误差精度,单位 mm。

● 制斑工具

针对不同的实验需求及实验工况,新拓三维推出了系列化制斑工具:如常规自喷漆、马克笔、墨水、漏板、印章、滚轮、贴纸、碳粉等。通过制备最优的散斑图案,确保得到最佳的实验效果。

图片

这篇关于【知识分享】DIC(数字图像相关)实验—高质量散斑制作DIC测试的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/358505

相关文章

SpringBoot请求参数接收控制指南分享

《SpringBoot请求参数接收控制指南分享》:本文主要介绍SpringBoot请求参数接收控制指南,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Spring Boot 请求参数接收控制指南1. 概述2. 有注解时参数接收方式对比3. 无注解时接收参数默认位置

Python的time模块一些常用功能(各种与时间相关的函数)

《Python的time模块一些常用功能(各种与时间相关的函数)》Python的time模块提供了各种与时间相关的函数,包括获取当前时间、处理时间间隔、执行时间测量等,:本文主要介绍Python的... 目录1. 获取当前时间2. 时间格式化3. 延时执行4. 时间戳运算5. 计算代码执行时间6. 转换为指

一文详解Java异常处理你都了解哪些知识

《一文详解Java异常处理你都了解哪些知识》:本文主要介绍Java异常处理的相关资料,包括异常的分类、捕获和处理异常的语法、常见的异常类型以及自定义异常的实现,文中通过代码介绍的非常详细,需要的朋... 目录前言一、什么是异常二、异常的分类2.1 受检异常2.2 非受检异常三、异常处理的语法3.1 try-

使用Node.js制作图片上传服务的详细教程

《使用Node.js制作图片上传服务的详细教程》在现代Web应用开发中,图片上传是一项常见且重要的功能,借助Node.js强大的生态系统,我们可以轻松搭建高效的图片上传服务,本文将深入探讨如何使用No... 目录准备工作搭建 Express 服务器配置 multer 进行图片上传处理图片上传请求完整代码示例

Python通过模块化开发优化代码的技巧分享

《Python通过模块化开发优化代码的技巧分享》模块化开发就是把代码拆成一个个“零件”,该封装封装,该拆分拆分,下面小编就来和大家简单聊聊python如何用模块化开发进行代码优化吧... 目录什么是模块化开发如何拆分代码改进版:拆分成模块让模块更强大:使用 __init__.py你一定会遇到的问题模www.

JavaScript Array.from及其相关用法详解(示例演示)

《JavaScriptArray.from及其相关用法详解(示例演示)》Array.from方法是ES6引入的一个静态方法,用于从类数组对象或可迭代对象创建一个新的数组实例,本文将详细介绍Array... 目录一、Array.from 方法概述1. 方法介绍2. 示例演示二、结合实际场景的使用1. 初始化二

Python解析器安装指南分享(Mac/Windows/Linux)

《Python解析器安装指南分享(Mac/Windows/Linux)》:本文主要介绍Python解析器安装指南(Mac/Windows/Linux),具有很好的参考价值,希望对大家有所帮助,如有... 目NMNkN录1js. 安装包下载1.1 python 下载官网2.核心安装方式3. MACOS 系统安

国内环境搭建私有知识问答库踩坑记录(ollama+deepseek+ragflow)

《国内环境搭建私有知识问答库踩坑记录(ollama+deepseek+ragflow)》本文给大家利用deepseek模型搭建私有知识问答库的详细步骤和遇到的问题及解决办法,感兴趣的朋友一起看看吧... 目录1. 第1步大家在安装完ollama后,需要到系统环境变量中添加两个变量2. 第3步 “在cmd中

Java嵌套for循环优化方案分享

《Java嵌套for循环优化方案分享》介绍了Java中嵌套for循环的优化方法,包括减少循环次数、合并循环、使用更高效的数据结构、并行处理、预处理和缓存、算法优化、尽量减少对象创建以及本地变量优化,通... 目录Java 嵌套 for 循环优化方案1. 减少循环次数2. 合并循环3. 使用更高效的数据结构4

Python中常用的四种取整方式分享

《Python中常用的四种取整方式分享》在数据处理和数值计算中,取整操作是非常常见的需求,Python提供了多种取整方式,本文为大家整理了四种常用的方法,希望对大家有所帮助... 目录引言向零取整(Truncate)向下取整(Floor)向上取整(Ceil)四舍五入(Round)四种取整方式的对比综合示例应