一种立体视觉结构三维变形全场测量方法与流程

本发明涉及立体视觉结构三维变形全场测量方法。

背景技术：

在整个三维变形场测量过程中，需要以测区未变形时刻的三维坐标为参照系，所以初始时刻左右图像的立体匹配是整个测量过程的第一步。由于要求解测区多点的三维坐标，因此采用全局搜索方法会加大计算量。针对该问题，许多学者提出了相应的解决方法。helm等提出了逆向投影的方法进行搜索匹配，但该方法模型复杂，实现起来比较繁琐。陈华采用外极线约束与子区灰度相关相结合的方式进行匹配，但需要求解基础矩阵，与相机内外参数有关，因此，相机内外参数的偏差会引起匹配误差。

经过初始时刻测区立体匹配后，测区中所有网格节点的三维坐标便确定下来。为确定变形过程中任意时刻的左右图像序列中的匹配点，需要对所有测点进行时序匹配。常用的方法为：通过相关函数计算出图1所示虚拟网格测点1的位移模式参数，以此为基础，在网格横纵两个方向以扫描方式进行位移传递，求得所有网格测点的位移模式，将其作为初值采用n-r方法进行迭代，得到匹配点，但该方法会因某一点匹配失败而影响相邻点的初始值获取。为解决该问题，叶南提出了区域生长初始匹配方法，利用设定的步长向周围4个方向或8个方向进行搜索，但该方法需要经过反复的入栈与出栈操作，过程复杂。

但某些情况下，为了解构件的受力性能或材料的特性，有必要进行更为详细的位移场测量。常用的位移场求解方法为：在选定的位移模式基础上采用n-r，最小二乘方法迭代求解。其中，n-r计算量大，耗时长，精度低，鲁棒性差，需要计算hessian矩阵，并且需要通过插值的方式获得亚像素位置灰度值与灰度梯度；最小二乘方法较n-r相对简单，且计算精度也较高，但计算初值选取不当会导致结果产生较大误差。

技术实现要素：

本发明的目的是为了解决现有n-r方法计算量大，耗时长，精度低，鲁棒性差，以及最小二乘方法计算初值选取不当会导致结果产生较大误差的问题，而提出一种立体视觉结构三维变形全场测量方法。

一种立体视觉结构三维变形全场测量方法具体过程为：

步骤一、采集土木实验试件(钢筋混凝土梁、钢筋混凝土柱)图像，采用实心圆靶标三步法对图像进行标定，初始测区的立体匹配，得到所有网格节点初始三维坐标；

步骤二、对步骤一得到的所有网格节点进行分块匹配，通过相关函数阈值判断匹配是否失效，如果分块匹配出现误匹配，执行步骤三；如果分块匹配正确，得到匹配后网格节点的坐标；

步骤三、对步骤二得到的出现误匹配的节点进行大变形下图像匹配，得到匹配后网格节点的坐标；

步骤四、构造形函数，利用形函数对步骤二和步骤三得到的匹配后网格节点进行拟合，得到位移场；

步骤五、采用格林应变张量对步骤四得到的位移场进行计算得到应变场，将位移场和应变场输出。

本发明的有益效果为：

本发明针对多点测量过程中计算耗时长的问题，提出了分块匹配算法。为了克服大变形下误匹配问题,在分段位移传递法的基础上，引入相关函数阈值。为了提高结构位移场计算的精度和鲁棒性，借鉴成熟的有限元思想，进行位移场的建立。最终提供一种立体视觉结构三维变形全场测量方法，降低了计算量，缩短耗时，提高了精度和鲁棒性以及不会出现初值选取不当导致结果产生较大误差的问题。

本发明提供一种立体视觉结构三维变形全场测量方法及软件，包括：首先在初始时刻左右图像中，通过选点和设定步长在测量区域形成虚拟网格，根据数字图像相关方法对所有网格节点进行立体匹配，求解测区内所有网格节点初始三维坐标。然后将左、右测量区域分为9个区格，根据网格节点所在区格的位置进行局部搜索，对所有测点进行时序匹配。对于大变形的匹配问题，通过相关系数阈值判断匹配是否失效，进而对参考图像进行更新。时序匹配完成后求得离散点三维位移，通过滑动平均方法对位移做平滑处理并采用拉格朗日插值多项式构造形函数求解位移场，将得到的位移场带入格林应变张量完成应变场的求解。使用matlab编译立体视觉结构三维变形全场测量软件。立体视觉结构三维变形全场测量软件可完成结构三维位移场、应变场计算与结果的可视化输出。

通过拉伸试件位移测量试验可以发现使用立体视觉方法测得的位移与引伸计测的数据吻合较好，立体视觉方法测量误差均值小于0.04mm：表明该方法具有较高的测量精度；通过对拉伸试件应变测量试验中试件在拉伸过程中，由于应变片量程仅为20000με，因此仅测到了较短加载时间内的应变数据，而立体视觉方法却完成了整个加载过程的应变测量任务，所测应变数据接近87000με，体现了本发明用于全过程应变测量的优势。

附图说明

图1为生成的网格图；

图2为测量区域与虚拟网格图；

图3为网格区域分块；

图4为大变形下匹配搜索示意图；

图5为16节点单元示意图；

图6为立体视觉结构三维变形全场测量算法流程图；

图7为标定模式示意图；

图8为计算分析模式示意图；

图9为结果输出模式示意图；

图10为试件位移场测量区域；

图11为t＝20s试件拉伸横向位移场；

图12试件应变场测量区域；

图13为t＝100s试件拉伸方向应变场。

具体实施方式

具体实施方式一：本实施方式的一种立体视觉结构三维变形全场测量方法具体过程为：

本发明提供一种立体视觉结构三维变形全场测量方法及软件，包括：首先选取初始时刻左右图像作为初始时刻参考图像，通过选点和设定步长在初始时刻参考图像中生成测量区域并形成虚拟网格，根据数字图像相关方法对所有网格节点进行立体匹配，求解测区内所有网格节点初始三维坐标。然后将左、右测量区域分为9个区格，根据网格节点所在区格的位置进行局部搜索，对所有测点进行时序匹配。对于大变形的匹配问题，通过相关系数阈值判断匹配是否失效，进而对参考图像进行更新。时序匹配完成后求得离散点三维位移，通过滑动平均方法对位移做平滑处理并采用拉格朗日插值多项式构造形函数求解位移场，将得到的位移场带入格林应变张量完成应变场的求解。使用matlab编译立体视觉结构三维变形全场测量软件。立体视觉结构三维变形全场测量软件可完成结构三维位移场、应变场计算与结果的可视化输出。包括以下步骤：

步骤一、采集土木实验试件(如钢筋混凝土梁、钢筋混凝土柱)图像，采用实心圆靶标三步法对图像进行标定，初始测区的立体匹配，得到所有网格节点初始三维坐标；

步骤二、对步骤一得到的所有网格节点进行分块匹配，通过相关函数阈值判断匹配是否失效，如果分块匹配出现误匹配，执行步骤三；如果分块匹配正确，得到匹配后网格节点的坐标；

步骤三、对步骤二得到的出现误匹配的节点进行大变形下图像匹配，得到匹配后网格节点的坐标；

通过自己设定相关函数的阈值，进行时序匹配时，任意时刻的左/右图像与左/右参考图像计算所得到的相关系数与设计的相关函数阈值比较，认为大于相关函数阈值的为小变形，小于相关函数阈值的为大变形；

步骤四、构造形函数，利用形函数对步骤二和步骤三得到的匹配后网格节点进行拟合，得到位移场；

步骤五、采用格林应变张量对步骤四得到的位移场进行计算得到应变场，将位移场和应变场输出。

具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤一中采集土木实验试件(如钢筋混凝土梁、钢筋混凝土柱)图像，采用实心圆靶标三步法对图像进行标定，初始测区的立体匹配，得到所有网格节点初始三维坐标；具体过程为：

在整个三维变形场测量过程中，需要以测区未变形时刻的三维坐标为参照系，所以初始时刻左右图像的立体匹配是整个测量过程的第一步。考虑到初始时刻测区各点的连续性，本发明通过限定立体匹配搜索区域，进行局部搜索，具体操作过程如下：

步骤一一、获取左测量区域和右测量区域：

双目立体视觉系统对土木实验试件图像进行采集，在初始时刻左参考图像中任意取两点，以任意取的两点为矩形中对角点形成一个矩形区域，该矩形区域定义为左测量区域；然后在初始时刻右参考图像中匹配出对应于左图像上的矩形测量区域，定义为右测量区域；

步骤一二、在初始时刻左参考图像中形成虚拟网格，过程为：

在形成的左测量区域中任意取两点，设定两个方向的步长，生成网格图；

步骤一三、右图像网格节点搜索匹配，过程为：

对于网格图中初始时刻左参考图像的左测量区域中任意初始测点1(图1)，由于不知道其在右图像中的匹配位置，所以在右测量区域搜索，当找到初始测点1的匹配点后，利用相邻测点变形的连续性，针对于初始时刻左参考图像中的测点1的相邻测点，在右测量区域以找到的初始测点1的匹配点为中心进行局部区域搜索，找到测点1的相邻测点的匹配点；同理周围的其他测点也通过该方式进行局部搜索。这样便提升了搜索效率，直至在初始时刻右参考图像中找到与初始时刻左参考图像中所有任意初始测点相匹配的网格节点；

步骤一四、基于步骤一三得到的网格节点匹配结果求解左测量区域所有网格节点图像坐标右测量区域所有网格节点图像坐标根据双目立体视觉模型原理得到的初始时刻的网格节点的实际三维坐标(x0,y0,z0)。如图2。

其它步骤及参数与具体实施方式一相同。

具体实施方式三：本实施方式与具体实施方式一或二不同的是：所述步骤二中对步骤一得到的所有网格节点进行分块匹配，通过相关函数阈值判断匹配是否失效，如果分块匹配出现误匹配，执行步骤三；如果分块匹配正确，得到匹配后网格节点的坐标；具体过程为：

经过初始时刻测区立体匹配后，测区中所有网格节点的三维坐标便确定下来。为确定变形过程中任意时刻的左右图像序列中的匹配点，需要对所有测点进行时序匹配。本发明提出了分块匹配算法。该方法的思想为：将左、右测量区域分为9个区格，然后根据网格节点所在区格的位置进行局部搜索。具体的操作步骤如下：

步骤二一、确定每个网格节点所在区域，过程为：

经过初始时刻的立体匹配，所有网格节点的图像坐标都已确定，为了确定每个节点的搜索区域，将整个测量区域分为9个等面积的部分，分别编号为1、2、3、4、5、6、7、8、9，依次设左上角测点1坐标为(x1,y1)，右下角测点9坐标为(x9,y9)；如图3。

步骤二二、设定搜索范围长度并限定每个节点的搜索区域，以其中左或右初始参考图像中任意节点为例，假设左初始参考图像中任意节点图像坐标为(x^l,y^l)，右初始参考图像中任意节点图像坐标为(x^r,y^r)，过程为：

设定搜索范围长度为l，判断初始时刻左参考图像中任意节点的图像坐标(x^l,y^l)所在区格位置,并分以下几种情况讨论：

若且即节点位于区格1，则节点在待匹配下一时刻图中的搜索区域为：x1≤x^l*≤x^l+l，y1≤y^l*≤y^l+l；其中，(x^l*,y^l*)为待匹配的下一时刻左图像中节点位置坐标；

若且即节点位于区格2，则节点在待匹配下一时刻图中的搜索区域为：x1-l≤x^l*≤x^l+l，y1≤y^l*≤y^l+l；

若且即节点位于区格3，则节点在待匹配下一时刻图中的搜索区域为：x^l-l≤x^l*≤x9，y1≤y^l*≤y^l+l；

若且即节点位于区格4，则节点在待匹配下一时刻图中的搜索区域为：x1≤x^l*≤x^l+l，y^l-l≤y^l*≤y^l+l；

若且即节点位于区格5，则节点在待匹配下一时刻图中的搜索区域为：x^l-l≤x^l*≤x^l+l，y^l-l≤y^l*≤y^l+l；

若且即节点位于区格6，则节点在待匹配下一时刻图中的搜索区域为：x^l-l≤x^l*≤x9，y^l-l≤y^l*≤y^l+l；

若且即节点位于区格7，则节点在待匹配下一时刻图中的搜索区域为：x1≤x^l*≤x^l+l，y^l-l≤y^l*≤y9；

若且即节点位于区格8，则节点在待匹配下一时刻图中的搜索区域为：x^l-l≤x^l*≤x^l+l，y^l-l≤y^l*≤y9；

若且即节点位于区格9，则节点在待匹配下一时刻图中的搜索区域为：x^l-l≤x^l*≤x9，y^l-l≤y^l*≤y9；

设定搜索范围长度为l，判断初始时刻右参考图像中任意节点的图像坐标(x^r,y^r)所在区格位置，并分以下几种情况讨论：

若且即节点位于区格1，则节点在待匹配下一时刻图中的搜索区域为：其中，为待匹配的下一时刻右图像中节点位置坐标；

若且即节点位于区格2，则节点在待匹配下一时刻图中的搜索区域为：

若且即节点位于区格3，则节点在待匹配下一时刻图中的搜索区域为：

若且即节点位于区格4，则节点在待匹配下一时刻图中的搜索区域为：

若且即节点位于区格5，则节点在待匹配下一时刻图中的搜索区域为：

若且即节点位于区格6，则节点在待匹配下一时刻图中的搜索区域为：

若且即节点位于区格7，则节点在待匹配下一时刻图中的搜索区域为：

若且即节点位于区格8，则节点在待匹配下一时刻图中的搜索区域为：

若且即节点位于区格9，则节点在待匹配下一时刻图中的搜索区域为：

因此，确定初始时刻左右参考图像节点位置所在区格之后，任意时刻的左图像与初始时刻左参考图像进行分块匹配计算，得到左图像同名点；

同理，任意时刻右图像与初始时刻右参考图像进行分块匹配计算，得到右图像同名点；

上述步骤对于结构发生小变形情况下可以实现精确匹配，当结构发生大变形时可能会发生误匹配，因此引入相关系数阈值的概念，通过该阈值能够判断出匹配是否失效。相关图像时序匹配的判定过程如图4所示，其中，czncc为相关函数，c为相关函数阈值。判定相关匹配失效过程如下：

将每一帧的左图像与初始时刻左参考图像进行匹配，并将匹配得到的相关系数czncc与设定的相关函数阈值c相比较；

将每一帧的右图像与初始时刻右参考图像进行匹配，并将匹配得到的相关系数czncc与设定的相关函数阈值c相比较；

若ti时刻(第i帧)左图像与初始时刻左参考图像匹配得到的相关系数大于等于设定的相关函数阈值c，则说明ti时刻左图像处在小变形阶段，匹配正确，得到匹配后ti时刻的左图像网格节点图像坐标反之则说明ti时刻左图像处在大变形阶段，匹配失效，则执行步骤三；

若ti时刻(第i帧)右图像与初始时刻右参考图像匹配得到的相关系数大于等于设定的相关函数阈值c，则说明ti时刻右图像处在小变形阶段，匹配正确，得到匹配后ti时刻的右图像网格节点图像坐标反之则说明ti时刻右图像处在大变形阶段，匹配失效，则执行步骤三。

根据双目立体视觉模型原理，可以得到小变形阶段网格节点在ti时刻的实际三维坐标(xi,yi,zi)。

其它步骤及参数与具体实施方式一或二相同。

具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：所述步骤三中对步骤二得到的出现误匹配的节点进行大变形下图像匹配，得到匹配后网格节点的坐标；具体过程为：

若tk时刻(第k帧)左图像与初始时刻左参考图像的相关系数小于设定的相关函数阈值c，则说明开始有大变形出现，此时初始时刻左参考图像更新为tk-1时刻(第k-1帧)左图像；左图像中tk及以后时刻(tk+1、tk+2、tk+3等)的图像与更新的左参考图像做匹配，进行相关函数阈值的比较，如果在后期的匹配中又出现了同样的问题，则进行同样方式的更新；如此以往，直到所有图像匹配完毕；

若tk时刻(第k帧)右图像与初始时刻右参考图像的相关系数小于设定的相关函数阈值c，则说明开始有大变形出现，此时初始时刻右参考图像更新为tk-1时刻(第k-1帧)右图像；右图像中tk及以后时刻(tk+1、tk+2、tk+3等)的图像与更新的右参考图像做匹配，进行相关函数阈值的比较，如果在后期的匹配中又出现了同样的问题，则进行同样方式的更新；如此以往，直到所有图像匹配完毕；

更新的过程中左右图像同时进行；

最后，得到大变形阶段tk时刻的左图像网格节点图像坐标tk时刻的右图像网格节点图像坐标最后，由时序匹配结果可以得到各阶段立体匹配结果；根据双目立体视觉模型原理得到tk时刻的网格节点的实际三维坐标(xk,yk,zk)，由此获得tk时刻网格节点的空间位置，即匹配后网格节点坐标。

所谓三维重建就是通过的任意时刻网格节点的左图像坐标和右图像坐标，由双目立体视觉模型原理把它转换为实际的三维坐标。

其它步骤及参数与具体实施方式一至三之一相同。

具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：所述步骤四中构造形函数，利用形函数对步骤二和步骤三得到的匹配后网格节点进行拟合，得到位移场；具体过程为：

位移场求解是以离散点位移为基础通过拟合方式获得，由于本文采用有限元方法进行位移场求解，所以有必要构造合适的形函数，在此基础上，通过格林应变张量求解应变场。

在构造形函数前，首先要确定单元类型。由于三角形单元的单元应力是常数，在分析应力变化大的变形体时，需要加密网格才能得到好的计算结果，工作量加大，为使单元内的位移情况能够与真实情况相符，应选取高阶元，本文选择矩形双三次单元(如图5)，该单元包含16个控制点。为满足形函数本点为1，他点为0的特性，采用拉格朗日插值多项式构造形函数。

步骤四一、构建形函数，具体构造过程为：

(1)构建一维拉格朗日多项式：

在ξ方向，一维拉格朗日多项式为：

式中，n1(ξ)、n2(ξ)、n3(ξ)、n4(ξ)为形函数；通过这四个形函数表达式计算任意点的位移，进而拟合位移场；

在η方向，拉格朗日表达式与式(1)相同，一维拉格朗日多项式为：

式中，n1(η)、n2(η)、n3(η)、n4(η)为形函数；通过这四个形函数表达式计算任意点的位移，进而拟合位移场；

(2)构建16节点的形函数：

根据节点所处位置的不同，将形函数表达式分为3种类型：4个角点，8个边点以及4个中间点形函数，具体表达形式如下：

4个角点(如图5中点1、2、3、4)形函数为：

n1＝n1(ξ)*n1(η)；n2＝n1(ξ)*n4(η)；

n3＝n4(ξ)*n4(η)；n4＝n4(ξ)*n1(η)；

式中，n1为形函数的第一个角点，n2为形函数的第二个角点，n3为形函数的第三个角点，n4为形函数的第四个角点；

8个边上的点(如图5中点5、6、7、8、9、10、11、12)形函数为：

n5＝n1(ξ)*n2(η)；n6＝n1(ξ)*n3(η)；

n7＝n2(ξ)*n4(η)；n8＝n3(ξ)*n4(η)；

n9＝n4(ξ)*n3(η)；n10＝n4(ξ)*n2(η)；

n11＝n3(ξ)*n1(η)；n12＝n2(ξ)*n1(η)；

式中，n5为形函数的第五个点，n6为形函数的第六个点，n7为形函数的第七个点，n8为形函数的第八个点，n9为形函数的第九个点，n10为形函数的第十个点，n11为形函数的第十一个点，n12为形函数的第十二个点；

中间4点(如图5中点13、14、15、16)形函数为：

n13＝n2(ξ)*n2(η)；n14＝n2(ξ)*n3(η)；

n15＝n3(ξ)*n3(η)；n16＝n3(ξ)*n2(η)；

式中，n13为形函数的第十三个点，n14为形函数的第十四个点，n15为形函数的第十五个点，n16为形函数的第十六个点；n1-n16为形函数，通过这16个形函数表达式计算任意点的位移，进而拟合位移场；

(3)形函数构建完毕后，建立形函数矩阵：

通过构建形函数，从步骤一中形成的网格节点中按照图5所示单元形式取16个网格节点作为单元的控制点构造出任意单元，单元中任意点的坐标表示如下：

网格节点是通过前面的立体匹配和时序匹配已知其三维坐标的点，通过已知的点来构造单元的形函数来表示单元内部未知的任意点的坐标；

其中，(x^e,y^e)为单元中任意点在整体坐标系下的坐标，(x^ei,y^ei)为第i个网格节点在整体坐标系下的坐标，i＝1,2,3…16；(ξ,η)为单元中任意点在局部坐标系下的坐标；为单元中网格节点的整体坐标系下形成的矩阵；t为转置；

步骤四二、计算大变形下的格林应变张量：如图6；

步骤四二的格林应变张量和步骤四一结合便可求解应变场

设选定某一直角坐标系，运动物体中任意质点初始时刻的坐标记为yi，也称之为物质坐标，在t时刻的位置记为yi，则质点的运动可以通过时间与物质坐标表示：

yi＝yi(yi,t)(4)

假如物体内所有质点的运动都已知，则对应于t时刻的物体位置和变形便能确定。上面所说的对t时刻物体情况的表示，称为物体在该时刻的位形。除此之外，在描述运动的变形情况时，需要设定一个参照基准，这个基准称之为参考位形。

本文对应变张量的求解，以测区内网格变形前的初始构型为参考位形，设测量区域内任意网格节点在变形前的坐标由物质坐标系a1,a2,a3刻画，并且有

ad＝ad(a1,a2,a3)(5)

式中，ad为网格节点变形前位置；d取值为1、2、3；

网格节点变形后的在任意时刻t空间位置由空间坐标系y1,y2,y3确定；物质坐标系和空间坐标系采用完全重合的直角坐标系；

yd＝yd(a1,a2,a3)，由此，网格节点变形位移场表示为：

ud(a1,a2,a3)＝yd(a1,a2,a3)-ad(6)

式中，yd为网格节点变形后位置；ud为网格节点变形位移场；d＝1,2,3

对(6)进行化解，得到

ym(ad)＝um(ad)+am(7)

式中，ym为网格节点变形后位置，am为网格节点变形前位置，um为网格节点的变形量，m取值为1、2、3；

对(7)式两边求微分，有：

式中，δmi为克罗内克积；，一种数学运算符号，具体计算方法见张量分析相关书籍；

又因格林应变张量：

式中，eij为格林应变张量，aj为网格节点j变形前位置，δij为克罗内克积，j＝1,2,3…16；

将(9)带入(8)，得到

式中，δmj为克罗内克积；

由于本发明方法解决的是表面应变场，所以将(10)式对应的平面应变张量展开，得到正应变e11、e22和剪应变e12的一般表达形式：

正应变e11、e22和剪应变e12为大变形应变；

从式(11)发现，大变形应变e11,e22,e12的表达式中都包含有两个部分，其中第一部分为线弹性小变形的线性项，e11中第一部分为e22中第一部分为e12中第一部分为第二部分是表示大变形的非线性项，e11中第二部分为e22中第二部分为e12中第二部分为

步骤四三、求解离散点三维位移(属于位移场计算的特例，也即只计算网格节点的位移，而不是所有网格节点的位移场)；

在求解离散点三维位移前需要确定同名点，该同名点既包括左右同名(立体匹配)，也包括时序上的同名(时序匹配)；求解左右同名点是为了确定点的三维坐标，而在时序上寻找同名点则用于求解位移。

本发明采用立体匹配、分块匹配算法确定同名点，并计算单点的三维位移。具体计算思路如下：

小变形阶段位移计算：根据步骤一四中得到的初始时刻的网格节点的实际三维坐标(x0,y0,z0)和步骤三得到的小变形阶段ti时刻的网格节点的实际三维坐标(xi,yi,zi)；得到网格节点在小变形阶段ti时刻的三维位移为：

u1为x方向位移；u2为y方向位移；u3为z方向位移；

x方向为平行于被测物体表面水平方向，y方向为平行于被测物体表面竖直方向，z方向为垂直于被测物体表面的方向。

大变形阶段位移计算：首先，根据步骤一四中得到的初始时刻的网格节点的实际三维坐标(x0,y0,z0)和步骤三得到的新参考图像(tk-1时刻图像)的网格节点的实际三维坐标(xk-1,yk-1,zk-1)，计算出新参考图像相对于初始参考图像网格节点三维位移。其次，根据大变形阶段tk时刻图像与新参考图像进行时序匹配得到的网格节点三维坐标(xk,yk,zk)，计算出大变形阶段tk时刻相对于新参考图像的网格节点三维位移。最后，根据已有的新参考图像相对于初始参考图像网格节点三维位移，得到大变形时刻tk时刻图像相对于初始时刻参考图像的网格节点三维位移：

u1为x方向位移；u2为y方向位移；u3为z方向位移；

x方向为平行于被测物体表面水平方向，y方向为平行于被测物体表面竖直方向，z方向为垂直于测量平面被测物体表面的方向。

步骤四四、采用滑动平均方法对步骤四三得到的网格节点在任意时刻t的三维位移进行平滑处理，以经过平滑处理的离散点三维位移为基础，通过已构造的形函数求解三维位移场；通过步骤六可以得到所有网格节点的位移值，以此离散位移值构造的位移场可能不够光滑，这样会影响后面应变场的计算，所以有必要对这些离散位移值进行平滑处理。经过比较分析，滑动平均方法原理简单、平滑效果好，适用于离散位移点的平滑处理。过程为:

采用滑动平均方法对步骤四三得到的离散点三维位移进行平滑处理，以经过平滑处理的离散点三维位移为基础，通过已构造的形函数求解三维位移场，设uⁱel为单元中16个的位移值，uⁱ(x,y)为单元中任意点的位移，为构造的形函数矩阵，fⁱ(ξ,η)为将局部坐标(ξ,η)换算为整体坐标(x,y)公式，则有:

其它步骤及参数与具体实施方式一至四之一相同。

具体实施方式六：本实施方式与具体实施方式一至五之一不同的是：所述步骤五中采用格林应变张量对步骤四得到的位移场进行计算得到应变场；具体过程为：

通过式(14)求到的三维位移场结合格林应变张量求解应变场；

从(11)格林应变得到小变形应变表达式为：

ε11、ε22、ε12为小变形应变；

对(14)式求微分，得到偏微分矩阵

式中，jⁱ(ξ,η)是fⁱ(ξ,η)的雅科比矩阵，通过下式计算：

jⁱ(ξ,η)＝[fⁱ(ξ,η)]'(17)

结合式(3)，(17)式进一步化解为：

将式(18)带入式(11)、(15)求解大变形、小变形两种情况下应变场。

立体视觉结构三维变形全场测量软件

立体视觉结构三维变形全场测量软件可以用于结构三维位移场与应变场的测量，该软件包括视频采集、系统标定和结果输出三个模块，如图7、8。

图像采集模块主要进行单张标定图片的采集和视频的采集，并通过视图窗口实时观察左右图像的采集过程。

标定模块使用基于实心圆靶标的三步法进行相机标定。在标定过程中，每次标定姿态下的圆心识别和排序情况同样可以在视图窗口显示，标定得到的像机内外参数显示在“标定参数”中，图7为标定模式的界面。

变形场通过变形结果输出模块计算。计算前，在测量区域生成虚拟网格，对虚拟网格所有节点匹配计算，得到位移场与应变场数据结果分为两个部分：该模值包括变形曲线的绘制和变形值数据表的生成。图8、9分别为计算分析模式与结果输出模式的界面。

立体视觉结构三维变形全场测量软件通过菜单栏操作与按钮操作相结合的方式进行计算分析，操作流程为：

1.点击菜单栏中“图像采集”选项，弹出下拉菜单，包括“图像预览”、“停止预览”、“图片采集”、“视频采集”、“停止采集”等5个子选项，通过操作这些子选项完成标定图片与视频的采集任务。

2.点击菜单栏中“标定”选项，弹出下拉菜单，按顺序点击其中的“图片预处理”、“左图像标定”、“右图像标定”、“立体标定”子选项完成整个标定任务。

3.点击操作按钮“载入处理的图片”，参考图与变形图载入到视图窗中，点击“生成网格节点”按钮，参考图与变形图中测量区域自动生成虚拟网格。

4.依次点击“位移平滑处理”、“位移场”、“应变场”按钮，界面弹出位移场与应变场图，且数据自动保存。

其它步骤及参数与具体实施方式一至五之一相同。

采用以下实施例验证本发明的有益效果：

实施例一：

本实施例为304不锈钢拉伸试验，具体是按照以下步骤制备的：

本试验拉伸试件厚度为2mm，试验共制作2组试件，选择其中一组试件做位移测量试验，另一组做应变测量试验。

在进行位移测量试验时，测区位置见图10阴影部分，箭头所指方向定义为正方向，且后面试验采用同样的定义方式。

在测量区域确定后，使用立体视觉变形场测量系统进行位移场测量，测量过程中选择不同时刻t作为关键的测量阶段，测得并输出不同时刻t的三维位移场。图11为输出的试件在t＝20s时横向位移场，其他时刻的三维位移场与其类似。

在进行应变测量试验时，测区为图12阴影区域，且通过计算并输出得到不同时刻t下的三维应变场。图13为输出的试件在t＝100s时拉伸方向应变场，其他时刻的三维应变场与其类似。

304不锈钢试件拉伸位移测量试验结果表明：使用本发明测量的试件面内位移数值与引伸计测量结果吻合较好，测量误差均值小于0.0410mm，验证了本发明的可靠性；除此以外，并给出了局部测量区域的位移场，直观反映了整个试件拉伸过程中的变形状态。通过对304不锈钢拉伸应变测量试验结果表明：

(1)立体视觉方法测量的试件应变数值与应变片所测数据吻合较好，反映了测点在拉力作用下应变变化趋势。在验证本发明可靠性的基础上，给出了局部测量区域的应变场，通过应变场数值分布情况更好的分析试件本身的材料属性，并为确定试件可能存在的初始缺陷位置提供参考。

(2)试件在拉伸过程中，由于应变片量程仅为20000με，因此仅测到了较短加载时间内的应变数据，而立体视觉方法却完成了整个加载过程的应变测量任务，所测应变数据接近87000με，体现了本文方法用于全过程应变测量的优势。

本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。