XTDIC三维全场应变测量系统，是运用数字图像相关技术（dic产品）的非接触式光学测量方式，不受被测材料限制（非接触式测量可用于测软质材料、高温复杂环境下测量）。通过将全场测量和标靶点测量技术结合，相对于接触式测量，它的测量范围可从毫米级到数十米的结构件。

    非接触式全场应变测量（dic产品）方案，无需对被测试样进行复杂和费时的制备，不受试样的几何形状和温度局限，测量精度高，分辨率可以达到亚微米级别。

    在一些复杂的应力应变测试中，比如土木工程行业测试大尺寸结构件的动态裂纹扩展，这些对于接触式测量（DIC）方式来说可能难以应付，因为断裂大变形容易损坏接触式测量设备。非接触式全场应变测量通过搭配高相机分辨率来获得细微裂纹的变形和局部应变，同时可以通过高采集频率，来满足高频震动测试的速度要求，完整记录失效瞬间的变形过程。

    数字图像相关法（dic产品）是一种通过对物体表面变形前后的两幅图像进行相关计算来求取位移及变形的方法。在参考图像中，取以待匹配点为中心的(2M+1)×(2M+1)大小的矩形图像子区，在待匹配图像中，通过一定的图像搜索方法，寻找与选定的图像子区相关系数（相似程度）最大的以为中心的目标图像子区，则点即为点在待匹配图像中的对应点，对于二维DIC测量，待匹配图像中点的坐标与参考图像中点的坐标之差即为待测点位移。重复这一过程，可得到物体表面全场的位移。

    数字图像相关原理图

    在图像搜索过程中，预定义的相关系数是衡量参考图像子区与目标图像子区之间相似程度的函数。数字图像相关法（dic产品）就是通过求取相关系数的极值来完成图像匹配，然后计算得到位移、应变场。

    考虑散斑图像dic产品的质量较差，整个测量的时间历程较长，因此需引入光强的线性变换，从而使子区灰度的散斑匹配对外界光强的线性变化具有抗干扰能力，提高相关计算的准确性和稳定性。

    从相关系数的定义可以看出，在进行参考图像子区和目标图像子区相关系数求解时，需要利用映射函数对参考图像子区内所有像素点的变形和运动进行描述。在实际情况下，物体在受力产生变形时，不仅有简单的平移，还会有转动、伸缩、扭曲、剪切等变形，因此，物体表面一点的坐标变化除了位移之外，还需要考虑导数项，即变形后的坐标变化。

    在计算相关系数的过程中，需要用到参考子区与变形子区中每一个像素点的灰度值。在参考图像中，取整像素的灰度值参与计算，但是在变形子区中，相应的点坐标可能因为已变形的原因坐落在两个像素中间即位于亚像素的位置。

    由于离散的数字图像（dic技术）只能获得整像素位置的灰度值，因此需要运用插值的方法来计算亚像素位置的灰度值从而提高计算精度。双三次样条插值具有对亚像素位置处灰度较强的预测能力，本文灰度迭代运算中使用双三次插值。

    双目立体视觉原理

    相机成像模型

    物体点经过摄相机镜头摄影后成像到像平面上，理想的投影成像模型是几何光学中的小孔成像模型。如图所示，摄影镜头的光学中心为S，物方点P经过S投影到像平面上的像为p，O为主点，SO之间距离为焦距f。

    中心透视投影

    实际成像时，主点的像平面坐标不严格为零，而存在一微小值，另外由于摄像镜头的物镜畸变等因素的存在，使得各像点在像平面上相对其理论位置也存在偏差。

    镜头畸变模型

    dic产品相机的内方位参数包括主点坐标，焦距以及各种镜头畸变，其中镜头畸变包括径向畸变，切向畸变和面内畸变等。研究发现，引入的镜头畸变系数过多，反而会影响相机标定算法的稳定性，甚至导致算法的不收敛，所以目前大多数研究者所提出的标定算法通常只考虑二阶径向畸变，而事实上忽略高阶的畸变系数势必降低了标定精度。因此，本文的标定算法将所有可能的三阶径向畸变以及切向畸变和面内畸变都考虑在内。

    双目视觉的基本原理与人类双目视觉的立体感知过程类似，即从两个视点观察同一物体得到不同视角下的感知图像，通过三角测量原理计算不同图像中同一像点的视差来获取物体表面的三维形状信息。

    基于摄影测量的相机自标定

    相机标定即求解相机内、外参数的过程。常用的标定方法一般通过标定参考物已知的三维坐标与对应的图像坐标的关系来确定相机的内、外参数，因此要求标定参考物具有很高的制作精度，这无疑增加了标定参考物加工生产的难度。基于摄影测量的相机自标定方法只要已知标定板上一对标识点的精确距离就可以准确的解算出相机的内、外参数，不需要高精度的标定板，因此使用非常方便灵活。

    对于误差方程，如果以图像坐标作为观测值，把相机的内、外参数和物方点坐标都当作未知数来求解，该过程称之为光束平差，求解都通过最小二乘算法实现。基于摄影测量的相机标定过程主要包括空间后方交会、空间前方交会和捆绑调整等算法，其中空间后方交会和空间前方交用于初值计算，捆绑调整则用于最终优化。整个过程属于多参数非线性优化，所有的相机内、外参数以及物方点三维坐标被不断迭代计算直到达到预先设定的精度要求。

    使用数字散斑技术（dic产品）两个CCD数字摄像机，标定过程中2个摄像机同时在8个不同方位对标定板进行拍摄，共获得16幅图片，标定过程中用到的两幅图像。双目摄像机标定与单摄像机标定的不同之处在于除了内参数的标定计算外，还需要计算两个摄像机之间的外参数，也就是两个摄像机坐标系之间的旋转矩阵R和平移矩阵T。

    双目立体重建

    对于两幅图像来说，采用三角法即可计算一对匹配像点所对应的空间点三维坐标。通过数字图像相关法（dic）进行散斑匹配可以得到同一状态下左右摄像机图像上同一物体场景中的像素点对，经过标定矩阵转换计算后，能够将相机像平面上的物体像素信息与物体空间三维坐标值信息相对应，经过摄像机三维重建计算后，最终可在三维空间中还原出物体三维立体模型。

    在三维重建过程中，前面介绍的摄像机标定、立体匹配等技术是双目立体视觉三维物体重建的基础。运用双目立体视觉技术进行坐标重建时，需要首先根据摄像机的标定结果，计算出摄像机投影矩阵M的元素。

    然后结合已经获得的图像匹配点坐标值，通过标定计算和坐标转换求解可解算出物体表面目标点的三维坐标信息。其中，X、Y、Z是要计算的空间点的三维坐标，a、b分别为两幅图像投影矩阵的元素，为该空间点在第一个摄像机图像中的像坐标，为该空间点在第二个摄像机图像中的像坐标。4个方程解算3个未知数，利用最小二乘法即可计算出最优解。这样就可以得到所有变形状态采用相同的相机标定参数进行三维坐标重建。然后，以状态1作为参考状态，任一变形状态的三维点坐标减去参考状态对应的三维点坐标就可得到该状态的三维变形。

    变形追踪及应变计算

    基于双目立体视觉测量系统的处理方法中，要得到所测物体的三维信息，实现两个摄像机采集到的图像信息匹配工作，最终需要完成两个方面的工作：

    一是相关搜索，这个过程主要实现同一个摄像机采集到的物体不同变形状态点信息的匹配工作；

    二是左右相机采集的相同物体信息的立体匹配，包含物体成形过程中的所有状态，其中，每个状态又包含左右相机两幅图像的信息。

    首先，在左相机图像的相关区域中指定一个子点，然后在右相机中进行种子点匹配，完成种子点的匹配后即确定了左右相机中对相同的物体点信息的联系。

    接着在左相机中对划定感兴趣区域的所有状态图像的像素信息进行相关匹配，右相机匹配的过程中，参照已经匹配成功的种子点依次进行相关匹配同时还需要满足与左相机的各种限制约束规则，最终，将左右相机中所有状态的图像都成功的匹配出来。图像匹配结束后，结合摄像机标定参数，通过转换计算和最终补偿修正就可以得到物体最终的三维坐标点信息。

    图像匹配相关过程

    数据平滑处理

    由于散斑图像(dic产品)的质量较差，加上相机尺寸工作的热噪声以及长时间照明情况下环境光场的随机调匀，这都会导致测量得到的变形场与应变场不均匀。而理论上热体在冷却过程中尽管可能发生有区域应力集中的现象，但是整体发生的变形应该是平滑的。因此，必须对计算得到的数据点进行平滑滤波处理。

    dic软件计算得到的变形数据可看做是测量得到的动态信号，因此可使用常见的一维和二维数据滤波方法进行计算。本文在针对每个状态下的二维变形场，使用高斯平均滤波器进行低通滤波，而单点的变形与应变时间历程下，使用一维平均滤波法。以下简单介绍滑动平均法。

    滑动平均法的最主要特点在于简捷性。它相对于其它动态测试数据处理方法而言，算法很简便,计算量较小，尤其可采用递推形式来计算，可节省存贮单元，快速且便于实时处理非平稳数据等，这些是滑动平均法的优点，也是这种古老算法至今仍有实用价值的主要原因。

    另一方面，滑动平均法又存在一定的主观性和任意性。因为其应用效果很大程度上取决于各种算法参数的选定。通常依据动态测试过程本身变化的机理,以及实际测试数据的具体变化状态,而靠经验来尽量合理地选定滑动平均算法的参数。

    已知动态测试数据y(t)由确定性成分f(t)和随机性成分e(t)组成，且前者为所需的测量结果或有效信号，后者即随机起伏的测试误差或噪声。