文章摘要:数字图像相关由于其位移测试的全场性、简便快捷等特点,迅速发展成为目前实验力学领域最常用的测试手段之一。三维数字图像相关通过进行时间域相关计算和左右相机视差匹配可以同时获得高精度的三向位移场。为了达到使用三维数字图像相关的方法高通量、高精度地获取阵列薄膜的三向位移的目的,基于深度学习方法对传统的数字图像相关提出了一些新算法和精度的优化改进方案。首先,针对已标定相机对批量化位移快速计算的场景,借鉴计算机视觉领域的光流估计和深度估计方法,参考全场景光流（scene flow）估计设计了基于深度学习的三维散斑图像位移计算方法。编写了基于牛顿迭代的任意给定非线性位移场时,双目散斑图像生成算法,并生成了相应数据集。网络训练的结果证明该方法可以很好地处理三维数字图像相关的计算问题,并且时间成本显著降低。此外,针对数字图像相关的系统误差问题,借鉴GoogLeNet设计了多通道多尺度的神经网络模型最小化位移标签和DIC软件计算得到的位移场之间的平方误差,训练结果证明了神经网络通过直接处理DIC计算结果,可以达到减小DIC计算系统及随机误差的目的。

文章关键词:

论文分类号:TP18;TP391.41

文章来源：《实验力学》 网址: http://www.sylxzz.cn/qikandaodu/2021/1118/745.html