【技术实现步骤摘要】
基于新型相关函数约束的CUDA架构并行优化立体变形测量方法
[0001]本专利技术属于基于视觉技术的立体变形非接触测量
，尤其是涉及一种基于新型相关函数约束的CUDA架构并行优化立体变形测量方法及系统。
技术介绍
[0002]基于视觉测量模式的立体变形信息测量为被测目标的性能分析、几何形变监测、承载能力评估等提供了数据参考与支撑。然而在立体变形测量过程中运算数据规模较大，例如为了提高变形测量的准确性，通常需要大量的散斑点参与配准运算，因此配准的数据量规模较大，同时随着图像帧数与图像尺寸的增加，散斑子区的相关运算量以及亚像素的插值计算量都会大幅度增大，巨大的耗时降低了三维变形测量效率。导致当前要实现基于视觉测量模式的试件三维变形高精度测量，均需要以时间和较大计算量为代价，仅在算法上的优化和改进难以使解算速度获得跨数量级的提升。因此需要对变形测量的理论算法进行改进，同时需要结合改进后算法的特点与复杂度，搭建最优的并行耦合运算机制，提高基于视觉测量模式的立体变形测量效率。
[0003]当前在基于数字图像相关方法的变形...
【技术保护点】
【技术特征摘要】
1.一种基于新型相关函数约束的CUDA架构并行优化立体变形测量方法，其特征在于，包括以下步骤：S01：获得多相机间的相对位姿参数关系；S02：基于相机间的联合约束关系建立散斑立体配准的新型相关函数，所述新型相关函数将图像对间立体配准点的搜索限制在对极线附近区域，对不同序列图像中采样散斑点进行时序配准和立体配准；S03：对散斑点的空间坐标进行三维重构。2.根据权利要求1所述的基于新型相关函数约束的CUDA架构并行优化立体变形测量方法，其特征在于，所述步骤S01中获得多相机间的相对位姿参数关系的方法包括：S11：设定测量系统共有η+1个相机组成，主相机为ξ，其余η个均为从相机，则根据透视投影原理建立基于空间点P的主相机共线性方程：λ
ξ
[u
ξ v
ξ 1]＝M
ξ
[R
ξ t
ξ
][X
w Y
w Z
w 1]
T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中，λ
ξ
是主相机投影尺度系数；(u
ξ
,v
ξ
)为主相机采集图片中特征点的像素坐标；[X
w Y
w Z
w 1]
T
是空间三维点齐次坐标；M
ξ
为主相机的内部参数；(R
ξ
,t
ξ
)为主相机的外参矩阵；S12：通过式(3)对相机外参和空间点三维坐标分量分别求一阶偏导，得到共线性误差方程：其中，Ξ
ξ
是主相机共线性误差的偏差值；B
ξ
,C
ξ
分别是(u
ξ
,v
ξ
)
T
对相机外部参数和空间点三维坐标分量的一阶偏导数；ω
ξ
,κ
ξ
是旋转矩阵R
ξ
对应的欧拉角；t
xξ
,t
yξ
,t
zξ
是主相机平移矩阵的元素，[δ
ξc δ
ξp
]
T
为主相机的外参修正值与三维坐标修正值，即每次迭代的步长：式(5)中，Δω
ξ
,Δκ
ξ
,Δt
xξ
,Δt
yξ
,Δt
zξ
分别是相机外部参数一阶偏导数的增量；ΔX,ΔY,ΔZ分别是三维坐标分量的一阶偏导数；S13：矩阵γ
ξ
表示特征点的实际坐标与用共线性方程计算得到的重投影坐标之间的差值：S14：根据主从相机间的相对外参关系，第η个相机的共线性方程表示为：λ
η
[u
η v
η 1]
T
＝M
η
[R
ξη
R
ξ t
ξη
+R
ξη
t
ξ
][X
w Y
w Z
w 1]
T
ꢀꢀꢀꢀꢀꢀꢀꢀ
(7)式(7)中，λ
η
是从相机投影尺度系数；(u
η
,v
η
)为第η个相机下图像特征点像素坐标；M
η
为第η个相机的内参矩阵；(R
ξη
，t
ξη
)为从相机的外参矩阵；S15：同理得到第η个从相机的共线性误差方程：
式(8)中，Ξ
η
是从相机共线性误差的偏差值；B
η
,C
η
分别是从相机图像坐标对外部参数和空间点坐标的一阶偏导数；[δ
ηc δ
ηp
]
T
分别是从相机的外参修正值与三维坐标修正值；矩阵表示特征点的实际坐标与用共线性方程计算得到的重投影坐标之间的差值；S16：记B＝[B
ξ B
1 B2ꢀ…ꢀ
B
n
]
T
,C＝[C
ξ C
1 C2ꢀ…ꢀ
C
η
]
T
，则Jacobi矩阵J＝[B C]，故法化矩阵表示为：S17：运用Levenberg
‑
Marquardt算法进行迭代求解，建...
【专利技术属性】
技术研发人员：张贵阳，刘琪，吉思雨，朱子健，王靖，周婞，王绵绵，
申请(专利权)人：常熟理工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。