利用数字图像相关方法实现高速相机序列影像运动目标的快速跟踪

利用数字图像相关方法实现高速相机序列影像运动目标的快速跟踪 利用数字图像相关方法实现高速相机序列影像运动目 标的快速跟踪 技术应用 文章编号:05-0051-08中图分类号:TP7文献标识码:B 利用数字图像相关方法实现高速相机序列影像运动目标的快速跟踪 梅华丰,陈 鹏,童小华,叶 真 同济大学 测绘与地理信息学院,上海 200092 作者简介: 【摘要】以数字图像相关方法为核心设计了一套应用于高速相机序列影像运动目标的跟踪 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 ,该方案首 梅华丰1988-,男,湖 先在基准窗口周围以局域搜索方法获取目标点的整像素位移值,然后联合使用梯度算法和最小二乘算法估 北黄岗人,测绘工程专 计目标点的亚像素位移值,从而获得目标点的像素坐标,实现对目标点的自动跟踪。本文应用该技术方案 业,硕士研究生,主要研 处理了构筑物振动台实验的高速相机视频测量影像数据,与商用软件PhotoModeler Scanner 相比,跟踪结 究方向为视频摄影测量技 果具有同等精度,在计算速度上有优势。 术。 【关键词】高速相机;序列影像;数字图像相关;运动目标跟踪;非接触测量; 位移 E-mail: 1326294167@ Using Digital Image Correlation Method for Realizing the High-Speed Camera 收稿日期:2013-07-02 Image Sequence Fast Tracking of Moving Targets MEI Huafeng, CHEN Peng, TONG Xiaohua, YE Zhen College of Surveying and Geo-informatics, Tongji University, Shanghai20092, China Abstract: In this paper, we propose a scheme based on digital image correlation method for realizing the high- speed camera sequence of images moving targets tracking. The scheme include two key steps:1 to obtain the integer pixel coordinates of the target points in the image sequence by using local search method around a reference window;2to obtain the subpixel displacement values of the target points by joint use of gradient algorithm and least squares algorithm. When the pixel coordinates of the target points are calculated, the tracking of the target points is completed. In this paper, the application of the technical solution to deal with the structure shaking table test of the high-speed camera video measurement image data, compared with commercial software PhotoModeler Scanner, tracking results with the same accuracy, but the advantage is the faster processing speed. Keywords: High-speed Camera; Sequence of Images; Digital Image Correlation; Moving Targets Tracking; Non- Contact Measurement; Displacement 等以及加速度测量常采用的加速度 的变形、运动过程,然后通过后续 0 引 言 计,直接或间接地获取。这些布设 处理分析获取目标的三维坐标等特 在土木工程中,振动台试验是 在目标物关键点上的接触式传感器 征信息。由于振动台的震动频率较 一种了解和研究建筑结构物和构筑 量程有限,在大位移或大变形等方 高,需要采用高速相机才能获取到 物的抗震性能及其在地震波作用下 面的应用受到诸多限制,而且在安 高频的位移、形变影像。实验中, 的破坏机理的重要手段。振动台试 装布设上也颇不方便。相比而言, 在目标物的关键点布设标志点,通 验的目标是获取目标物体特定测试 视频测量是一种非接触式、高精度 过跟踪标志点在影像中的位置变化 点的挠度、位移、速度、加速度等 的测量方法,一些学者的研究成果 获取目标物的位移信息。以本文的 运动参数,传统方法是通过特定的 [1,2] 已经 证明 住所证明下载场所使用证明下载诊断证明下载住所证明下载爱问住所证明下载爱问 视频测量的位移测量精 实验为例,有效标志点的数量有20 采集传感器,如变形测量常采用的 度可以达到亚毫米。视频测量通过 个,实验的累积采集时间为10min左 百分表、千分表、位移计和应变计 摄像机拍摄被测物体在载荷作用下 右,采用的高速相机的采集帧频为 GEOMATICS 2013.10 51 WORLD Vol.20 No.5 地理信息世界技术应用 60帧/s,实验的数据量很庞大,约 索法,具有较强的鲁棒性,但是该 1 序列影像运动目标跟 为140G,所以如何高效、精确地跟 算法的流程很复杂,不适合处理高 踪技术方案 踪标志点是一个关键问题。 速相机庞大的序列影像数据。 一般地,振动台的振动过程 基于窗口匹配的数字图像相 本文针对振动台实验的特点, 有一定的规律,有特定的技术参 关方法是目前通用的跟踪方法,其 提出了一套基于数字图像相关的 数,而且振动台的最大振动位移幅 关键在于选择数字图像相关搜索算 快速、准确地跟踪标志点的技术 值不是很大。以同济大学振动台为 法,这不仅会影响计算结果的精 方案。该技术方案主要分为两步, 例,三个方向的最大振动位移分别 度,也会影响到计算的速度。众多 先通过在基准窗口周围进行局域搜 是?100 mmX,?50 mmY和?50 文献中常见的相关搜索算法有: 索的方法获取目标点的整像素位移 mmZ。相应地,建筑结构物或是构 [3] [4] 粗细搜索法 、Newton-Raphson 值,然后联合使用梯度算法和最小 筑物模型上的标志点的最大位移会在 [5] 方法、十字搜索法 、爬山搜索法 二乘算法估计目标点的亚像素位移 一定的范围内。针对振动台的运动规 [6] [7] 、遗传算法 等。粗细搜索法由 值,从而获得目标点在序列影像中 律,本文提出的目标点跟踪技术方案 于不知道相关峰值的方向,所有可 的像素坐标,实现序列影像运动目 包括两个关键部分:整像素位移值的 能的目标子区都要参加相关运算, 标的跟踪。本方案借鉴了两种快速 获取和亚像素位移值的估计。图1为 计算量很大。相对而言,Newton- 搜索方法十字搜索法和爬山搜索法的 目标点跟踪技术方案流程图。 Raphson方法中的牛顿迭代法能明 思想,结合振动台实验的特点只在基 显提高收敛速度,减小了计算工作 量,但是由于待求解的参数较多, 如果参数的初值选择不佳将导致待 求解的参数不能同时收敛,计算时 间较长。十字搜索法是一种快速搜 1索方法,它假设相关系数曲面分布 2 具有单峰性,在搜索过程中利用相 关函数分布的对称性进行坐标轮换 搜索,由于十字搜索法只在单峰区 图1 目标点跟踪技术方案流程图 Fig.1 Target tracking technology solution process 有效,所以在进行搜索之前,要用 普通的搜索算法配合阈值的操作判 准窗口周围一个特定的范围内搜索, 1.1 整像素位移值的获取 断单峰区,若用此方法跟踪高速相 相对于全局搜索法而言,大大提高了 数字图像相关方法digital 机序列影像中大小相同而且密集的 计算效率,同时避免了对序列影像中 image correlation,DlC,又称数 标志点,就会显得很烦琐。与十字 大小相同而且密集的目标点的错误跟 字散斑相关方法 digital speckle 搜索法相类似,爬山搜索法也是一 踪。此外,充分利用梯度算法亚像素 correlation method,DSCM,通过 种快速搜索方法,但是其收敛性严 位移估计不需要迭代计算的特点,使 对目标物体表面的不同时刻的两幅 重地依赖于初值的选取。如果初值 用此算法快速估计目标点的亚像素位 数字图像进行相关处理,跟踪一些 的质量不高,可能不收敛或收敛到 移并作为最小二乘算法的迭代初值, 特殊的标志点的运动变化来获取目 错误的解上。在众多的相关搜素算 进行迭代计算,在保证目标点跟踪精 标物表面的位移和变形信息。通过 法中,遗传算法的自适应和智能性 度的同时,跟踪速度快而且跟踪流程 摄像机获取在荷载作用下目标物表 最强,是一种概率意义下的全局搜 简单。 GEOMATICS 2013.10 52 WORLD Vol.20 No.5 地理信息世界技术应用 面的不同时刻的序列影像(如图2 fx ,y ,gx ',y '分别为对应像元 在图像 中看起来像一个大黑斑,搜 i j i j 所示),然后选取其中的一帧图像 索窗口在接近于目标窗口1到2个像 的灰度值; k k (通常为研究的起始帧,t 时刻) 素时,相关系数值很接近,所以本 o1 ff ?x ,y 2 i j 作为基准图像,后续帧为目标图 文采用了多个阈值,并且是计算 m i k j k 像,在基准图像中选取以考察点通 C ,这样C的峰值性更强。当阈值设 k k 41gg ?x ,y 常为较明显的标志点的中心x ,y 2 i j 置过大,部分帧没有搜索结果时, 0 0 m i k j k 为中心的2K+1×2K+1pixel的一 对这些帧用次一级的阈值重新搜索 m2k ?1 个子区又称为匹配 模板 个人简介word模板免费下载关于员工迟到处罚通告模板康奈尔office模板下载康奈尔 笔记本 模板 下载软件方案模板免费下载 ,如图2中 和计算,这样就能保证这部分帧的 数字图像相关方法的基本原 的子区A,在后续帧图像中,比如 结果也是可靠的。根据此次实验的 理较简单,如何提高计算精度和计 在t 时刻的图像中,采用同样大小 特点,本文采用的搜索方法是仅仅 1 算效率是一个关键问题。给定一个 的搜索窗口(如图2中的子区B), 在以基准窗口为中心的一定范围的 相关系数阈值,在目标图像中通过 通过一定的搜索方法,并且按照某 正方形区域内进行搜索,这样比在 一定的方法进行搜索,计算模板窗 一相关函数对模板窗口与搜索窗口 整个图像内进行搜索要节省时间, 口与每个搜索窗口的相关系数值, 进行相关计算,当模板窗口与搜索 同时避免了误匹配,并且编程很容 若是相关系数值超过阈值则搜索完 窗口相关系数值达到或是超过某一 易实现。搜索范围也是通过试探 毕。此时整像素位移u,v的获取就转 选定的阈值时搜索完毕,两个窗口 法,即先用一个较大的范围进行搜 换成了相关系数C峰值的求取,因 中心的变化值如图2中的u,v即是 索,得出结果,很容易发现,在整 此如何合理地设定相关系数阈值, 目标点的整像素位移值。 个实验中标志点只在一个很小的范 围内移动,这样搜索范围也就确定 X X A 下来了。 1.2 亚像素位移值的估计 B 1.2.1 基于梯度算法的亚像素 v 位移估计 根据物体表面上的同一点在 u 变形前后图像上的灰度保持不变的 T t T t Y Y o 1 假设,对于子集A基准图像上的 Q ?x ,y点 的灰度值为 f ?x , y i j i j 图2 二维数字图像相关原理示意图 Fig.2 Schematic diagram of two-dimensional digital image correlation 和在子集B目标图像上的对应点 [5] 如何设计搜索方法以及如何设计搜的灰度值为g ?x , y ?, Qx ,y 本文采用的相关函数 为: i j i j k k 索窗口的大小(文章后面有详细讨 有灰度关系可以表示为: f x ,y f * g x ,y gi j i j i k j k Cf ?x , y? g ?x , y? g ?x ?u x, y ?v y论)是获取整像素位移值的关键 问 i j i j i j *, k k k k 2 2 ?f ?x ,y f* ?g ?x ,y g i j i j i k j k i k j k 题。对于相关系数阈值的设定,本 xx ?u x i i 其中, 其中,x ,y 为子集A中某点的坐 文采用的是试探法,即采用多个阈 yy ?v y i j j j ' ' 标,x ,y 为下式求出的子集B中对 值逐渐递增的 办法 鲁班奖评选办法下载鲁班奖评选办法下载鲁班奖评选办法下载企业年金办法下载企业年金办法下载 ,进行搜索,计 i j u,v分别为基准图像中点x ,y 对 0 0 应点的坐标。 算模板窗口与每个搜索窗口的相关 x, y 应的整像素位移, 分别为与 x x ?ui i 系数值,很快就能找到合适的阈x ,y 方向整像素位移所对应的 亚像 i j yy ?v j j 值。在实验中,由于采用的标志点 GEOMATICS 2013.10 53 WORLD Vol.20 No.5 地理信息世界技术应用 x, y 素位移。将式*对 进行一阶 其中, 化玻璃。模型箱子里是模拟堆积坝xx ?u yy ?v泰勒展开并舍去高阶小量,可得 体,坝体材料为石英砂,在石英砂 i i j j 0 g x ?u x,y ?v yg x ?u,y ?v 为亮度偏移参数, 为对比度拉伸 和玻璃的接触面,按照一定距离埋 i j i j 1x g ?x ?u,y ?vy g ?x ?u,y ?vxi yj i j i j 参数,对于目标窗口中的非整像素 设标志点图3中与石英砂接触的黑 其中,g ,g 为点x ,y 在 xi yj i j 灰度值,通过此点周围4点的灰度值 点,图4是标志点的编号样例,每个 x ,y 方向的灰度梯度。对于真实的 i j 用双线性插值获取。 标志点都插有钢钉以增大标志点与 x, y 微小位移 应使下面的最小平 设 石英砂的摩阻力,使得标志点能与 方距离相关函数取驻值。 F , , p , p , p ,q ,q ,q 0 1 0 1 2 0 1 2 k k2 s x, yf ?x , y g ?x ?u x, y ?v y i j i jgpp x p y , x q y f ?x , yi k j k 0 1 0 1 i 2 j 0 1 i 2 j i js s0,0, ,即 经计算可得 对上式按泰勒级数展开,取至xy 1 k k k k一次项,有 2g g g xi xi yj x 2 i k j k i k j kF F F 0k k k k y 2 F , , p , p , p ,q ,q ,q Fd d dpgg g 0 1 0 1 2 0 1 2 0 1 ixi yjyj p i k j k i k j k i ?00 1 i k k 2 F x , y x y[ fg?u, ?v ?] g i xi i j j dq i i k j k q k k i ?0 i. [ f ?x , y g ?x ?u, y ?v ?] g yj i j i ji k j k0 0 0 0 0 0 0 0 0 F gpp x p y ,q ?q xq y f ?x , y0 1 0 1 i 2 j 0 1 i 2 j i j 点x ,y 在x ,y 方向的灰度梯度为 i j i j 可得到误差方程 g ,g 。用Barron算子计算灰度梯度 xi yj 0 VF ?k dk dk dp ?k dp ?k dp ?k dq ?k dq 1 0 2 1 3 0 4 1 5 2 6 0 7 1 的基于梯度的亚像素位移算法抗噪?k dq 8 2 [8] 声能力强,精度较高 。本文采用 k1,kgpp xp y ,q ?q x ?q y , 1 2 0 1 i 2 j 0 1 i 2 j Barron算子计算灰度梯度: g g g g 1 8 8 1ggx 2, y g x 1, y g x ?1, y g x2, y k ,k x ,k y ,k xi i j i j i j i j 3 1 4 1 i 5 1 j 6 1 12 12 12 12 x x y x 1 8 8 1 ggx , y 2 gx , y 1gx , y ?1 gx , y2 j j j j yj i i i i g g g g 12 12 12 12 k x ,k y , x,y 7 1 i 8 1 j y y x y 1.2.2 最小二乘亚像素位移估计 Barron基本思想:模板窗口与搜索 窗口内影像灰度差的平方和达到极 石英砂一起运动,进而通过跟踪标 2 运动目标跟踪实验及 小。考虑了变形后图像子区形状的 志点达到跟踪坝体表面在模拟地震 其结果分析 改变,同时考虑了模板窗口与搜索 作用下的运动状态。模型箱下面即 2.1 实验概况 窗口内影像亮度的偏移和对比度的 是振动台,模型箱前面的铁块和后 为了验证所提算法的效果,本 变化。 面的钢管上粘贴的是一些控制点。 实验通过两台同步高速相机采集了 假设基准图像中的图像子区 2.2 实验结果 模拟地震振动台试验的序列影像。 A内的Q点坐标为x ,y ,灰度为 i j 实验中,以Kobe地震波实验中 采用的两台高速相机为Falcon 4M60 fx ,y ,在变形后的目标图像子区 i j 仅沿着一个方向激励实验模型,用 工业数字摄像机,其分辨率为2 352 ' ' B中的位置为Q'x ,y ,灰度为 i j 两台高速相机同步采集序列影像。 ×1 728 pixel,采集频率为60帧/ gpp xp y ,q ?q x ?q y 0 1 i 2 j 0 1 i 2 j 在左、右相机采集的序列影像中都 s。本实验的被振动结构是一模型箱 且存在如下对应关系: 以同一时刻为起始帧,各取连续的 f ?x , ygpp xp y , xq y 子,模型箱子的外表面采用的是钢 i j 0 1 0 1 i 2 j 0 1 i 2 j GEOMATICS 2013.10 54 WORLD Vol.20 No.5 地理信息世界技术应用 踪结果会与PhotoModeler Scanner 的跟踪结果有一个恒定的偏移(取 整产生的)。以7号标志点为例,最 小二乘算法的计算中误差应该接近 0.455 pixel。计算结果见表1,2所 列。其中梯度算法的计算中误差为 σ σ ,最小二乘的计算中误差为 。 图3 左、右相机拍摄的实验图片 1 2 Fig.3 Left and right camera experimental pictures 对左相机序列影像中的4号标志 点,像素坐标1415.163,946.450, 整像素搜索窗口大小为71×71 pixel,梯度算子窗口大小为21×21 pixel,亚像素的计算结果与 PhotoModeler Scanner的计算结果 ~ 如图5 8所示。设k为初始偏移值取 整产生,k0.163 pixel。 图4 标志点的编号 Fig.4 The number of target points 图4中的10个标志点,整像素搜 100帧影像。在亚像素位移数字图 比如左相机7号标志点中心取为 索窗口大小为71×71 pixel,梯度 像相关测量中,计算窗口的选择对 (1607,936),以PhotoModeler 算子窗口大小为21×21 pixel,左 测量结果的精度和效率有着很大的 Scanner的跟踪结果为真值,最小二 右相机序列影像100帧的跟踪结果统 [9] 影响 。本文以左相机的序列影像 乘算法的跟踪结果为观测值,计算 计见表3,4所列其中,梯度算法的 中的7号标志点中心(PhotoModeler 中误差。这样,最小二乘算法的跟 计算中误差为 σ ,最小二乘的计算 1 Scanner提取的椭圆中心)像素坐 标(1607.455,936.038)为例,按 照上述方法,考察整像素、梯度算 子窗口大小对结果的影响。最小二 乘亚像素位移估计算法,对整像素 位移初值的依赖很大,当位移初值 不够准确时,可能不收敛,所以本 文采用梯度法亚像素位移估计的结 图5 梯度算法与PhotoModeler Scanner的计算结果 σ 0.160 pixel 1 Fig.5 The results of gradient algorithm and PhotoModeler Scanner 果作为最小二乘亚像素位移估计算 法的初值,收到很好的效果。当某 一帧亚像素位移估计不收敛时,采 用梯度算法的结果替代。为了便于 计算和比较,本文以PhotoModeler Scanner 提取的椭圆中心像素坐 图6 梯度算法与PhotoModeler Scanner的计算结果相减差值图 标取整后作为基准窗口的中心, Fig.6 The difference between Gradient algorithm and PhotoModeler Scanner GEOMATICS 2013.10 55 WORLD Vol.20 No.5 地理信息世界技术应用 验中整像素计算窗口最小从31×31 pixel的矩形开始当整像素计算窗 口取得过小时,计算结果很差。上 述的实验结果, 总结 初级经济法重点总结下载党员个人总结TXt高中句型全总结.doc高中句型全总结.doc理论力学知识点总结pdf 如下: 1)计算窗口的选择对整像素位 移的求取和亚像素位移的估计影响 很大。综合考虑计算精度和计算时 间,单独使用梯度算法时,最佳的 图7 最小二乘算法与PhotoModeler Scanner的计算结果 σ 0.163 pixel 2 Fig.7 The results of Least-squares algorithm and PhotoModeler Scanner 整像素计算窗口为71×71 pixel, 梯度算子窗口为21×21 pixel,本 实验中每个目标点100帧的跟踪时间 约为28s;联合使用梯度算法和最小 二乘算法时,最佳的整像素计算窗 口为31×31 pixel,梯度算子窗口为 21×21 pixel,本实验中每个目标点 图8 最小二乘算法与PhotoModeler Scanner的计算结果相减差值图 Fig.8 The difference between Least-squares algorithm and PhotoModeler Scanner 100帧的跟踪时间约为33s。 2)当标志点的图像质量较好 表1 计算子窗口对计算结果的影响梯度算法的计算中误差σ ,单 位:pixel 1 Tab.1 Sub-window on the results of calculation 即上述k值小于0.05 pixel时,单 pixel 独使用梯度算法的计算中误差与联 5×5 11×11 21×21 31×31 41×41 51×51 61×61 71×71 81×81 91×91 合使用梯度算法和最小二乘算法的 31×31 0.607 0.436 0.452 0.462 \ \ \ \ \ \ 41×41 0.607 0.436 0.452 0.462 0.463 \ \ \ \ \ 计算中误差都与起始点的偏差很接 51×51 0.608 0.437 0.452 0.462 0.463 0.468 \ \ \ \ 近,结果都比较好。 61×61 0.608 0.437 0.452 0.462 0.463 0.468 0.477 \ \ \ 71×71 0.589 0.431 0.452 0.461 0.462 0.466 0.475 0.480 \ \ 3)对于PhotoModeler Scanner 81×81 0.587 0.431 0.452 0.461 0.462 0.466 0.475 0.480 0.479 \ 软件,本实验中每个目标点100帧的 91×91 0.589 0.431 0.452 0.461 0.462 0.466 0.475 0.480 0.479 0.478 跟踪时间约为45s不包括手工选择 表2 计算子窗口对计算结果的影响最小二乘算法的计算中误差σ ,单 位:pixel 2 目标点的时间,即每个点的跟踪 Tab.2 Sub-window on the results of calculation pixel 时间本方案节约12s。若一个工况的5×5 11×11 21×21 31×31 41×41 51×51 61×61 71×71 81×81 91×91 采集时间按30s计算,即每个工况有 31×31 0.487 0.465 0.458 0.460 \ \ \ \ \ \ 41×41 0.489 0.465 0.460 0.461 0.462 \ \ \ \ \ 1800帧图像,10个工况20个目标点 51×51 0.489 0.469 0.460 0.462 0.462 0.462 \ \ \ \ 的总共跟踪时间节省720min。由于 61×61 0.497 0.470 0.462 0.463 0.463 0.464 0.465 \ \ \ PhotoModeler Scanner软件每次只能 71×71 0.483 0.460 0.457 0.458 0.458 0.458 0.459 0.458 \ \ 81×81 0.487 0.460 0.459 0.460 0.460 0.460 0.461 0.460 0.460 \ 计算500帧数据量约合2G左右的影 91×91 0.473 0.464 0.458 0.462 0.462 0.463 0.463 0.462 0.462 0.462 像,一个工况需要分解成若干段序 中误差为 σ ;r_表示右相机,l_表 跟踪的最大偏差。 2 列影像,对于每一段影像序列都需 示左相机;a 表示由取整产生的起 2.3 实验结果分析 0 要手工选取目标点,10个工况影像 始偏差;k是PhotoModeler Scanner 由于本实验采用的圆标志点直 分段和手工选取目标点的时间总共 的跟踪精度参数之一,表示起始帧 径大小约为27~29个像素,所以实 约合250min。本方案对于这10个工 GEOMATICS 2013.10 56 WORLD Vol.20 No.5 地理信息世界技术应用 表3 右相机10个标志点两种亚像素估计算法的计算中误差单位:pixel 本方案是基于窗口匹配的,所以依 Tab.3 Right camera 10 target points error in the calculation of two kinds of subpixel algorithmpixels 然可以跟踪。对于左右相机同名 r_a r_k r_ r_0 1 2 点的跟踪,在已知第一对同名点的 1 0.286 0.09 0.210 0.205像素坐标(可以通过PhotoModeler 2 0.154 0.03 0.120 0.1293 0.084 0.1 0.019 0.021Scanner软件,取 对应标志点的椭圆 4 0.156 0.13 0.243 0.251中心像素坐标时),分别对两相机 5 0.386 0.09 0.282 0.288的序列影像的运动目标进行跟踪, 6 0.160 0.07 0.088 0.081从而得到序列影像对应同名点的像 7 0.209 0.05 0.182 0.179素坐标。由于本跟踪方案是基于灰 8 0.468 0.1 0.415 0.4169 0.029 0.05 0.094 0.092度的和基于窗口 匹配的,所以光照 10 0.245 0.12 0.135 0.145对跟踪的结果影响很大,稳定均匀 表4 左相机10个标志点两种亚像素估计算法的计算中误差(单位:pixel) 的光照会使得标志点与其周围领域 Tab.4 Left camera 10 target points error in the calculation of two kinds of subpixel algorithmpixels 产生强烈的对比度,这是保证良好 r_a r_k r_ r_ 0 1 2 1 0.488 0.02 0.473 0.477 跟踪结果的必要条件。 2 0.022 0.01 0.032 0.035参考文献 3 0.414 0.09 0.487 0.486[1] Olaszek,P..Investigation of the 4 0.163 0.01 0.160 0.163dynamic characteristic of bridge 5 0.458 0.09 0.397 0.394structures using a computer 6 0.447 0.05 0.483 0.488vision method[J].Measurement, 7 0.455 0.01 0.452 0.4571999,253:227-236. 8 0.148 0.03 0.140 0.139[2] Fraser,C.S.,Riedel,B..Monitoring 9 0.031 0.06 0.013 0.022the thermal deformation of steel 10 0.368 0.02 0.376 0.376beams via vision metrology[J]况的跟踪时 间总共约节省970 min。 结果很稳定,精度较好,收敛速度 ISPRS Journal of Photogrammetry and Remote Sensing,2000, 也很快,所以当影像成像质量稍差 3 结 论 554:268-276. 时,亚像素估计需联合使用梯度算 本文提出的人工标志点的 [3] Chu,T.C.,Ranson,W.F.,Ranson, 法和最小二乘算法。 快速、准确跟踪方案,在本次实 M.A.,et al.Applications of 3)合理选择局域搜索方法的 Digital Image Correlation 验中的跟踪结果通过与商业软件 搜索范围和相关阈值以及合理选 Techniques to Experimental PhotoModeler Scanner对比,得到 择亚像素估计算法将大大减少目标 Mechanics[J].Experimental 较好验证。 点的跟踪时间。对于整个实验采集 Mechanics,1985,253: 232-245. 1)由于梯度算法的亚像素估计 的影像序列,本方案节省的跟踪 [4] Bruck,H.A.,McNeill,S.R.,Sutton, 不需要迭代运算,计算速度是最快 M.A.,et al.Digital image 时间相对于商业软件PhotoModeler 的,亚像素估计精度也很好,所以 correlation using Newton-Raphson Scanner而言将很可观,而且对于 当影像成像质量较好时,亚像素估 method of partial differential PhotoModeler Scanner软件无法跟 计可单独使用梯度算法。 correction[J].Experimental 踪(不能通过边缘检测拟合出合格 Mechanics, 1989, 293:261-2672)以梯度算法的计算结果作 的椭圆)的那些边界不完整(实验 [5] 芮嘉白,金观昌,徐秉业.一种新的数 为最小二乘算法的迭代初值,计算 中被石英砂掩盖)的目标物,由于 GEOMATICS 2013.10 57 WORLD Vol.20 No.5 地理信息世界