买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉合肥工业大学申请的专利用于大变形测量的高稳健性三维数字图像相关方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116188557B 。

龙图腾网通过国家知识产权局官网在2026-01-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310211965.4，技术领域涉及：G06T7/593；该发明授权用于大变形测量的高稳健性三维数字图像相关方法是由卢荣胜;程珊珊;刘旭设计研发完成，并于2023-03-07向国家知识产权局提交的专利申请。

本用于大变形测量的高稳健性三维数字图像相关方法在说明书摘要公布了：本发明公开了一种用于大变形测量的高稳稳健性三维数字图像相关方法，包括：1.标定双相机拍摄系统并通过双目相机拍摄拉伸试样变形图像；2.在参考图上确定网格点，搜索同时刻右图上的对应匹配点；3.搜索时序上对应匹配点4.分别用同一时刻左图和右图上的匹配点互相校验和修正，左图修正右图上错误匹配点，右图修正左图上错误匹配点，形成闭合校验修正；5.闭合校验无法修正的再通过更新参考图像的方法进行修正，最后再进行一次封闭校验，保证了最后匹配点的稳健性；6.利用经过校验和修正的匹配点结合相机标定数据进行不同时刻三维点的重建和应变计算。本发明可以实现大变形情况下高精度高稳健性的位移和变形测量。

本发明授权用于大变形测量的高稳健性三维数字图像相关方法在权利要求书中公布了：1.一种用于大变形测量的高稳健性三维数字图像相关方法，其特征在于，包括如下步骤： 步骤1、通过张正友标定法获取左、右相机的内部参数和外部参数，其中，所述内部参数，包括：焦距、主点坐标以及镜头畸变系数；所述外部参数包括：左、右相机间的旋转矩阵R和平移矢量T； 步骤2、左、右相机在固定时间间隔下同步采集N个时刻的左、右拉伸变形图像，并利用所述镜头畸变系数对各时刻的左、右拉伸变形图像进行矫正，得到各时刻矫正后的左、右图； 步骤3、以0时刻矫正后的左图作为0时刻立体匹配参考图像，以0时刻矫正后的右图作为0时刻立体匹配目标图像，对0时刻左、右图上的二维坐标点进行立体匹配、校验及0时刻的三维坐标点重建； 步骤3.1、在所述0时刻立体匹配参考图像上选定感兴趣区域，并将所述感兴趣区域划分成网格，所述网格上的各个交点分别作为待计算点； 步骤3.2、以0时刻立体匹配参考图像上的一个待计算点Pl0为中心点，并围绕所述中心点选取一个尺寸为M×M的区域作为0时刻参考子区，利用式1-1得到待计算点Pl0在0时刻立体匹配的目标图像上对应的极线lpr： lpr＝Fpl1-1 式1-1中，pl为0时刻立体匹配参考图像上待计算点Pl0的齐次坐标，F为基本矩阵，且Al和Ar分别为左、右相机的内部参数，R为旋转矩阵；S是与左、右相机平移矢量T相关的反对称矩阵； 依次选取极线lpr上的各个坐标点为中心，并围绕所述中心选取尺寸为M×M的区域作为0时刻立体匹配的目标子区，采用零均值归一化互相关函数ZNCC计算0时刻参考子区分别与0时刻立体匹配的目标子区的相关度，并将相关度最大的目标子区所对应的中心作为所述0时刻立体匹配参考图像上待计算点Pl0的匹配点； 步骤3.3、利用二阶反向组合高斯牛顿算法对待计算点Pl0的匹配点进行精度优化，得到待计算点Pl0在0时刻立体匹配目标图像上的亚像素匹配点Pr0及其周围尺寸为M×M的亚像素灰度矩阵Gr0； 步骤3.4、将所述0时刻立体匹配目标图像上的亚像素匹配点Pr0作为新的待算点，采用极线约束粗搜索和二阶反向组合高斯牛顿算法进行精度优化，得到新的待算点Pr0在0时刻立体匹配参考图像上的匹配点P′l0； 校验Pl0和P′l0之间的距离dl0，若距离dl0小于阈值，则表示匹配正确，并执行步骤3.5，否则，剔除匹配点Pl0，并返回步骤3.2继续处理下一个待计算点； 步骤3.5、根据立体视觉原理，利用待计算点Pl0、亚像素匹配点Pr0的坐标以及相机内、外参数重建0时刻的一个三维坐标点W0；从而得到0时刻的所有匹配正确的点对应的三维坐标点； 步骤4、计算各变形时刻的三维坐标点； 步骤4.0、定义当前时刻为n，并初始化n＝1；以0时刻矫正后的左图作为左参考图像； 步骤4.1、以n时刻矫正后的左图作为n时刻左序列时序匹配目标图像，并对所述左参考图像进行时序匹配： 选取所述左参考图像上的待计算点Pl0为中心的尺寸为M×M的参考子区，采用限定范围的隔点搜索和一阶反向组合高斯牛顿算法计算待计算点Pl0在n时刻左序列时序匹配目标图像上的匹配点Pln，以及Pl0和Pln之间的相关度corrl0_ln和Pln周围尺寸为M×M的亚像素灰度矩阵Gln； 步骤4.2、以0时刻矫正后的右图作为右参考图像，n时刻矫正后的右图作为n时刻右序列时序匹配目标图像，并进行时序匹配： 以所述右参考图像上的亚像素灰度矩阵Gr0作为参考子区，采用限定范围的隔点搜索和一阶反向组合高斯牛顿算法计算Pr0在n时刻右序列时序匹配目标图像上的匹配点Prn，以及Pr0和Prn之间的相关度corrr0_rn和Prn周围尺寸为M×M大小的亚像素灰度矩阵Grn； 步骤4.3、n时刻矫正后的左图和n时刻矫正后的右图之间的闭合校验和修正； 步骤5、将n+1赋值给n后，返回步骤4.1顺序执行，直到nN为止，从而得到不同时刻三维坐标点，并用于计算三维坐标变化时的位移和应变，N表示时刻总数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。