XTDIC三維全場應變測量系統(tǒng)，是運用數(shù)字圖像相關技術（dic產品）的非接觸式光學測量方式，不受被測材料限制（非接觸式測量可用于測軟質材料、高溫復雜環(huán)境下測量）。通過將全場測量和標靶點測量技術結合，相對于接觸式測量，它的測量范圍可從毫米級到數(shù)十米的結構件。
非接觸式全場應變測量（dic產品）方案，無需對被測試樣進行復雜和費時的制備，不受試樣的幾何形狀和溫度局限，測量精度高，分辨率可以達到亞微米級別。
在一些復雜的應力應變測試中，比如土木工程行業(yè)測試大尺寸結構件的動態(tài)裂紋擴展，這些對于接觸式測量（DIC）方式來說可能難以應付，因為斷裂大變形容易損壞接觸式測量設備。非接觸式全場應變測量通過搭配高相機分辨率來獲得細微裂紋的變形和局部應變，同時可以通過高采集頻率，來滿足高頻震動測試的速度要求，完整記錄失效瞬間的變形過程。
數(shù)字圖像相關法（dic產品）是一種通過對物體表面變形前后的兩幅圖像進行相關計算來求取位移及變形的方法。在參考圖像中，取以待匹配點為中心的(2M+1)×(2M+1)大小的矩形圖像子區(qū)，在待匹配圖像中，通過一定的圖像搜索方法，尋找與選定的圖像子區(qū)相關系數(shù)（相似程度）最大的以為中心的目標圖像子區(qū)，則點即為點在待匹配圖像中的對應點，對于二維DIC測量，待匹配圖像中點的坐標與參考圖像中點的坐標之差即為待測點位移。重復這一過程，可得到物體表面全場的位移。
數(shù)字圖像相關原理圖
在圖像搜索過程中，預定義的相關系數(shù)是衡量參考圖像子區(qū)與目標圖像子區(qū)之間相似程度的函數(shù)。數(shù)字圖像相關法（dic產品）就是通過求取相關系數(shù)的極值來完成圖像匹配，然后計算得到位移、應變場。
考慮散斑圖像dic產品的質量較差，整個測量的時間歷程較長，因此需引入光強的線性變換，從而使子區(qū)灰度的散斑匹配對外界光強的線性變化具有抗干擾能力，提高相關計算的準確性和穩(wěn)定性。
從相關系數(shù)的定義可以看出，在進行參考圖像子區(qū)和目標圖像子區(qū)相關系數(shù)求解時，需要利用映射函數(shù)對參考圖像子區(qū)內所有像素點的變形和運動進行描述。在實際情況下，物體在受力產生變形時，不僅有簡單的平移，還會有轉動、伸縮、扭曲、剪切等變形，因此，物體表面一點的坐標變化除了位移之外，還需要考慮導數(shù)項，即變形后的坐標變化。
在計算相關系數(shù)的過程中，需要用到參考子區(qū)與變形子區(qū)中每一個像素點的灰度值。在參考圖像中，取整像素的灰度值參與計算，但是在變形子區(qū)中，相應的點坐標可能因為已變形的原因坐落在兩個像素中間即位于亞像素的位置。
由于離散的數(shù)字圖像（dic技術）只能獲得整像素位置的灰度值，因此需要運用插值的方法來計算亞像素位置的灰度值從而提高計算精度。雙三次樣條插值具有對亞像素位置處灰度較強的預測能力，本文灰度迭代運算中使用雙三次插值。
雙目立體視覺原理
相機成像模型
物體點經過攝相機鏡頭攝影后成像到像平面上，理想的投影成像模型是幾何光學中的小孔成像模型。如圖所示，攝影鏡頭的光學中心為S，物方點P經過S投影到像平面上的像為p，O為主點，SO之間距離為焦距f。
中心透視投影
實際成像時，主點的像平面坐標不嚴格為零，而存在一微小值，另外由于攝像鏡頭的物鏡畸變等因素的存在，使得各像點在像平面上相對其理論位置也存在偏差。
鏡頭畸變模型
dic產品相機的內方位參數(shù)包括主點坐標，焦距以及各種鏡頭畸變，其中鏡頭畸變包括徑向畸變，切向畸變和面內畸變等。研究發(fā)現(xiàn)，引入的鏡頭畸變系數(shù)過多，反而會影響相機標定算法的穩(wěn)定性，甚至導致算法的不收斂，所以目前大多數(shù)研究者所提出的標定算法通常只考慮二階徑向畸變，而事實上忽略高階的畸變系數(shù)勢必降低了標定精度。因此，本文的標定算法將所有可能的三階徑向畸變以及切向畸變和面內畸變都考慮在內。
雙目視覺的基本原理與人類雙目視覺的立體感知過程類似，即從兩個視點觀察同一物體得到不同視角下的感知圖像，通過三角測量原理計算不同圖像中同一像點的視差來獲取物體表面的三維形狀信息。
基于攝影測量的相機自標定
相機標定即求解相機內、外參數(shù)的過程。常用的標定方法一般通過標定參考物已知的三維坐標與對應的圖像坐標的關系來確定相機的內、外參數(shù)，因此要求標定參考物具有很高的制作精度，這無疑增加了標定參考物加工生產的難度?；跀z影測量的相機自標定方法只要已知標定板上一對標識點的精確距離就可以準確的解算出相機的內、外參數(shù)，不需要高精度的標定板，因此使用非常方便靈活。
對于誤差方程，如果以圖像坐標作為觀測值，把相機的內、外參數(shù)和物方點坐標都當作未知數(shù)來求解，該過程稱之為光束平差，求解都通過最小二乘算法實現(xiàn)?；跀z影測量的相機標定過程主要包括空間后方交會、空間前方交會和捆綁調整等算法，其中空間后方交會和空間前方交用于初值計算，捆綁調整則用于最終優(yōu)化。整個過程屬于多參數(shù)非線性優(yōu)化，所有的相機內、外參數(shù)以及物方點三維坐標被不斷迭代計算直到達到預先設定的精度要求。
使用數(shù)字散斑技術（dic產品）兩個CCD數(shù)字攝像機，標定過程中2個攝像機同時在8個不同方位對標定板進行拍攝，共獲得16幅圖片，標定過程中用到的兩幅圖像。雙目攝像機標定與單攝像機標定的不同之處在于除了內參數(shù)的標定計算外，還需要計算兩個攝像機之間的外參數(shù)，也就是兩個攝像機坐標系之間的旋轉矩陣R和平移矩陣T。
雙目立體重建
對于兩幅圖像來說，采用三角法即可計算一對匹配像點所對應的空間點三維坐標。通過數(shù)字圖像相關法（dic）進行散斑匹配可以得到同一狀態(tài)下左右攝像機圖像上同一物體場景中的像素點對，經過標定矩陣轉換計算后，能夠將相機像平面上的物體像素信息與物體空間三維坐標值信息相對應，經過攝像機三維重建計算后，最終可在三維空間中還原出物體三維立體模型。
在三維重建過程中，前面介紹的攝像機標定、立體匹配等技術是雙目立體視覺三維物體重建的基礎。運用雙目立體視覺技術進行坐標重建時，需要首先根據攝像機的標定結果，計算出攝像機投影矩陣M的元素。
然后結合已經獲得的圖像匹配點坐標值，通過標定計算和坐標轉換求解可解算出物體表面目標點的三維坐標信息。其中，X、Y、Z是要計算的空間點的三維坐標，a、b分別為兩幅圖像投影矩陣的元素，為該空間點在第一個攝像機圖像中的像坐標，為該空間點在第二個攝像機圖像中的像坐標。4個方程解算3個未知數(shù)，利用最小二乘法即可計算出最優(yōu)解。這樣就可以得到所有變形狀態(tài)采用相同的相機標定參數(shù)進行三維坐標重建。然后，以狀態(tài)1作為參考狀態(tài)，任一變形狀態(tài)的三維點坐標減去參考狀態(tài)對應的三維點坐標就可得到該狀態(tài)的三維變形。
變形追蹤及應變計算
基于雙目立體視覺測量系統(tǒng)的處理方法中，要得到所測物體的三維信息，實現(xiàn)兩個攝像機采集到的圖像信息匹配工作，最終需要完成兩個方面的工作：
一是相關搜索，這個過程主要實現(xiàn)同一個攝像機采集到的物體不同變形狀態(tài)點信息的匹配工作；
二是左右相機采集的相同物體信息的立體匹配，包含物體成形過程中的所有狀態(tài)，其中，每個狀態(tài)又包含左右相機兩幅圖像的信息。
首先，在左相機圖像的相關區(qū)域中指定一個子點，然后在右相機中進行種子點匹配，完成種子點的匹配后即確定了左右相機中對相同的物體點信息的聯(lián)系。
接著在左相機中對劃定感興趣區(qū)域的所有狀態(tài)圖像的像素信息進行相關匹配，右相機匹配的過程中，參照已經匹配成功的種子點依次進行相關匹配同時還需要滿足與左相機的各種限制約束規(guī)則，最終，將左右相機中所有狀態(tài)的圖像都成功的匹配出來。圖像匹配結束后，結合攝像機標定參數(shù)，通過轉換計算和最終補償修正就可以得到物體最終的三維坐標點信息。
圖像匹配相關過程
數(shù)據平滑處理
由于散斑圖像(dic產品)的質量較差，加上相機尺寸工作的熱噪聲以及長時間照明情況下環(huán)境光場的隨機調勻，這都會導致測量得到的變形場與應變場不均勻。而理論上熱體在冷卻過程中盡管可能發(fā)生有區(qū)域應力集中的現(xiàn)象，但是整體發(fā)生的變形應該是平滑的。因此，必須對計算得到的數(shù)據點進行平滑濾波處理。
dic軟件計算得到的變形數(shù)據可看做是測量得到的動態(tài)信號，因此可使用常見的一維和二維數(shù)據濾波方法進行計算。本文在針對每個狀態(tài)下的二維變形場，使用高斯平均濾波器進行低通濾波，而單點的變形與應變時間歷程下，使用一維平均濾波法。以下簡單介紹滑動平均法。
滑動平均法的最主要特點在于簡捷性。它相對于其它動態(tài)測試數(shù)據處理方法而言，算法很簡便,計算量較小，尤其可采用遞推形式來計算，可節(jié)省存貯單元，快速且便于實時處理非平穩(wěn)數(shù)據等，這些是滑動平均法的優(yōu)點，也是這種古老算法至今仍有實用價值的主要原因。
另一方面，滑動平均法又存在一定的主觀性和任意性。因為其應用效果很大程度上取決于各種算法參數(shù)的選定。通常依據動態(tài)測試過程本身變化的機理,以及實際測試數(shù)據的具體變化狀態(tài),而靠經驗來盡量合理地選定滑動平均算法的參數(shù)。
已知動態(tài)測試數(shù)據y(t)由確定性成分f(t)和隨機性成分e(t)組成，且前者為所需的測量結果或有效信號，后者即隨機起伏的測試誤差或噪聲。