Subset-based local vs. finite element-based global digital image correlation: A comparison study

数字图像相关 流离失所(心理学) 有限元法 约束(计算机辅助设计) 要素(刑法) 图像(数学) 像素 位移场 计算机科学 运动学 算法 数学 人工智能 结构工程 物理 工程类 几何学 光学 心理学 法学 政治学 心理治疗师 经典力学
作者
Bo Wang,Bing Pan
出处
期刊:Theoretical and Applied Mechanics Letters [Elsevier]
卷期号:6 (5): 200-208 被引量:68
标识
DOI:10.1016/j.taml.2016.08.003
摘要

Being the two primary approaches for full-field kinematics measurements, both subset-based local digital image correlation (DIC) and finite element-based global DIC have been extensively studied. Nowadays, most commercial DIC systems employ local DIC algorithm because of its advantages of straight forward principle and higher efficiency. However, several researchers argue that global DIC can provide better displacement results due to the displacement continuity constraint among adjacent elements. As such, thoroughly examining the performance of these two different DIC methods seems to be highly necessary. Here, the random errors associated with local DIC and two global DIC methods are theoretically analyzed at first. Subsequently, based on the same algorithmic details and parameters during analyses of numerical and real experiments, the performance of the different DIC approaches is fairly compared. Theoretical and experimental results reveal that local DIC outperforms its global counterpart in terms of both displacement results and computational efficiency when element (subset) size is no less than 11 pixels.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
2秒前
2秒前
聪慧代天完成签到,获得积分20
2秒前
3秒前
Baozi发布了新的文献求助10
4秒前
jideli发布了新的文献求助10
6秒前
现代的竺完成签到,获得积分20
8秒前
8秒前
春夏爱科研完成签到,获得积分10
8秒前
追寻冬萱完成签到,获得积分10
10秒前
11秒前
11秒前
生动芝麻完成签到,获得积分10
11秒前
14秒前
mouxq发布了新的文献求助10
16秒前
17秒前
Baozi完成签到,获得积分10
19秒前
hhkj发布了新的文献求助10
19秒前
晗月完成签到,获得积分10
20秒前
21秒前
sqk发布了新的文献求助10
23秒前
24秒前
贾克斯发布了新的文献求助10
24秒前
张璋完成签到,获得积分10
24秒前
27秒前
hhkj完成签到,获得积分20
27秒前
都不好听完成签到,获得积分10
30秒前
呀鸭呀发布了新的文献求助50
32秒前
sqk完成签到,获得积分10
33秒前
33秒前
鱼爱吃猫耳朵完成签到,获得积分10
35秒前
石莫言完成签到,获得积分10
35秒前
SciGPT应助都不好听采纳,获得10
35秒前
36秒前
bkagyin应助kk采纳,获得10
38秒前
brianzk1989完成签到,获得积分10
39秒前
萧水白应助如果多年后采纳,获得10
40秒前
41秒前
白水完成签到,获得积分10
43秒前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Cognitive Paradigms in Knowledge Organisation 2000
Introduction to Spectroscopic Ellipsometry of Thin Film Materials Instrumentation, Data Analysis, and Applications 1800
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
How Maoism Was Made: Reconstructing China, 1949-1965 800
Barge Mooring (Oilfield Seamanship Series Volume 6) 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3314062
求助须知:如何正确求助?哪些是违规求助? 2946490
关于积分的说明 8530274
捐赠科研通 2622160
什么是DOI,文献DOI怎么找? 1434341
科研通“疑难数据库(出版商)”最低求助积分说明 665242
邀请新用户注册赠送积分活动 650804