Aplicación del flujo óptico de Lucas-Kanade en la correlación de imágenes digitales (DIC) para la medición de deformaciones en ensayos de tracción

Abstract

El presente trabajo se centra en el procesamiento y análisis de videos de ensayos de tracción, con especial énfasis en la detección y seguimiento de puntos de referencia. Para ello, se ha desarrollado un programa en Python utilizando OpenCV, empleando el algoritmo de Lucas-Kanade para el seguimiento óptico de los puntos. La disposición de estos puntos puede realizarse de forma manual o automática mediante una matriz generada a lo largo de la superficie visible de la probeta. Además, se han definido dos ROIs (Regions of Interest) para analizar la diferencia entre las velocidades medias de los puntos dentro de cada una, permitiendo así estudiar la deformación de la probeta y compararla con los valores reales proporcionados por los sensores lineales de posición de cada cilindro. La creación de estas ROIs puede efectuarse manualmente o de manera automatizada, basándose en el ancho de la probeta y la posición del pin, garantizando su correcta ubicación en la pantalla de estudio y ajustándolas cuando sea necesario para evitar pérdidas de información. Asimismo, se ha estandarizado la resolución de los videos para eliminar distorsiones y asegurar la coherencia en el seguimiento de los puntos, dado que los videos originales presentan resoluciones variables. Se ha optimizado el procesamiento de datos en Excel, organizando los ensayos de forma estructurada sin pérdida de información y facilitando su análisis. Además, se han implementado mejoras en la precisión del cálculo de desplazamientos, teniendo en cuenta la conversión de coordenadas, la interpolación de píxeles y la corrección de la curvatura que se pierde en la imagen al realizar un análisis DIC 2D con las características particulares del ensayo. Por último, se ha automatizado la detección del inicio del movimiento y la rotura de la probeta, contribuyendo a un análisis más preciso y eficiente de los ensayos. Todo ello permite una captura de datos más fiable y un procesamiento optimizado, mejorando la precisión y automatización del estudio de la tracción.

This project focuses on the processing and analysis of tensile test videos, with a particular emphasis on detecting and tracking reference points. To achieve this, a Python-based program has been developed using OpenCV, utilizing the Lucas-Kanade algorithm for optical flow tracking. The placement of these points can be done either manually or automatically by generating a grid across the visible surface of the specimen. Additionally, two Regions of Interest (ROIs) have been defined to analyze the difference in average velocities of the points within each region, enabling the study of the specimen's deformation and its comparison with the actual values obtained from the linear position sensors of each cylinder. These ROIs can be created manually or automatically, based on the specimen's width and the pin's position, ensuring their accurate placement on the study screen and adjusting them as needed to prevent data loss. Furthermore, the video resolution has been standardized to eliminate distortions and ensure consistent point tracking, as the original videos have varying resolutions. Data processing in Excel has been optimized, organizing the tests in a structured format without losing information and simplifying their analysis. Additionally, improvements have been made to enhance the accuracy of displacement calculations, incorporating coordinate conversion, pixel interpolation, and curvature correction to account for the limitations of 2D Digital Image Correlation (DIC) analysis in the context of this specific test. Finally, the detection of the initial movement and the specimen's fracture has been automated, contributing to a more precise and efficient analysis of the tests. Overall, these advancements enable more reliable data capture and streamlined processing, improving the accuracy and automation of tensile testing studies.