一种全局自适应视觉测量及内部变形反演方法

本申请公开了一种全局自适应视觉测量及内部变形反演方法，涉及计算机视觉测量技术领域，该方法包括通过卷积神经网络提取图像特征；采用滑动窗口机制分段处理，存储跟踪点位置；针对每一跟踪点，引入变形协调的物理约束；训练Transformer模型，多次迭代更新跟踪点的位置并全局变形测量；以零均值归一化最小距离平方标准为损失函数，以更新后的跟踪点位置作为初始值，使用Adam优化神经网络参数和节点位移；根据优化结果导出全局位移场和应变场；结合最小势能物理规律和本构关系，以表面位移作为边界条件反演物体内部应变。本申请将CNN、Transformer模型和物理规律相结合，可以提升视觉测量的准确性。