大体积的全局数字体积相关性子体积自适应网格划分方法

数字体积相关(DVC)是一种强大的图像分析技术，用于材料科学和工程领域，用于研究复杂3D结构的机械行为和变形。通过比较在不同负载或变形状态下捕获的一对3D数字图像中的体素强度，DVC使研究人员能够以高精度和非侵入性方式跟踪和量化位移、应变和其他机械特性。

这种非破坏性定量方法在研究各种材料(从生物组织和复合材料到多孔材料)方面具有广泛的应用，为了解其在各种条件下的机械响应提供了宝贵的见解，并为理解材料的机械行为、工程和应用做出了重大贡献。生物医学应用。

解决局限性

DVC可以以本地或全局方式执行。在局部方法中，3D图像通常被划分为多个子体积，并计算每个子体积的位移插值的独立参数。对于每个子体积，计算后续3D图像中的匹配子集，以最大化它们的相关性。在全局方法中，计算用于整个3D图像上的位移插值的全局共享参数集。总体而言，由于全局位移插值的连续性，全局方法的DVC结果精度高于局部方法。

然而，更广泛使用全局DVC的主要限制是硬件限制，因为在优化过程中需要大量的计算能力来存储和更新整个参考和变形的3D图像。

曼彻斯特大学Harwell数据分析经理FabienLeonard博士开发了一种基于子体积自适应网格划分方法的解决方案，可对大于运行DVC算法的硬件所施加的大小限制的体积执行全局DVC。

该方法依赖于将大网格体积划分为较小的重叠体积和相应的网格，计算机硬件可以连续处理这些网格以执行全局DVC。然后，评估重叠区域中的节点，并将所得子卷全局DVC结果合并到覆盖整个XCT卷的单个输出结果文件中。

通过在压缩机械负载下对石墨样品进行原位测试进行演示，感兴趣的体积比计算硬件允许的大一个数量级，网格尺寸大两个数量级，它提供了一种解决方案来克服硬件限制在需要大体积全局DVC的情况下，用户可以定义网格密度以适应样本内的预期损坏位置。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！