🔬 optics

Projection-based coupling of infrared thermography and stereocorrelation-based digital image correlation

Este artículo propone un método de acoplamiento basado en proyección que utiliza un modelo de cámara estenopeica y funciones de base radial para mapear con precisión los datos de temperatura de termografía infrarroja sobre las coordenadas de superficie 3D de una correlación de imágenes digitales basada en estereocorrección, permitiendo el análisis de campo completo de la deformación y los gradientes térmicos en superficies curvas.

Autores originales: Jendrik-Alexander Tröger, Lutz Müller-Lohse, Stefan Hartmann

Publicado 2026-06-30

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Jendrik-Alexander Tröger, Lutz Müller-Lohse, Stefan Hartmann

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás tratando de entender cómo se dobla y se calienta una pieza de metal cuando la retuerces. Para hacer esto, necesitas dos tipos diferentes de "ojos":

El Ojo de la Forma (Correlación de Imágenes Digitales): Este utiliza cámaras regulares para tomar fotos 3D de la superficie del objeto. Te dice exactamente dónde se mueve cada pequeño punto en el espacio. Piensa en ello como un GPS 3D para la superficie.
El Ojo del Calor (Termografía Infrarroja): Este utiliza una cámara especial que detecta el calor. Ve la temperatura de la superficie, pero solo en una imagen 2D plana. Es como un mapa térmico, pero no sabe si la superficie es curva o plana; solo ve píxeles de calor.

El Problema:
Normalmente, estos dos "ojos" hablan idiomas diferentes. El Ojo de la Forma dice: "El Punto A está aquí en el espacio 3D". El Ojo del Calor dice: "El Píxel B está caliente". Si el objeto es plano, es fácil combinarlos. Pero si el objeto es curvo (como un tubo o una semicoquilla), emparejar el punto 3D con el píxel de calor 2D se convierte en una pesadilla. Podrías pensar que un punto está caliente, pero en realidad estás mirando el lugar equivocado porque la superficie está doblada.

La Solución (La Gran Idea del Artículo):
Los autores crearon un "traductor universal" utilizando un truco matemático llamado Modelo de Cámara de Agujero Estenopeico (Pinhole Camera Model).

Piensa en esto como un espectáculo de sombras chinescas.

Imagina que tienes una marioneta 3D (el objeto) y una fuente de luz (la cámara).
Los autores descubrieron exactamente cómo proyectar las coordenadas 3D del Objeto de la Forma sobre la pantalla 2D del Ojo del Calor.
Hicieron esto tomando una sola foto de un "objeto de referencia" especial (una forma de latón con puntos) que ambas cámaras podían ver. Esto les permitió calcular una Matriz de Proyección, que es esencialmente un conjunto de instrucciones que dice: "Si un punto está en la ubicación 3D X, aparecerá en el píxel 2D Y en la cámara de calor".

Una vez que tienen este mapa, pueden tomar las coordenadas 3D del objeto y saber instantáneamente cuál es la temperatura exacta en ese punto 3D específico, incluso si la superficie es curva.

El "Superpoder" (Interpolación):
El artículo no se detiene solo en emparejar puntos. También utilizaron una herramienta matemática llamada Funciones de Base Radial (RBFs).

Imagina que tienes unos pocos puntos dispersos de datos de temperatura en una superficie curva. Las RBFs son como una manta suavizante mágica que se extiende sobre esos puntos para crear un mapa de temperatura continuo y suave.

¿Por qué es esto genial? Porque este mapa suave permite a la computadora calcular cosas que normalmente es imposible medir directamente:
- Gradientes de Temperatura: Qué tan rápido cambia el calor a medida que te mueves a través de la curva (como sentir la pendiente de una colina).
- Tasas de Temperatura: Qué tan rápido cambia el calor a lo largo del tiempo (como sentir qué tan rápido se enfría una taza de café).

Los Experimentos:
El equipo realizó pruebas en dos cosas:

Una Semicoquilla de Plástico: La calentaron. Debido a que el plástico es un mal conductor del calor, el calor se mantuvo cerca de la fuente. Su método mapeó con éxito el calor a la forma curva y calculó qué tan rápido cambiaba la temperatura, aunque la lenta reacción del plástico hizo que el cálculo de la "tasa" fuera un poco ruidoso.
Un Tubo de Metal: Retorcieron y estiraron un tubo de metal. El metal conduce bien el calor. Su método mapeó con éxito el calor y el estrés en el tubo curvo, mostrando exactamente dónde el metal se estaba calentando debido al retorcimiento y qué tan rápido aumentaba ese calor.

La Conclusión Final:
Este artículo presenta un método para tomar dos sistemas de cámara separados e independientemente calibrados (uno para la forma, otro para el calor) y unir sus datos perfectamente utilizando un modelo de cámara simple. Esto permite a los científicos ver la historia completa de cómo los objetos curvos se deforman y se calientan simultáneamente, proporcionando un conjunto de datos rico para comprender los materiales sin necesidad de construir un soporte de cámara personalizado y costoso.

Resumen Técnico: Acoplamiento Basado en Proyección de Termografía Infrarroja y Correlación de Imágenes Digitales por Estereocorrelación

Planteamiento del Problema
En la mecánica de sólidos experimental, las técnicas de medición de campo completo como la Correlación de Imágenes Digitales (DIC) y la Termografía Infrarroja (IRT) son estándares para analizar los campos de deformación superficial y de temperatura, respectivamente. Sin embargo, surge un desafío significativo al acoplar estos conjuntos de datos, particularmente para superficies no planas (curvas). La DIC, especialmente la 3D-DIC basada en estereocorrelación, proporciona coordenadas de puntos materiales tridimensionales en un marco lagrangiano. En contraste, la IRT mide temperaturas de píxeles en un marco euleriano (bidimensional). Expresar tanto los campos de desplazamiento como de temperatura dentro del mismo marco lagrangiano (es decir, en puntos materiales específicos) es esencial para la calibración de modelos constitutivos, el descubrimiento de modelos y la validación numérica. Los enfoques existentes suelen depender de complejos marcos multivista híbridos que requieren una calibración integrada o configuraciones de hardware específicas (por ejemplo, espejos dicroicos), o bien están limitados a especímenes planos donde se desprecian los gradientes a través del espesor. Además, muchos sistemas comerciales utilizan DIC basada en subconjuntos (locales), lo que dificulta que los investigadores sin acceso al código base puedan integrar estos sistemas para el análisis termomecánico.

Metodología
Los autores proponen un método de acoplamiento externo basado en proyección que utiliza el modelo de cámara de estenopo (pinhole) para mapear los datos de temperatura bidimensionales de la IRT a las coordenadas de puntos tridimensionales de la 3D-DIC basada en estereocorrelación. La metodología consta de tres etapas primarias:

Calibración de la Matriz de Proyección:
- Se utilizan dos sistemas de grado industrial calibrados independientemente (uno para IRT y otro para 3D-DIC).
- Se captura simultáneamente una única imagen de un objeto de referencia tridimensional (un objetivo de "libro abierto" con marcadores de puntos) por ambos sistemas.
- El objeto de referencia está hecho de latón, lo que permite que los marcadores sean visibles tanto en luz visible (para DIC) como en infrarrojo (para IRT) debido a las diferencias de emisividad, eliminando la necesidad de calentar previamente el objetivo.
- Utilizando la Transformación Lineal Directa (DLT), se ensambla y resuelve un sistema lineal homogéneo ($Am=0$) mediante la descomposición en valores singulares para determinar la matriz de proyección $M$ del modelo de cámara de estenopo. Esta matriz relaciona las coordenadas 3D del objeto con las coordenadas 2D de los píxeles de la cámara IR.
Interpolación Global (Espacial y Temporal):
- Para computar gradientes espaciales y tasas temporales, se requiere una descripción continua de la superficie. Los autores emplean Funciones de Base Radial (RBF) como un ansatz de interpolación global.
- Interpolación Espacial: Las coordenadas discretas de los puntos DIC se interpolan sobre parámetros de superficie ( $\Psi$ ) para reconstruir la superficie curva. Simultáneamente, las temperaturas de píxeles discretas de la imagen IR se interpolan sobre las coordenadas de los píxeles ( $x^\Theta$ ).
- Interpolación Temporal: La interpolación se extiende al dominio del tiempo. Los coeficientes de las RBF espaciales se interpolan a su vez utilizando RBF sobre el tiempo. Esto permite la reconstrucción de campos continuos tanto en el espacio como en el tiempo.
Cómputo de Derivadas:
- Gradiente de Temperatura: El gradiente de temperatura en el plano se computa aplicando la regla de la cadena al campo de temperatura interpolado, utilizando la derivada de la ecuación de proyección para mapear las derivadas de las coordenadas de los píxeles a las coordenadas del mundo real.
- Tasa de Temperatura: La derivada temporal material de la temperatura (tasa de temperatura) se calcula diferenciando el campo interpolado con respecto al tiempo, contabilizando tanto los cambios locales como las contribuciones convectivas debidas al movimiento de la superficie.

Resultos Clave
La metodología fue validada mediante dos experimentos:

Semicascarón de Polímero Cilíndrico (Puramente Térmico): Se calentó un semicascarón de ácido poliláctico sobre una placa de cobre. La proyección mapeó con éxito las temperaturas a la superficie curva. Aunque se visualizaron con éxito los gradientes de temperatura (mostrando gradientes más altos cerca de los contactos de calor), se encontró que la tasa de temperatura estaba dominada por el ruido debido a la baja conductividad térmica del polímero y las limitaciones del proceso de imagen IR. Los autores señalan que la regresión (suavizado) en lugar de la interpolación podría ser necesaria para los cálculos de tasa en tales escenarios de baja conductividad.
Tubo bajo Tensión-Torsión (Termomecánico): Un tubo de aleación de zinc sometido a una carga de tensión-torsión proporcional. El sistema capturó con éxito el campo completo de deformación, temperatura, gradientes de temperatura y tasas de temperatura. Debido a la mayor conductividad térmica del metal, los cálculos de la tasa de temperatura arrojaron resultados razonables, mostrando una tasa homogénea de aproximadamente $1^\circ\text{C s}^{-1}$ durante la carga y una disminución rápida tras la descarga. El enfoque de RBF global también computó con éxito las direcciones de deformación principal, que son típicamente difíciles de obtener con métodos de interpolación local.

Significancia y Reivindicaciones
El artículo afirma proporcionar un enfoque modular y sencillo para acoplar sistemas industriales calibrados independientemente para el análisis de campo completo termomecánico. Las contribuciones clave incluyen:

Acoplamiento Externo: El método no requiere modificar la calibración interna ni los algoritmos de correlación de los sistemas comerciales de DIC o IRT, lo que lo hace accesible para investigadores que utilizan equipos estándar.
Aplicabilidad a Superficies Curvas: A diferencia de muchos estudios previos de 2D-DIC/IRT, este método está diseñado explícitamente y validado en geometrías curvas y complejas.
Salida de Datos Extendida: Al extender la interpolación global al dominio temporal, el método permite el cálculo de las tasas de temperatura en superficies curvas, una capacidad que los autores afirman que aún no ha sido abordada en la literatura utilizando datos de campo completo.
Naturio de Post-procesamiento: El enfoque funciona como un paso de post-procesamiento adicional que puede integrarse en los protocolos experimentales existentes sin alterar los procedimientos de adquisición de imágenes o registro.

Los autores mantienen un tono modesto respecto a las limitaciones, reconociendo que la precisión de la proyección depende de la calidad de la calibración y que el ruido en los datos de IR puede afectar el cálculo de las tasas de temperatura, particularmente en materiales con baja conductividad térmica. Sugieren que el trabajo futuro debería centrarse en la cuantificación de la incertidumbre y la optimización de los diseños experimentales para campos heterogéneos.

Más como este