🔬 optics

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

Este artigo propõe um método de acoplamento baseado em projeção que utiliza um modelo de câmera pinhole e funções de base radial para mapear com precisão os dados de temperatura da termografia infravermelha em coordenadas de superfície 3D provenientes de correlação digital de imagens baseada em estereocorrelação, permitindo a análise de campo total de deformação e gradientes térmicos em superfícies curvas.

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

Publicado 2026-06-30

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

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

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está tentando entender como um pedaço de metal se dobra e aquece quando você o torce. Para fazer isso, você precisa de dois tipos diferentes de "olhos":

O Olho da Forma (Correlação de Imagem Digital): Este utiliza câmeras comuns para tirar fotos 3D da superfície do objeto. Ele diz exatamente onde cada pequeno ponto no objeto está se movendo no espaço. Pense nisso como um GPS 3D para a superfície.
O Olho do Calor (Termografia Infravermelha): Este utiliza uma câmera especial de detecção de calor. Ela vê a temperatura da superfície, mas apenas em uma imagem 2D plana. É como um mapa térmico, mas não sabe se a superfície é curva ou plana; ela apenas vê pixels de calor.

O Problema:
Normalmente, esses dois "olhos" falam línguas diferentes. O Olho da Forma diz: "O Ponto A está aqui no espaço 3D". O Olho do Calor diz: "O Pixel B está quente". Se o objeto for plano, é fácil combiná-los. Mas se o objeto for curvo (como um tubo ou uma semicamada), combinar o ponto 3D com o pixel de calor 2D torna-se um pesadelo. Você pode pensar que um ponto está quente, mas na verdade está olhando para o lugar errado porque a superfície está curvada.

A Solução (A Grande Ideia do Artigo):
Os autores criaram um "tradutor universal" usando um truque matemático chamado Modelo de Câmera de Orifício (Pinhole Camera Model).

Pense nisso como um teatro de sombras:

Imagine que você tem um fantoche 3D (o objeto) e uma fonte de luz (a câmera).
Os autores descobriram exatamente como projetar as coordenadas 3D do Olho da Forma sobre a tela 2D do Olho do Calor.
Eles fizeram isso tirando uma única foto de um "objeto de referência" especial (uma forma de latão com pontos nela) que ambas as câmeras podiam ver. Isso permitiu calcular uma Matriz de Projeção — essencialmente um conjunto de instruções que diz: "Se um ponto está na localização 3D X, ele aparecerá no pixel 2D Y na câmera de calor".

Uma vez que eles têm esse mapa, eles podem pegar as coordenadas 3D do objeto e saber instantaneamente qual é a temperatura naquele ponto 3D específico, mesmo que a superfície seja curva.

O "Superpoder" (Interpolação):
O artigo não para apenas em combinar pontos. Eles também utilizaram uma ferramenta matemática chamada Funções de Base Radial (RBFs).

Imagine que você tem alguns pontos espalhados de dados de temperatura em uma superfície curva. As RBFs são como um cobertor de suavização mágico que se estende sobre esses pontos para criar um mapa de temperatura contínuo e suave.

Por que isso é legal? Porque esse mapa suave permite que o computador calcule coisas que são geralmente impossíveis de medir diretamente:
- Gradientes de Temperatura: O quão rápido o calor está mudando conforme você se move pela curva (como sentir a inclinação de uma colina).
- Taxas de Temperatura: O quão rápido o calor está mudando ao longo do tempo (como sentir o quão rápido uma xícara de café está esfriando).

Os Experimentos:
A equipe testou isso em duas coisas:

Uma Semicamada de Plástico: Eles aqueceram o plástico. Como o plástico é um mau condutor de calor, o calor permaneceu perto da fonte. O método deles mapeou com sucesso o calor para a forma curva e calculou o quão rápido a temperatura estava mudando, embora a reação lenta do plástico tenha tornado o cálculo da "taxa" um pouco ruidoso.
Um Tubo de Metal: Eles torceram e puxaram um tubo de metal. O metal conduz bem o calor. O método deles mapeou com sucesso o calor e a tensão no tubo curvo, mostrando exatamente onde o metal estava aquecendo devido à torção e o quão rápido esse calor estava subindo.

A Conclusão Final:
Este artigo apresenta um método para pegar dois sistemas de câmera separados e calibrados independentemente (um para forma, outro para calor) e colar seus dados perfeitamente usando um modelo de câmera simples. Isso permite que os cientistas vejam a história completa de como objetos curvos se deformam e aquecem simultaneamente, fornecendo um conjunto rico de dados para entender materiais sem a necessidade de construir um suporte de câmera personalizado e caro.

Resumo Técnico: Acoplamento Baseado em Projeção de Termografia de Infravermelho e Correlação de Imagem Digital Baseada em Estereocorrelação

Definição do Problema
Na mecânica do sólido experimental, técnicas de medição de campo total como a Correlação de Imagem Digital (DIC) e a Termografia de Infravermelho (IRT) são padrões para analisar campos de deformação superficial e de temperatura, respectivamente. No entanto, um desafio significativo surge ao acoplar esses conjuntos de dados, particularmente para superfícies não planas (curvas). A DIC, especialmente a 3D-DIC baseada em estereocorrelação, fornece coordenadas de pontos materiais tridimensionais em um referencial lagrangiano. Em contraste, a IRT mede temperaturas de pixels em um referencial euleriano (bidimensional). Expressar tanto os campos de deslocamento quanto os de temperatura no mesmo referencial lagrangiano (ou seja, em pontos materiais específicos) é essencial para a calibração de modelos constitutivos, descoberta de modelos e validação numérica. As abordagens existentes frequentemente dependem de frameworks multivisão híbridos complexos que exigem calibração integrada ou configurações de hardware específicas (ex: espelhos dicroicos), ou são limitadas a espécimes planos onde gradientes através da espessura são negligenciados. Além disso, muitos sistemas comerciais utilizam DIC baseada em subconjuntos (local), o que torna difícil para pesquisadores sem acesso ao código principal integrar esses sistemas para análise termomecânica.

Metodologia
Os autores propõem um método de acoplamento externo baseado em projeção que utiliza o modelo de câmera pinhole para mapear dados de temperatura bidimensionais da IRT para coordenadas de pontos tridimensionais da 3D-DIC baseada em estereocorrelação. A metodologia consiste em três estáções primárias:

Calibração da Matriz de Projeção:
- Dois sistemas de nível industrial calibrados independentemente (um para IRT, um para 3D-DIC) são utilizados.
- Uma única imagem de um objeto de referência tridimensional (um alvo tipo "livro aberto" com marcadores de pontos) é capturada simultaneamente por ambos os sistemas.
- O objeto de referência é feito de latão, permitindo que os marcadores sejam visíveis tanto na luz visível (para DIC) quanto no infravermelho (para IRT) devido às diferenças de emissividade, eliminando a necessidade de aquecimento prévio do alvo.
- Usando a Transformação Linear Direta (DLT), uma matriz linear homogênea ($Am=0$) é montada e resolvida via decomposição de valores singulares para determinar a matriz de projeção $M$ do modelo de câmera pinhole. Esta matriz relaciona as coordenadas 3D do objeto com as coordenadas de pixel 2D da IR.
Interpolação Global (Espacial e Temporal):
- Para computar gradientes espaciais e taxas temporais, é necessária uma descrição contínua da superfície. Os autores empregam Funções de Base Radial (RBFs) como um ansatz de interpolação global.
- Interpolação Espacial: Coordenadas discretas de pontos de DIC são interpoladas sobre parâmetros de superfície ( $\Psi$ ) para reconstruir a superfície curva. Simultaneamente, temperaturas de pixels discretas da imagem IR são interpoladas sobre coordenadas de pixel ( $x^\Theta$ ).
- Interpolação Temporal: A interpolação é estendida para o domínio do tempo. Os coeficientes das RBFs espaciais são, eles próprios, interpolados usando RBFs ao longo do tempo. Isso permite a reconstrução de campos contínuos tanto no espaço quanto no tempo.
Computação de Derivadas:
- Gradiente de Temperatura: O gradiente de temperatura intraplano é computado aplicando a regra da cadeia ao campo de temperatura interpolado, utilizando a derivada da equação de projeção para mapear as derivadas de coordenadas de pixel para coordenadas do mundo real.
- Taxa de Temperatura: A derivada temporal material da temperatura (taxa de temperatura) é calculada diferenciando o campo interpolado em relação ao tempo, contabilizando tanto as mudanças locais quanto as contribuições convectivas devido ao movimento da superfície.

Principais Resultados
A metodologia foi validada através de dois experimentos:

Meia-Concha de Polímero Cilíndrica (Puramente Térmica): Uma meia-concha de ácido polilático foi aquecida sobre uma placa de cobre. A projeção mapeou com sucesso as temperaturas para a superfície curva. Embora os gradientes de temperatura tenham sido visualizados com sucesso (mostrando gradientes mais altos próximos aos contatos de calor), a taxa de temperatura mostrou-se dominada por ruído devido à baixa condutividade térmica do polímero e às limitações do processo de imagem IR. Os autores observam que regressão (suavização) em vez de interpolação pode ser necessária para cálculos de taxa em tais cenários de baixa condutividade.
Tubo sob Tração-Torção (Termomecânica): Um tubo de liga de zinco fundido foi submetido a carregamento proporcional de tração-torção. O sistema capturou com sucesso o campo total de deformação, temperatura, gradientes de temperatura e taxas de temperatura. Devido à maior condutividade térmica do metal, os cálculos da taxa de temperatura produziram resultados razoáveis, mostrando uma taxa homogênea de aproximadamente $1^\circ\text{C s}^{-1}$ durante o carregamento e uma diminuição rápida após o descarregamento. A abordagem RBF global também computou com sucesso as direções de deformação principal, que são tipicamente difíceis de obter com métodos de interpolação local.

Significância e Alegações
O artigo afirma fornecer uma abordagem modular e direta para acoplar sistemas industriais calibrados independentemente para análise de campo total termomecânica. As principais contribuições incluem:

Acoplamento Externo: O método não requer a modificação dos algoritmos internos de calibração ou correlação dos sistemas comerciais de DIC ou IRT, tornando-o acessível a pesquisadores que utilizam equipamentos padrão.
Aplicabilidade em Superfícies Curvas: Diferente de muitos estudos anteriores de 2D-DIC/IRT, este método é explicitamente projetado e validado para geometrias curvas e complexas.
Saída de Dados Estendida: Ao estender a interpolação global para o domínio temporal, o método permite a computação de taxas de temperatura em superfícies curvas, uma capacidade que os autores afirmam não ter sido abordada na literatura utilizando dados de campo total.
Natureza de Pós-Processamento: A abordagem funciona como uma etapa de pós-processamento adicional que pode ser incorporada em protocolos experimentais existentes sem alterar os procedimentos de aquisição ou registro de imagem.

Os autores mantêm um tom modesto em relação às limitações, reconhecendo que a precisão da projeção depende da qualidade da calibração e que o ruído nos dados de IR pode afetar o cálculo das taxas de temperatura, particularmente em materiais com baixa condutividade térmica. Eles sugerem que trabalhos futuros devem focar em quantificação de incerteza e na otimização de designs experimentais para campos heterogêneos.

Mais como este