原理：亚像素级的点跟踪

三维分析软件的核心任务，是把视频转化为有意义的测量数据。它可以分析位移、旋转或角度变化等动态过程。

技术路径是两条算法结合：数字图像相关法（DIC）与点跟踪算法。前者通过比对变形前后图像中同一区域（子区）的灰度分布，解算出位移与应变；后者跟踪标记点在序列中的位置变化。二者结合，可对三维坐标进行亚像素精度测量，并随时间持续跟踪。

"亚像素"是这类软件的关键词：像素是离散的，但通过灰度插值，可以把定位精度做到小于一个像素。

功能（上）：后台存储、参考系统、项目模板

结果与依赖关系后台存储。所有评估、结果变量和依赖关系都存储在软件后台，因此只需点击几下就能更新报告并生成新结果。这解决的是工程实践里最常见的问题——测试方案改了，报告要重做一遍。

对齐与参考系统可灵活调整。可轻松创建、跟踪和调整对齐与参考系统。这一点在实测中很关键：试件摆放角度、相机位置、坐标系原点，经常在测试后才发现需要重新定义。如果软件要求"拍摄时就定死"，数据基本作废；能事后调整，同一批数据就能反复利用。

项目模板，批量评估。对于重复性测试，只需创建一个项目模板，即可对整个系列进行评估，从而节省时间。例如同一批次20个试样做同样加载，模板一次配置、批量套用，避免逐个手工设置。

功能（中）：一组评估工具

虚拟拉伸计的价值容易被低估：传统引伸计需要装夹、有标距限制，而虚拟引伸计可以在任意位置、任意标距上事后定义，一次测试得到多组"应变数据"。

功能（下）：CAD/FEM 导入、探针与 Python 接口

CAD / FEM 导入与探针测量。支持 CAD 和 FEM 导入（含对齐），可以把实测结果直接与设计模型、仿真结果对比。此外还支持使用探针测量几何形状，以及借助适配器测量无法直接观察的测量点。第二项针对的是遮挡问题：试件背面、内腔等相机看不到的位置，通过适配器转换坐标后仍可测量。

Python 接口。软件提供 Python 接口，可记录在软件中执行的操作，保存、编辑并重复用于（部分）自动评估。对需要批量处理或接入自有数据流的团队，这比"导出 CSV 再手工算"高效得多。

硬件兼容。硬件侧支持通用 USB3 相机、高速相机、专业测头以及摄影测量解决方案，可按精度与视场需求组合。

选型时的三个问题

一是算法透明度。DIC 的精度高度依赖子区大小、步长、形函数与插值方式。软件是否允许调整这些参数，决定了它能不能做研究级工作。

二是可重复性。能否把一次完整的评估流程固化为模板并批量复用，直接影响日常效率。

三是可扩展性。是否有脚本接口、能否对接现有仿真与数据平台。孤立的分析软件，最终会变成流程里的孤岛。

实践提醒：无论软件多强，标定质量决定精度上限。花在标定板与光照上的时间，永远比花在后期调参上更值。