动态环境下的激光条纹中心线提取方法

线结构光三维视觉测量技术最关键的一步是提取出结构光图像中的激光条纹中心线;针对动态测量环境下激光条纹图像存在复杂背景信息、激光光强分布不均、光带各部分宽度差别大、激光条纹断裂等问题,文章研究了一种适用于动态测量环境的激光条纹中心线提取方法;首先通过图像预处理以及自适应裁剪算法提取出感兴趣区域(ROI,region of interest);其次通过改进型伽马校正(IGC,improved gamma correction)以及改进型变阈值大津阈值分割算法(IVT Ostu,improved variable threshold)分割出激光条纹区域;然后使用二维灰度重心法(TD-GBM,two-dimensional gray baryeentric method)提取激光条纹的初始中心线;最终使用二次优化算法对初始中心线进行优化,精确地提取出激光条纹中心线;实验结果表明,相比于灰度重心法、Steger法等算法,文章所提方法受背景干扰以及激光条纹质量的影响较小,能够在多种复杂情况下更精确地提取激光条纹中心线,满足准确性高、稳定性强以及实时性好的要求.     

基于线结构光的水下目标扫描定位方法

当海底环境噪声及声学散射影响比较严重时,声呐方法无法实现高精度的海底探测．因此,设计了一种基于线结构光的扫测系统．激光中心线条纹提取及系统参数快速标定是影响线结构光测扫精度的2大关键问题．在激光中心条纹处理方面,多阈值算法通过采用不同的阈值可以有效地滤除背景噪声,基于极值法的高斯拟合法则对部分激光条纹采用高斯函数进行拟合,结合多阈值算法和基于极值法的高斯拟合法提出了一个条纹中心线提取算法．该算法在保留多阈值法快速性的同时,又具备高斯拟合法的准确性．而在系统参数标定方面,提出了一种共线点的快速标定法,设计的平面标定靶只需通过确定3个共线的特征点即可快速实现系统参数的标定和高精度的海底快速测扫．最后,在水池中进行了模型实验,验证了该方法的可行性和有效性．     

基于FPGA的结构光深度检测系统设计

为实现结构光深度检测系统的实时检测,简化结构光系统构架,降低系统成本,设计了基于现场可编程门阵列(FPGA)的结构光深度测量系统.将结构光图像处理算法进行了适应硬件的改动,利用硬件系统的流水线技术与并行运算技术,提高了系统的处理性能,提出了采用乒乓缓存结构、Box滤波与并行像素处理计算提高处理速度,保证了算法的实时性.实验表明:该系统能够实现深度探测功能,且运行速率远远优于软件处理,满足实时性要求.     

一种结合梯度锐化和重心法的光条中心提取算法

在基于线结构光的视觉测量系统中,激光条纹中心位置的准确提取是影响系统精度的关键因素之一。本文分析了光条中心提取算法的研究现状,并比较了现有算法的优缺点,提出了一种结合梯度锐化和重心法的光条中心提取算法,该算法首先利用梯度锐化提取出光条的边缘,根据提取出的边缘得到光条的近似中心,然后在光条近似中心左右的小区域内利用重心法提取光条中心。实验结果表明,该算法能够准确地提取出光条中心,具有很强的抗噪声能力,精度为亚像素级。     

激光光谱探测的FPGA实现

本文提出了通过非扫描M-Z干涉法来获取激光信号的相干图,并对该图进行快速傅立叶变换,从而实时获得激光光谱的技术.在研究中,由M-Z干涉具形成的激光干涉条纹经CCD相机转换后以时间序列依次输出电信号,该时间序列的快速傅立叶变换用FPGA硬件实现.用硬件语言编写了精度为10位,序列长度为512点的快速傅里叶变换程序,并将所有程序成功下载到FPGA的配置芯片中.最后,对所设计的快速傅里叶变换模块进行了测试,结果表明FPGA计算结果达到应有的精度,运行速度可以满足激光光谱的实时探测要求.     

机器视觉中激光光带两步提取算法研究

在基于线激光投射的三维探测系统中,如何快速精确地从复杂背景中快速提取出投射在障碍物表面的激光光带,并在光条图像中提取光条中心位置是实时精密探测出障碍物的关键问题.论文对当前已有的线激光光条提取算法进行综述,并比较了现有算法的优缺点.最后,提出了一种两步提取算法.第一步是将RGB与HSV色彩进行空间变换初步处理提取出激光光带,第二步结合阈值法与重心法两算法优点精确地确定光条中心位置.实验说明,激光光条中心的两步提取算法精准、快速,达到了像素级,这种算法的抗噪声能力也很强.     

Steger算法的FPGA递归逻辑结构设计与实现

提出了一种以Steger算法为基础,基于现场可编程逻辑门阵列(FPGA)的递归流水逻辑结构,采用递归逻辑结构避免大规模高斯模板卷积带来的运算复杂度,同时,逻辑结构不受不同高斯参数选择的影响,增强了实用性,利用FPGA并行性完成多路运算,实现光条纹中心点提取.该逻辑结构更适用于连续图像数据的实时处理.     

基于IEEE-1394总线的高速数据采集系统设计

为了实现数据采集系统实时性、通用化、小型化设计,该文提出了一种基于IEEE-1394总线的高速数据采集系统设计和实现方案。硬件架构上,系统采用IEEE-1394总线专用芯片,实现了数据高速率、高可靠性传输;采用FPGA+DSP的数据处理架构,将数据采集与算法处理分开独立运行;采用FPGA静态局部重构技术,实现了不同子系统的功能配置;采用开关动态切换技术,实现了信号采集的灵活配置和小型化设计。软件架构上,系统采用模块化设计思路,实现了不同工作模式之间的切换。实验表明该系统具备很强的数据采集与解算能力。     

基于IEEE-1394总线的高速数据采集系统设计

为了实现数据采集系统实时性、通用化、小型化设计,该文提出了一种基于IEEE-1394总线的高速数据采集系统设计和实现方案。硬件架构上,系统采用IEEE-1394总线专用芯片,实现了数据高速率、高可靠性传输;采用FPGA＋DSP的数据处理架构,将数据采集与算法处理分开独立运行;采用FPGA静态局部重构技术,实现了不同子系统的功能配置;采用开关动态切换技术,实现了信号采集的灵活配置和小型化设计。软件架构上,系统采用模块化设计思路,实现了不同工作模式之间的切换。实验表明该系统具备很强的数据采集与解算能力。     

基于线结构光的亚像素精度焊缝提取方法研究

对于激光视觉焊缝跟踪系统,基于线性结构光快速、高精度地提取焊缝特征点是系统搭建的关键。现有算法多是采取像素级别的提取特征,现提出改进的亚像素精度算法用以提取焊缝特征点。与以往算法不同的是,算法不需要进行阈值的选取,提取条纹中心线和检测特征点的过程,都采用了先计算出亚像素位置,再对图像进行处理,显著地提高了算法的精度。并且目前图像处理多采用深度学习,但都为对像素的离散点实现,难以做到亚像素精度。实验结果表明,该算法能够满足生产实际要求,能够实时、精确地实现焊缝提取。     

基于μC/OS-Ⅱ的1553B和ARINC429总线实时协议转换系统的设计

设计了1553B和ARINC429总线实时协议转换系统。系统硬件部分采用"MCU+FPGA+外围芯片"进行构建;软件部分是将嵌入式实时内核μC/OS-II移植到DSP控制器上从而构建一个低成本的通用嵌入式实时软件平台,基于此平台以C语言和汇编语言在DSP集成化软件开发环境CCS上加以实现。对协议转换系统进行了测试和联机验证,结果表明该系统完全符合设计要求。     

Windows CE.NET实时性能的测试与研究

嵌入式操作系统的实时性能是衡量一个嵌入式操作系统的重要指标。目前有多种指标和测试方法可以测量一个操作系统的实时性能。本文主要关注于使用OSBench采测量Windows CE．NET任务调度器的实时性能，并分析了在不同系统硬件和不同系统负荷情况下实时性能的变化情况。得到了四种不同同步方式的时间特性，及它们之间的比较差异，也证明了windows CE．NET具有最好的实时性能。     

基于RTLinux的FAST馈源精调控制系统开发

大射电望远镜馈源舱的二次精确定位控制是FAST项目成功实施的关键技术之一,该文对其控制技术进行了较为深入的研究,提出了以硬件中断为基本时钟源、以实时多任务操作系统RTLinux为开发平台的实时控制方案,并且利用操作系统提供的硬件中断服务、中断驱动线程、管道以及共享物理内存等技术设计了软件系统,最后在建造的缩尺实验平台上进行了实验验证,取得了预期的控制效果。     

基于机器视觉利用结构光提高贴标质量的研究

为提高瓶体上所贴标签的合格程度,提高检测精度,解决贴标签的水平偏移检测困难,本文利用线结构光的特性对标签质量进行检测。利用结构光在图像分析区域建立参考线,使图像处理与分析过程准确度提高,有效地判断所贴标签的质量。采用结构光辅助检测,不仅可以检测贴标签的水平偏移,更能提高标签质量检测的精度与准度。     

A software-based dynamic-warp scheduling approach for load-balancing the Viola–Jones face detection algorithm on GPUs

Face detection is a key component in applications such as security surveillance and human–computer interaction systems, and real-time recognition is essential in many scenarios. The Viola–Jones algorithm is an attractive means of meeting the real time requirement, and has been widely implemented on custom hardware, FPGAs and GPUs. We demonstrate a GPU implementation that achieves competitive performance, but with low development costs. Our solution treats the irregularity inherent to the algorithm using a novel dynamic warp scheduling approach that eliminates thread divergence. This new scheme also employs a thread pool mechanism, which significantly alleviates the cost of creating, switching, and terminating threads. Compared to static thread scheduling, our dynamic warp scheduling approach reduces the execution time by a factor of 3. To maximize detection throughput, we also run on multiple GPUs, realizing 95.6 FPS on 5 Fermi GPUs.     

基于EtherCAT的工业机器人控制器设计

针对控制器系统在开放性和实时性等方面存在的不足,设计一种利用EtherCAT协议进行通信的工业机器人控制系统体系结构。为使系统具有更高的可靠性和实时性,利用嵌入式微处理器ARM作为硬件核心,在μC/OS-II的基础上采用组件式分层结构设计软件架构,以提高可重用性。实验结果证明,该控制器系统实时性强,且便于扩展。     

Real-time multi-camera video analytics system on GPU

In this article, parallel implementation of a real-time intelligent video surveillance system on Graphics Processing Unit (GPU) is described. The system is based on background subtraction and composed of motion detection, camera sabotage detection (moved camera, out-of-focus camera and covered camera detection), abandoned object detection, and object-tracking algorithms. As the algorithms have different characteristics, their GPU implementations have different speed-up rates. Test results show that when all the algorithms run concurrently, parallelization in GPU makes the system up to 21.88 times faster than the central processing unit counterpart, enabling real-time analysis of higher number of cameras.     

Real-time anomaly detection in hyperspectral images using multivariate normal mixture models and GPU processing

Hyperspectral imaging, which records a detailed spectrum of light arriving in each pixel, has many potential uses in remote sensing as well as other application areas. Practical applications will typically require real-time processing of large data volumes recorded by a hyperspectral imager. This paper investigates the use of graphics processing units (GPU) for such real-time processing. In particular, the paper studies a hyperspectral anomaly detection algorithm based on normal mixture modelling of the background spectral distribution, a computationally demanding task relevant to military target detection and numerous other applications. The algorithm parts are analysed with respect to complexity and potential for parallellization. The computationally dominating parts are implemented on an Nvidia GeForce 8800 GPU using the Compute Unified Device Architecture programming interface. GPU computing performance is compared to a multi-core central processing unit implementation. Overall, the GPU implementation runs significantly faster, particularly for highly data-parallelizable and arithmetically intensive algorithm parts. For the parts related to covariance computation, the speed gain is less pronounced, probably due to a smaller ratio of arithmetic to memory access. Detection results on an actual data set demonstrate that the total speedup provided by the GPU is sufficient to enable real-time anomaly detection with normal mixture models even for an airborne hyperspectral imager with high spatial and spectral resolution.     

机器视觉中边缘检测算法的SDSoC加速实现

针对机器视觉图像处理中边缘检测算法要求越来越高的实时性，提出使用SDSoC加速实现机器视觉中的边缘检测算法。基于SDSoC开发环境，选用ZC706作为开发平台对Canny边缘检测和Sobel边缘检测进行加速。SDSoC环境支持处理器系统（Processing System，PS）和可编程逻辑（Programmable Logic，PL），根据PS和PL的特性，将两种边缘检测算法中的模块分配在各自适用的硬件架构上运行，即在PS端使用优化的数据分配方法，在PL端使用缓冲区结构及优化指令。实验结果表明，对于512×512的图像，Canny算法用时4.61 ms，Sobel算法用时3.20 ms，满足了机器视觉算法实时性的要求。