课程文献中心 更多>>

关键词： 双目算法   嵌入式系统   移植   优化   图像处理  

摘要： 进入21世纪以来,各行各业开始大力推进向信息化、智能化、自动化方向发展。尤其在工业等领域,为实现某些功能或完成某种工作往往需要一种小型化的处理系统,这就需要用到嵌入式系统。嵌入式系统以应用为中心,以现代计算机技术为基础,软硬件可裁剪,形成一套功能完备、独立运行的处理系统,其应用非常广泛。双目视觉技术作为计算机视觉一种重要形式,它基于视差原理来获取物体的三维几何信息,在机器人导航、三维测量和图像识别等领域均有重要的应用价值。本文通过深入研究嵌入式系统和双目视觉算法,设计了一种基于ARM芯片的嵌入式双目视觉处理系统,它将双目摄像头拍摄到的图像或视频放入嵌入式系统中进行处理,来实现人脸识别与障碍检测等功能。本文在分析了大量双目视觉算法后,筛选出精度高、稳定性好的算法,并在系统中进行移植和改进来提升识别的准确率,同时对该系统进行硬件优化进一步提升系统的性能。该系统主要克服双目系统通常采用PC机作为处理器所带来的价格昂贵、体积较大、功耗较高以及模块化应用困难等缺点来适应更多的应用场景,具有成本低、操作简便、非接触、易实现、可靠性高、识别准确等优点,具备良好的应用前景。

关键词： 联合收获机   北斗定位   视觉导航   动态感兴趣   嵌入式系统  

摘要： 农业机械导航技术是当前国内外精准农业重要支撑技术之一,也是实现农业智能化的有效途径。联合收获机作为一种复杂的农业机械,其智能化的重要方向是实现自动导航。目前,农业机械导航主要以卫星导航为主,使用高精度的卫星导航设备获取定位信息以实现全局路径规划。收获机沿着稻麦收获边界进行作业,卫星导航技术在作业边界实时对准方面有一定不足,且目前购置基站设备或长期应用CORS服务网络的成本较高。因此,研究一种可以进行全局及局部路径规划、低成本、结构简单、易于安装的联合收获机辅助导航系统,对提高谷物收获效率、降低生产成本以及设备普及推广具有重大的现实意义。本文根据收获机不断朝大型化发展的趋势及其作业特点,结合北斗与视觉导航技术对联合收获机辅助导航系统进行研究设计,主要研究内容如下:1.开展了联合收获机辅助导航系统总体方案设计及硬件选型。通过北斗定位模块与两个视觉传感器分别获取收获机定位信息与田间作业图像,并实时显示在人机交互模块界面。主控制器根据路径规划信息选择调用视觉传感器,将视觉传感器获取的图像信息通过算法处理,得到收获机相对于作业边界线的横向距离及航向角度,根据角度传感器获取的角度信息计算得到转向轮偏转角度,控制转向机构进行辅助导航。2.研究了基于北斗定位信息的路径规划与边界预测方法。根据北斗定位及农田形状信息,建立了辅助导航系统的路径规划模型,实现了辅助导航作业的全局路径规划。依据北斗定位信息,建立了基于距离与作业速度的边界预测模型,使收获机在抵达田间边界前实现从自动模式向手动模式的切换。3.提出了基于动态感兴趣区域选取的作业边界线识别方法。选用YCrCb色彩空间中的Cb分量进行后续图像处理,以降低光照影响。采用双边滤波、Otsu算法、形态学操作、Canny边缘检测、累计概率霍夫变换等算法识别了作业边界线。在边界线提取过程中通过两次筛选的方法,提高了作业边界检测的准确性。分别采用了基于卡尔曼滤波、基于作业边界线位置预测的方法对动态感兴趣区域进行两次选取,使得平均单幅图像处理时间由0.176087s缩短至0.064547s,能较好地满足辅助导航系统对图像处理时间的需求。4.设计了联合收获机辅助导航的导航控制方法,通过对图像进行透视畸变校正,获取横向距离及航向角度信息,利用所设计的基于模糊神经网络的导航控制器和PID转向控制器实现了收获机的辅助导航,并通过仿真试验,验证了导航及转向控制器设计的合理性。5.对联合收获机辅助导航系统进行软件设计,实现了辅助导航系统数据接收及处理、导航控制、界面显示与数据存储等功能,并通过场地及田间试验验证联合收获机辅助导航系统性能。田间试验结果表明,联合收获机分别以0.4m/s、0.8m/s、1.2m/s的速度收获水稻时,横向偏差最大值分别≦6.5cm、13.7cm、19.2cm。本文通过对联合收获机发展趋势及作业特点的分析,分别从作业路径规划、作业边界识别算法、辅助导航系统硬件选型及软件设计等方面进行了研究,设计了一套基于北斗与视觉组合的联合收获机辅助导航系统。最后,通过田间试验对辅助导航系统的可靠性及控制精度进行了分析。试验结果表明,以1.2m/s进行收获作业时最大横向偏差≦19.2cm,辅助导航性能较好,为研究结构简单、低成本的联合收获机辅助导航系统提供了可行性论证及技术支撑。

关键词： GPS/SINS   嵌入式系统   车载导航   卡尔曼滤波   紧组合导航  

摘要： 随着电子、计算机和通信技术的飞速发展,汽车导航变得越来越重要。通过汽车导航,可以确定汽车的位置和目的地之间的方向和距离,确定最佳驾驶路线,为驾驶员提供道路状况等信息,解决拥堵并减少交通事故的发生率。当前,车载导航系统多采用全球定位GPS导航系统和SINS导航系统。单纯的使用GPS定位系统存在一定误差,导致精度降低。因此GPS/SINS二者进行组合具有一定的研究价值。在本文中,我们深入研究了GPS导航系统的原理和相关技术,通过GPS/SINS组合导航系统的互补优势,实现车辆行驶过程中的准确定位性。本论文以车载组合导航系统为主要核心内容展开研究。首先,我们回顾了研究的背景,意义和现状。其次分别详细介绍了GPS、SINS以及GPS/SINS组合导航系统的技术应用。描述了定位导航系统的硬件,并对硬件系统进行分析与测试。再次,以系统的硬件平台为基础,选用ubuntu14.04作为底层操作系统,完成了Bootloader移植和内核移植,结合硬件平台为车载导航系统搭建了运行环境。又分别介绍了软件系统的协议层、接口层、处理层和人机交互层,并通过卡尔曼滤波器三种算法分析选择最优的算法将数据信息进行融合,从而得到车辆的姿态、位置和速度等导航信息,最终完成了应用软件的设计和开发。最后在系统整体技术深入研究的基础上,针对SINS/GPS松组合和紧组合的性能进行仿真实验,利用卡尔曼滤波算法进行滤波分析实验,得出车辆行驶过程中的误差量,获取车辆位置的经纬度、车辆的行驶速度以及姿态等数据。最后加载到汽车导航系统上进行最后的功能测试与分析。测试结果表明,GPS/SINS组合系统可以为我们提供可靠和准确的定位数据。

关键词： 视频监控   图像处理   嵌入式系统   OpenCV   移动检测  

摘要： 目前,视频监控系统已广泛地应用于生活的各个方面,并发挥着重要作用。呼和浩特铁路局的通信机房也使用了视频监控系统,配合动力与环境监控系统,承担起环境监控、安防和事故调查取证等作用。但当前铁路局沿线无人机房的视频监控系统存在几个缺陷,一是长时间不间断地采集视频,对存储设备的性能要求非常高,存储磁盘的损耗也非常大;二是视频存储过程中,对传输带宽要求非常高,占用了大部分的传输资源;三是存储视频里面的冗余信息太多,对于事故调查取证非常地费时费力。通过认真分析研究,结合铁路沿线无人机房的地位和工作特点,对视频监控系统提出两点要求。一是能对机房环境进行实时监控,能够保证维护人员能随时查看机房图像和设备工作状态;二是当机房出现异常活动时,对事件进行视频存储,方便后期的调查取证,进行事故分析和责任追究。本文根据其需求,设计出一款以微处理器ARM9、嵌入式Linux操作系统以及OpenCV计算机视觉技术为核心的视频监控系统。通过目标动态检测以及标定跟踪算法实现只有在有活动对象的时候才对视频图像数据进行处理和本地存储,这样可以大大减少存储的冗余信息,做到更有效地存储,在节约存储空间的同时降低视频存储的传输带宽。本文充分考虑系统的稳定性、可维护性、易移植性以及设备性价比,在硬件选择和系统兼容性上做了大量研究,主要工作及成果如下:1.设计了一款符合需求的嵌入式系统架构,以ARM9/S3C2440微处理器模块为核心,搭配电源供电模块、USB摄像头、网口通讯模块、SD存储模块及其他功能模块来实现本视频监控系统功能。2.在考察了市面上现有的视频监控系统后,选取和设计了一套高效、可靠且性价比高的视频监控系统硬件组件,并充分考虑各模块间的干扰、系统的兼容性进行电路设计。3.设计了视频监控系统的主要功能模块程序和同时对移动目标检测算法进行优化。最后在完成视频监控系统所需的功能设计后,对该系统进行设备调试和功能验证,结果表明本次系统设计的所有硬件功能模块都能正常工作,视频采集实时性良好,没有明显的时间滞后问题,在实时交互过程中图像采集显示的效果基本符合标准;同时在监控目标区域内,仅当物体移动时才保存视频数据,并在视频中对其进行标记和跟踪。这样该视频监控系统大大减少了存储损耗,降低了图像处理时间和传输带宽。

关键词： 视觉SLAM   视觉惯性里程计   嵌入式系统   并行计算加速   非线性优化  

摘要： 视觉惯性里程计(Visual Inertial Odometry)是融合视觉信息和惯性测量信息的SLAM系统。SLAM是Simultaneous Localization and Mapping的缩写,中文名称为同步定位与地图构建,是现代机器人开发使用中不可或缺的一项技术,随着人工智能水平和计算机计算能力的不断发展,近年来视觉SLAM技术的研究越来越火热。但纯视觉SLAM工作的场景仍然受限,只有在光照良好视觉纹理特征明显的环境下工作,并且在运动发生剧变很容易产生跟踪丢失的现象。而IMU可以通过惯性原理测量目标的运动状态,与视觉信息在某种程度上互补,将两种传感器信息融合到一起,可以得到更准确鲁棒的SALM系统。基于此,本文设计了一种基于优化算法的视觉惯性里程计算法,并将其应用在嵌入式开发平台上。本文的内容主要包括以下部分:(1)设计了一种使用半直接法的视觉里程计,通过在连续的输入图像帧中检测提取FAST关键点,并使用KLT光流法对其跟踪,进而恢复相机位姿,得到相机里程计数据。并且对算法过程进行分析,提出了一种基于ARM处理器NEON并行加速的方法,提高了算法运行速度。并且引用了GRIC选型标准,能够根据正确匹配关键点的特点,正确的选择计算机视觉对极几何模型来进行相机位姿恢复,增加了算法的鲁棒性。(2)分析SLAM系统相关理论并对相关公式进行推导,其中包括:计算机视觉对极几何相关理论推导,IMU预积分相关公式推导,不同导航坐标系之间变换推导,优化算法中目标函数、约束条件推导,以及求解目标函数时Jacobian矩阵的推导。(3)设计了一套完整的视觉惯性里程计系统,提出了一种基于优化算法的视觉惯性紧耦合方案,详细讨论了VIO中的视觉测量约束和IMU测量约束,按照状态向量之间的约束推导了非线性优化的目标函数,并介绍了优化算法中滑动窗口边缘化的策略,最后,采用了一种基于词袋模型的回环检测方法,通过检测回环帧,实现了重定位的功能,并且将回环约束加入到后端优化中,减小累计误差,消除轨迹漂移,进行了全局一致性的位姿图优化。(4)最后对本文设计的VIO算法进行实验验证,验证了本文设计的视觉前端加速方法有效可行,并使用公开数据集Eu Ro C数据集进行算法整体的验证实验,最后通过与传统基于滤波算法的视觉惯性SLAM系统OKVIS进行对比,证明了本文设计的基于优化算法的VIO算法的具有更高的准确性和鲁棒性,能够满足智能移动终端实时性的要求。

关键词： FPGA   PCIE   嵌入式系统   DDR   高速接口   数据交互  

摘要： 随着实时信息处理系统的发展,各种嵌入式实时系统之间及内部的数据传输与交互的要求也越来越高。本论文研究面向嵌入式系统的数据传输与交互技术,以满足系统对实时大数据的交互以及通用性和可扩展性的需求。本论文提出并设计完成了一种基于FPGA的高性能嵌入式数据交互平台,实现了该平台内部处理器与各分布式模块的高性能数据交互,以及平台对外的高速数据传输。主要的工作有以下几点:1、基于RocketIO接口设计了平台对外的数据交互方式,可以根据不同的应用需求自由定制交互协议,制定了校验机制使得系统具有灵活性和安全性等特点。2、使用AXI协议编写了模块内部的DDR数据存储读写逻辑,其良好的可扩展性能够满足高吞吐、大容量场景的设计需求。3、基于PCI-Express总线设计了处理器与分布式模块的DMA交互机制,实现了稳定、低延时的数据传输功能,配置的动态寄存器可以对系统进行实时参数修改。4、设计实现了整个系统的互连模块,对于不同时钟域之间的数据进行协调控制,完成了不同协议间的数据组包功能。本论文通过仿真实验和实际硬件平台测试对系统功能进行验证:其结果表明在平台间数据交互时,带有校验的传输效率可接近理论值;处理模块内部DDR读写存储带宽可达8GB,硬件模块和处理器之间传输时,DMA交互可以完成吉比特级的传输,拥有较低的延时,可以支持整体系统连续的高效组包数据流传输。测试结果验证了系统功能和设计方案的正确性。

关键词： 嵌入式系统   第四次工业革命   智能手机  

摘要： 2019年瑞士达沃斯论坛提出,人类已经进入第四次工业革命,第四次工业革命的典型特征之一是大数据的行业应用。今天,通过分析智能手机的使用模式,研究人员能够预测疾病的严重程度以及在世界各地爆发时间。同样,政府机构借助大数据可以预测到偏远地区的干旱状况,从而能够抢先一步调动资源进行应对。数据已成为生产力,数据也成为财富。如果说智能手机充当了大数据和人类的桥梁,那么嵌入式系统是大数据和行业应用之间的

关键词： 漏斗车底门   实时监测   数学形态学   嵌入式系统   云平台  

摘要： 漏斗车是一种常见的铁路货运车辆,在我国大宗货物运输方式中占较大比重。但漏斗车底门开闭机构故障率较高,在车辆运行时容易出现底门故障。底门故障可能导致货物倾泻,会损坏沿线设施,甚至威胁铁路运营安全。因此,有必要对漏斗车底门进行实时状态监测。首先,综述现有的漏斗车底门监测方案,介绍各种监测方式的优势及缺点,并介绍底门开闭原理及常见底门故障原因。在此基础上,结合漏斗车实际运营条件,细致分析系统需求,并研究其中涉及的关键技术,完成漏斗车底门监测系统总体方案设计。其次,研究底门状态识别算法。根据漏斗车底门开闭图像特征,提出基于数学形态学的图像处理算法,通过底门照片初步判断底门状态;再结合处理结果及二级锁闭处的位置传感器监测数据,对漏斗车底门进行状态识别,识别结果可帮助监测人员做出最终决策。随后,对系统的软硬件方案进行详细设计。硬件方面完成电路设计和各部件选型;设计了核心板电路、电源电路、数据存储电路、数据通信电路、加速度模块电路等;并对Zig Bee无线模块、位置传感器、串口摄像头等的选型和安装进行介绍。软件方面完成系统软件设计工作;编写Zig Bee采集节点及协调器程序,实现无线图像传输通信协议;在ARM平台下搭建Linux开发环境,并完成网关软件设计,通过多进程编程实现数据通信与数据处理功能;基于阿里云物联网平台搭建开发环境,实现ARM网关接入,并通过阿里云Io T Studio实现Web可视化设计,通过Android Studio实现App程序开发。最后,对系统功能进行测试。针对系统通信功能及底门状态识别算法进行测试,并对系统进行联调试验。测试结果表明,该监测系统符合漏斗车运营条件,可以在行车过程中对底门状态进行可靠的远程实时监测,满足了设计预期,是对现有监测方式的一种很好的补充。

关键词： 桥梁裂缝   自适应阈值   形态学处理   K-means   嵌入式系统  

摘要： 现代桥梁在我们的日常生产生活中发挥着越来越不可替代的作用。钢筋混凝土由于其具备造价低廉,具备很好的耐久性等优点,已经成为现代桥梁中最常见的一种建筑类型。随着时间不断地向前推移,混凝土桥梁会出现老化、腐蚀等现象,因此,混凝土桥梁的日常检测与养护成了国内桥梁养护工作者越来越重视的工作内容之一。裂缝是桥梁最为普遍出现的、也是最为急需解决的一种病害,裂缝的存在会严重危害到桥梁的安全。传统的人工检测手段已经不能够满足日益增加的桥梁检测需求,随着计算机技术与自动化技术的不断发展,基于数字图像处理的桥梁裂缝无损检测技术也越来越受到人们的重视,已经成为许多专家学者研究的热点课题之一。实际拍摄的裂缝图像中存在着大量的干扰噪声,还可能会出现阴影、光照不均匀等问题,这会影响到裂缝目标提取的成功率,进而影响到裂缝的诊断与识别。针对这些问题,本文研究一种可以实时、快速、准确地实现桥梁裂缝检测的图像处理方法,适用于搭载在无人机飞行平台上的嵌入式系统。裂缝检测嵌入式系统硬件平台主要包括CortexA9嵌入式模块、OV5640摄像模块以及电源模块。本文系统利用电源模块进行供电,再通过OV5640摄像模块实时采集混凝土桥梁表面的图像,最后通过移植入嵌入式模块中的裂缝诊断算法完成桥梁裂缝的检测工作。本文裂缝诊断算法主要包括图像预处理、图像分割及图像形态学处理3个步骤,其中:首先对原始图像进行图像预处理操作,本文算法先将彩色图像转化为灰度图像,再利用中值滤波对灰度图像进行平滑处理,有效抑制了噪声对后续算法的影响;然后再进行图像分割操作,本文提出的图像分割算法结合了裂缝面积估计与背景减除操作,可以得到较好的图像分割阈值,进而较好地完成裂缝目标的有效提取;最后再进行图像形态学处理,本文提出了基于K-means的形态学滤波算法,它克服了传统形态学算法需要人工干预挑选滤波参数的缺点,可以根据裂缝目标连通区域的面积特征来获得自适应的最佳参数,与此同时,本文算法还克服了传统机器学习构建诊断模型时训练样本难以获取的问题,根据聚类分析结果中每类连通区域数量的区别,来区分裂缝图像与正常图像。最后,用实际拍摄的混凝土图像进行了本文裂缝检测系统的验证及结果分析,本文算法的诊断正确率为96.86%,满足实际应用中的需要。

关键词： 剑杆织机   主轴   嵌入式系统   振动频谱   BP神经网络  

摘要： 剑杆织机是纺织行业中应用十分广泛的一种纺织机械。织机在纺织过程中,纱线的张紧力要保持在合适范围内,而织机的振动会引起纱线张力的波动,进而影响纺织质量。目前,织机嵌入式控制系统并没有振动检测的功能,需要人为来排查,而主轴是织机的动力源,直接影响其振动大小。因而本课题研发了一套织机主轴嵌入式振动监测分析系统。该系统能监测织机主轴振动,及时发现振动异常,分析故障原因。首先,本课题研究设计了一套嵌入式振动采集系统。系统主要包括振动采集、调理电路模块,系统通讯模块与数据存储模块三大部分。它具有系统精简、WIFI传输、灵活可扩展、成本低等特点。其次,机械振动信号常从频域来分析其频谱特征及振动异常原因,因而本文研究了工业常用的频域分析算法——快速傅立叶变换(FFT)的原理和计算方法,并编写和优化了FFT嵌入式C语言算法程序,以将其应用在性能较弱的嵌入式平台中,使系统在采集振动信号后,可自行获取其振动频谱来分析。最后,由于机械振动的多样性、复杂性,其频谱需由专业人员来进行分析。为了提高系统的自动化、智能化水平,减少人力成本投入,本系统还引入了BP神经网络来对织机主轴的振动频谱特征和故障类型进行了关系学习、拟合,使系统在获得主轴振动频谱后,可以智能分析、判断振动故障原因,并及时通知设备维护人员进行检修。由于BP神经网络需要进行大量的计算,对硬件性能要求高,低成本的嵌入式系统无法运行复杂的BP算法,所以神经网络一般都是基于PC平台来完成的。而本文对BP神经网络原理进行了研究,发现BP网络的学习结果可以用数学公式表现出来。因而本系统将BP网络的学习过程借助PC平台来完成,然后提取BP学习结果为数学映射公式,嵌入式系统可利用该公式实现智能频谱分析和BP故障预测。本文利用了嵌入式系统硬件采集了剑杆织机主轴的振动频谱,并采用对比分析法进行了分析,判断出主轴振动异常的原因。而设计的BP神经网络也能够对振动频谱进行特征识别,判断故障原因。实验证明了本嵌入式振动检测分析系统方案的可行性与可靠性。