课程文献中心 更多>>

关键词： LNMP   嵌入式系统   远程管理   Zabbix  

摘要： 随着嵌入式技术地快速发展,嵌入式操作系统的使用也变得十分广泛,嵌入式设备也大量应用于人们的生活工作中。在嵌入式设备正常工作运行时,人们需要对其运行状况进行监控管理,以防止设备故障而影响系统的正常运行。现今在很多优秀的开源监控平台能对嵌入式设备进行监控,但只使用该系统而不进行系统重构和功能优化,是无法实现一个实际监控管理项目的所有需求的。如何设计出一款具有高可靠性、架构设计合理且高可用性的设备管理系统是本文研究的主要课题。本文基于LNMP服务器架构并结合开源监控系统Zabbix系统对成都中嵌自动化公司实际项目需求进行设计开发,通过重构系统架构及针对系统今后发展过程中可能遇到的性能瓶颈和维护困难等问题,对其进行功能及性能补强,使得整个嵌入式设备管理系统的稳定性、并发性、扩展性得到大幅度提高。本文具体工作如下:首先,本论文分析了系统的主要研究方向,查阅大量资料分析了当前国内外远程管理系统的状况,通过对比不同服务器架构的差异确定使用LNMP架构作为基础服务器架构,并对比各种开源软件性能优劣,最终选用Zabbix系统作为基础开发系统;其次,对整个设备远程管理系统进行了需求分析,结合当前该公司的实际需求,确定了系统的功能和性能需求,并对系统进行总体思想设计以及功能模块设计;对系统的架构及模块功能进行实现,包括信息抓取、分布式存储、告警检测以及信息展示等;对系统进行性能优化实现,采用CPS(Client/Proxy/Server)分布式架构来减轻服务端的压力来实现平台的稳定性;通过在服务端和代理端安装插件和脚本的方式来增强系统服务端的可靠性。采用MySQL数据库主从备份技术进行优化处理来保证数据库的可靠性;最后实现了基于LNMP的设备远程管理平台。通过对平台告警功能测试和防服务端失效功能测试,本系统告警功能完善,系统在主服务端故障时能运行稳定,能够满足该公司对其生产的嵌入式设备进行监控的现实需求,提高了管理的效率和质量。

关键词： POCT   嵌入式系统   ARM   生化分析仪  

摘要： 随着生活水平的不断提高,人们对自我健康的管控需求也变得越来越高,以传统医院为核心的诊疗模式已逐渐向着家庭日常保健和个体化医疗的模式转变。即时检测技术的快速发展正是这一变化的体现。本文基于即时检测技术和分光光度法原理设计并完成了一台便携易用、性能可靠的基于ARM微处理器的POCT分析仪。主要研究内容如下:本文首先分析了POCT技术和ARM嵌入式系统的国内外发展现状,之后根据生化分析仪的测量原理和工作原理,结合POCT技术和ARM嵌入式系统,提出了POCT分析仪的总体设计方案。POCT分析仪主要由硬件系统和软件系统两大部分组成。其中,POCT分析仪的硬件系统采用模块化设计方法,完成了各模块的硬件选型及关键电路的设计工作。整个硬件系统以STM32F407ZGT6微处理器为核心,根据功能划分为光学模块、数据采集模块、微处理器模块、人机交互模块、外围通讯接口模块和电源模块六个部分。在光学模块中,采用波长为532nm的LED作为系统光源,完成了光学模块的优化设计,并通过ZAMAX光学追迹软件对优化后光路进行了仿真分析,研究了平行光入射夹角变化对检测结果的影响。POCT分析仪的软件系统主要采用μC/OS-II操作系统实现各任务子程序间的调度及协同工作,并根据各硬件模块的目标功能完成了各模块任务子程序设计。同时,采用LCD液晶触摸显示屏实现了用户友好的人机交互界面设计。本文最后通过透射比重复性、T-A换挡偏差、标准曲线的绘制和样品的测定实验来对POCT分析仪的关键性能指标进行验证,实验结果表明,本文所设计的POCT分析仪已达到设计要求。目前,在国内尚没有采用分光光度法的便携式POCT分析仪的商业应用,开发基于ARM和分光光度法的便携式POCT分析仪填补了我国在此领域的研究空白,也为相关研究提供了一定的参考价值。

关键词： 插秧机   视觉导航   深度神经网络模型   嵌入式系统  

摘要： 中国是水稻种植大国,种植面积占全球水稻种植面积的18.4%左右,年产量占全球水稻产量27.6%,在全球水稻产量中居于首位。在水稻生产中,由于水田泥土松软、质地不均匀、插秧机驾驶员调控不恰当等原因,导致秧苗的田间分布不规整,使田间管理机械在后续的作业过程中不可避免地压苗、伤苗,限制了田间管理机械的发展和应用。因此,本研究提出基于深度神经网络模型的秧苗行线提取算法,并搭建了嵌入式平台,以期为插秧机提供一套可靠性高、实时性能好的辅助驾驶导航视觉系统,使插秧机实时跟随邻行苗带线作业,以实现田间秧苗规整分布。本文的主要研究内容和结论如下:(1)构建水稻秧苗图像样本数据集分析了插秧机辅助驾驶导航视觉系统的技术要求,进行了图像样本采集系统硬件选型;设计了摄像头安装减振机构;根据摄像头成像原理,并综合分析了插秧机-秧苗-摄像头位置关系,搭建了水稻秧苗田间图像样本视觉采集平台;采集了不同时间段、不同光照强度和角度的田间水稻秧苗图像样本,通过基于作物冠层的标定方式进行人工标注,得到数据量大且样本多样性的水稻秧苗数据集。(2)建立秧苗识别与定位模型选用深度卷积神经网络作为秧苗识别与定位的方式,在Faster R-CNN神经网络架构下,分别采用3个卷积特征提取网络和2种训练方式训练得到水稻秧苗深度识别模型,优选出最佳的特征提取网络和训练方式;对选用的模型进行训练参数优化试验,确定最佳的训练参数组合。试验结果表明,以VGG＿CNN＿M＿1024网络作为秧苗卷积特征提取模型,采用联合训练方式进行秧苗识别模型训练,训练参数组合中样本批量为256、初始学习率为0.005时,识别精准度为89.8%,识别速度为118ms/幅,实时性能系数为0.81,满足导航系统性能要求。(3)提出基于深度神经网络模型的水稻秧苗行线提取算法通过训练后的深度神经网络模型识别图像中的秧苗,采用了凝聚型层次聚类法对识别的秧苗进行行聚类,依据线性回归法对目标行的秧苗进行中心线拟合提取,确定插秧机水平位移导航参数和航向角导航参数,并进行误差分析。结果可知:航向角参数的组间平均绝对误差为0.60°,误差范围在0.45～0.67°之间,其RMSE为0.07°;初始点水平参数的组间平均绝对误差4.75像素(约10.39mm),组间误差范围在3.30-6.58像素(约7.22-14.39mm)之间,其RMSE为1.16像素(2.54mm);与经典绿色作物行线分割提取算法进行对比,试验表明本研究算法具有更优的精准度和鲁棒性。(4)开发嵌入式平台系统针对苗带线提取方法特性以及嵌入式开发调试需求,选用基于GPU运算加速器的Jetson TX2开发板作为算法嵌入平台;在平台上搭建了嵌入式操作系统Linux for Tegra;并在系统中部署了OpenCV、VisionWorks计算机视觉与图像处理工具,以及CUDA、Cu DNN以实现算法在GPU上加速运算。在嵌入式平台上进行了算法移植与优化,并进行识别精准度与执行速度测试,测试结果表明:该优化后算法在嵌入式平台上识别精度为89.3%,图像运算速度为77ms/幅,实时性能系数为0.879,满足插秧机高速作业情况下辅助导航视觉系统的实时性能要求。

关键词： 目标跟踪   目标遮挡   KCF算法   嵌入式系统   DSP   FPGA  

摘要： 随着计算机技术的飞速发展,机器视觉得到广泛关注,在交通监控、导航制导、武器装备、国防作战等领域发挥着重要作用。目标跟踪作为机器视觉中的关键技术成为该领域研究的热点课题。本文主要对基于KCF框架的运动目标跟踪算法进行了深入研究,并进行了DSP+FPGA架构的嵌入式系统设计,具体的研究内容如下:(1)对典型判别式目标跟踪算法TLD算法、Struck算法、KCF算法的理论基础分别进行分析研究。考虑到算法的鲁棒性、实时性与可移植性,使用Benchmark视频库对算法进行跟踪性能与实时性对比分析。实验结果证明,三种算法中KCF实时性最好,但抗遮挡性最差。(2)针对KCF抗遮挡性差的缺点,提出一种改进的KCF算法。改进算法使用分类器峰值响应进行目标遮挡判定,当检测到目标被严重遮挡,进一步使用连续两帧目标跟踪框直方图的巴氏距离进行跟踪结果判定。当检测到目标跟踪失败,使用模板匹配的方法进行目标搜索与重定位,并初始化跟踪器。此外,使用中心位置误差、跟踪成功率、实时性对算法进行评估。实验结果证明,改进算法针对目标遮挡具有更好的鲁棒性。(3)为实现跟踪算法在嵌入式系统的移植与实现,设计了一个FPGA+DSP架构的图像处理平台,该系统包含图像采集、传输与处理、显示三个部分。图像采集部分,为方便图像传感器的安装,设计了一款小型的工业相机;图像传输与处理部分,FPGA完成图像信息的接收与预处理,DSP负责跟踪算法的实现;图像显示部分,成功编写网口驱动程序,利用人机交互界面实现对相机图像的观测。

关键词： 嵌入式系统   视频监控   HI3518E   RTSP   H.264  

摘要： 针对传统视频监控系统存在系统执行效率低、画面质量较差、网络带宽受到限制以及数据网络传输过程丢包等问题,设计出一种基于HI3518E的网络视频监控系统。本系统选用HI3518E芯片作为视频编码和网络传输的主控制器,结合AR0130摄像头与rtl8201以太网卡等外设构成系统硬件平台。通过对目前压缩算法优缺点进行分析,在H.264压缩算法的基础对图像进行编码处理,最后通过RTSP实时传输协议,将H.264码流数据由服务器端发送到客户端,客户端播放器VLC解码播放,实现了远程视频监控。本系统主要研究工作如下:(1)为了解决传统视频监控系统的顺序执行模式在多个模块中存在依赖关系,而导致系统执行效率低。本系统采用多线程编程技术,将系统功能分为三个部分:视频采集与编码、RTSP网络监听以及网络发送,随后创建三个子线程,将三个功能放在各自的子线程运行,实现功能函数的宏观并行,从而提高系统执行效率。(2)为了解决本系统视频监控画面存在的画面清晰度低以及马赛克现象,本系统通过对影响视频质量的量化参数与摄像头驱动的黑电平参数进行调节,最终使得监控画面能清晰流畅的显示。(3)由于视频数据量本身较大,而网络带宽受限,降低了视频监控实时性。故设计一种基于H.264压缩算法的视频监控系统,本系统视频压缩率可达到1:107,大大减少了网络传输的视频数据量,提高了系统实时性。(4)传统视频数据的网络传输存在丢包现象,本系统采用RTSP实时传输协议对流媒体进行控制,RTSP的控制流信号采用TCP协议发送,而视频流数据依托于RTP协议发送。实验结果表明,网络传输视频数据时,无丢包现象。本文主要工作可分为硬件方案设计、软件方案设计以及系统移植三个部分。硬件设计部分首先对处理器方案进行比较,选择合适的方案并设计系统硬件框架,随后对各类图像采集传感器进行对比分析,并确定方案。软件设计部分采用多线程编程技术实现了系统多任务的宏观并行,提高系统执行效率,系统多线程分为三个子线程,包括视频数据采集与编码线程设计、RTSP监听线程设计以及视频数据网络发送线程设计。系统移植部分包括搭建嵌入式开发环境与Linux系统移植。

关键词： 公钥密码基础设施   人脸识别   密码技术   数字签名   单点登录  

摘要： 随着经济全球化的发展,很多企业在全国甚至全球各地设立分公司,并利用互联网实现总部与分公司之间的数据通信、业务汇总统计、信息分发等业务需求。如何实现用户的身份鉴别,成为远程登录企业办公系统的首先要面对的安全问题。传统的利用口令、智能密码钥匙等技术的身份鉴别机制,不能防止合法用户泄露口令或将智能密码钥匙转交给别人使用的安全漏洞。本论文首先介绍了常用身份鉴别技术的发展历程和研究成果,然后为了解决使用单一鉴别技术存在的缺陷,设计了一种利用生物特征和PKI技术相结合的多因素远程身份鉴别系统,并对该系统设计进行了阐述。该系统采用智能卡/智能密码钥匙硬件载体、PKI/CA技术以及生物特征识别技术,以保证只有用户本人能够登录企业办公系统,防止用户非法转交登录权限的问题发生。本文的主要内容和创新点包括:(1)本文设计的基于生物特征和PKI技术相结合的远程身份鉴别系统,实现了用户远程登录企业内部系统进行业务操作的功能,采用数字证书和生物特征的身份鉴别机制,对远程用户身份进行双重鉴别,在身份鉴别过程中,客户端与服务器端通过挑战应答机制,完成密钥交换和身份鉴别。(2)本系统对生物特征采集、传输、存储的全过程进行了特别的安全性设计。在生物特征采集阶段,使用活体检测技术,防御人脸照片攻击和人脸视频攻击;在生物特征传输过程中采用了非对称密钥进行加密传输,可防止在传输过程中生物特征信息被窃取;在生物特征存储时,使用对称密钥进行加密存储,增强服务器端的生物特征数据存储安全。通过对生物特征采集、传输以及存储的特别设计,提高生物特征的全生命周期的安全性。(3)本系统采用密钥分割和秘密共享技术,实现了对用于生物特征加密存储的对称密钥进行拆分和存储,进一步提升生物特征库的数据存储安全,防止数据泄露。同时,采用单点登录和PMI技术,实现用户访问控制与权限管理。(4)本系统使用SSL/TLS技术对网络中传输的数据进行加密传输,利用数字信封技术实现密钥的传输;同时,采用数字签名技术对网络传输的数据进行标记和验证,进一步提高网络数据传输的机密性、完整性、抗抵赖性等安全性。本论文设计的远程身份鉴别系统将两种身份鉴别技术结合使用,进一步提高了身份鉴别的准确率和安全性,弥补了仅使用单一身份鉴别技术的不足,为需要通过Internet互联网进行远程访问、验证用户身份、操作有关业务系统的企业提供了一种安全性更强、更具操作性的解决方案。

关键词： 高速存储   EMMC   NVME协议   嵌入式系统  

摘要： 当今时代数据总量呈现出连年增长的趋势,为了能及时捕捉并保存完整信息,对小型化高速存储技术的研究及存储设备的设计与开发具有重要的意义与应用前景。本论文针对高清视频数据在弹载环境下的存储需求,基于EMMC和NVME协议提出了两种数据记录构架。每套系统的硬件总体框架均由数据采集、数据存储以及数据还原三部分构成,同时搭配软件管理系统,可以完整的实现前端采集数据的高速存储以及数据还原功能。其中,基于EMMC芯片的存储系统由于体积小、性能稳定以及存储速度快等特点,可以应用于弹载及无人机系统,用于实时存储接收到的外界数据信息;而基于NVME协议的存储系统,由于其具有更高更快的数据吞吐量,可满足高分辨、高帧频视频存储。论文的主要工作如下:1、基于EMMC的小型化高清视频采集记录设备设计。为了满足小型化及高速的存储需求,以Xilinx公司型号为XC7A100TCSG324的FPGA芯片为核心,设计了EMMC采集存储系统。通过数据存储板与采集板之间的数据交互以及上位机软件的配合,实现了三大主要功能:一是采集接收外接的模拟信号,经过解码后转换为数字信号,再经过去隔行算法处理,按顺序将数据发送到存储板;二是将存储板接收的数据,按照EMMC协议规范写入存储芯片中;三是将存储数据按照格式规范读出,经由USB接口上传至上位机,最终还原出原始视频数据。2、在详细分析EMMC数据存储机理基础上,提出了基于状态机的存储控制策略,并设计了状态转移及控制流程。在XC7A100TCSG324控制芯片中进行了状态机模块设计,从而实现了高速视频数据的可靠存储。3、针对未来更高速存储领域的需求,以ZYNQ7035芯片为核心,设计了NVME存储记录系统,主要实现两大功能:一是在VIVADO环境下通过搭建硬件电路,实现基于PCIE通道的数据传输;二是在LINUX系统下,按照NVME协议规范,编写了设备驱动注册程序、数据读写程序以及用户应用层程序,完成了数据的高速存储。4、对所设计存储系统进行测试和验证。验证结果表明,两套存储方案的读/写速度均满足需求,并具有很好的稳定性。

关键词： 嵌入式系统   图像处理   神经网络   车道线识别   车辆识别  

摘要： 随着我国经济的发展,人民生活水平越来越高,汽车已经成为了日常生活必需的交通工具。各行业的汽车保有量增加导致了交通问题日趋严重。如何有效避免交通事故的发生已经成为了一个与人民生活息息相关的问题。因此,研究车道线与车辆识别有着重大意义。本文介绍了车道线与车辆识别系统的研究背景及研究意义,分析了国内外相关领域的研究进展,并给出了本课题实现的嵌入式识别系统的研究内容与技术指标要求。从车道线与车辆识别系统的两大算法即车道线识别算法与车辆识别算法的相关原理出发,提出了本课题使用的基于边缘特征和透视变换的车道线识别算法与基于改进SSD网络的车辆识别算法,从图像预处理,边缘提取,车道线识别详细介绍了车道线识别算法的实现;从数据集建立,改进SSD基础网络为MobileNet网络等详细介绍了车辆识别算法的实现。之后本文介绍了本课题所实现的车道线与车辆识别系统的硬件设计,给出了硬件的总体架构,接着分别介绍了系统的电源设计,HDMI转MIPI输入模块电路设计,图像处理模块选型及部分外围辅助电路设计和ECU电控模块相关电路设计。软件部分则从软件整体框架出发,详细介绍了输入模块的芯片配置程序,电源部分的SBC芯片驱动程序,Jetson TX2图像处理模块上的车道线与车辆识别程序设计与参数选择。本文最后进行了整个系统的性能测试。经测试,硬件测试性能良好,系统硬件能够正常运行,各数据通信稳定正常。本课题设计实现的车道线与车辆识别系统的车道线识别的准确率达到92.7%,在本系统平台上的单帧图像识别时间为28ms,车辆识别算法在自建数据集上车辆的识别准确率(AP)达到了 82.1%,在本系统平台上的单帧图像识别时间为0.14279s,在精度与运行效率的实时性上达到了设计要求,为今后相关领域的研究提供了思路,具有一定的理论与实际应用价值。

关键词： 嵌入式系统   物联网应用  

摘要： 20世纪70年代中,单片机(MCU)诞生,嵌入式系统开启了人类工具的智能化历史进程。从单片机的传统电子智能化改造,到智能化工具创新,再到新兴嵌入式系统应用创新一路走来,终于在物联网时代迎来了嵌入式系统的第一次变革,嵌入式系统从独立的产业时代变革到为物联网应用的服务时代。嵌入式系统在物联网应用中承担了物联网大系统底

关键词： 嵌入式系统   操作系统   Cortex-M4   驱动体系  

摘要： 随着电子技术的飞速发展,嵌入式系统被广泛应用于人们生产生活的方方面面。而嵌入式系统的基础是嵌入式操作系统,目前国内对嵌入式操作系统的研究和发展格外重视。但是现有的众多嵌入式操作系统的设计都存在或多或少的缺陷,设计者过多的关注了系统内核功能的设计,而忽略了包括驱动体系、设备管理、以及系统输入输出管理的设计,由于缺乏完整的操作系统服务例程的支持,使得嵌入式开发的成本和技术门槛愈来愈高。因此,一个简单完善、快速掌握、且对开发人员友好的嵌入式操作系统变得越来越重要。本文研究了实时操作系统微内核的原理以及操作系统设备驱动模型,着重分析了三种典型操作系统的设计方案,总结出在进行嵌入式操作系统设计时需要考虑的问题,提出了一种对现有嵌入式操作系统的改进实现方案,设计并开发出一个基于Cortex-M4的嵌入式操作系统——EDRTOS。EDRTOS实现了任务管理、时间管理、内存管理、同步管理等内核功能,建立了一套适应于中低端微处理器和微内核结构的驱动体系,并在微内核的基础之上实现了操作系统的分层,通过I/O系统实现了一个通用的接口包装层,统一了应用编程接口。最后对EDRTOS操作系统进行测试,主要包括功能测试和性能测试。通过设计开发了一个SD卡驱动程序,验证了 EDRTOS驱动体系的正确性,之后对各个模块和相关API的时间性能测试,结果显示相关指标均在10μs以内,系统性能良好。