fpga的机器视觉算法验证平台算法实例编写
摘 要 本课题主要针对的是基于FPGA的机器视觉算法验证平台的研究。硬件部分采用摄像头采集图像，输入到开发板中，软件部分使用开发工具对图像进行处理，输出到VGA显示。该平台的主控制器选用zynq7000开发板，图像传感器采用OV7670摄像头；软件上选用VIVADO和SDK开发工具。在使用VERILOG语言搭建的算法处理的框架结构中，对摄像头采集到的图像信息使用预先编写好的缩放、边缘检测、反色等算法进行图像处理，最后将结果输出到VGA显示。
目 录
绪论 . . . . . . . . . . . . . . . . . . . . . . . 1
课题研究的背景与意义 . . . . . . . . . . . . . . . . . 1
基于FPGA的机器视觉的发展现状和趋势. . . . . . . . . . 1
系统方案设计. . . . . . . . . . . . . . . . . . . . . . . 2
2.1 平台介绍 . . . . . . . . . . . . . . . . . . . . . . . 2
2.2 系统框架介绍 . . . . . . . . . . . . . . . . . . . . . 2
机器视觉算法验证平台软件设计 . . . . . . . . . . . 4
3.1 IP核介绍. . . . . . . . . . . . . . . . . . . . . . . . 4
3.2 摄像头控制 . . . . . . . . . . . . . . . . . . . . . . . .5
第四章 机器视觉算法验证平台的算法实例 . . . . . . . . . . 6
4.1 处理前的图像 . . . . . . . . . . . . . . . . . . . . . 6
4.2 算法介绍. . . . . . . . . . . . . . . . . . . . . . . . 6
4.2.1边缘检测算法. . . . . . . . . . .
*好棒文|www.hbsrm.com +Q: &351916072&
. . . . . . . . 6
4.2.2缩放算法. . . . . . . . . . . . . . . . . . . . . 9
4.2.3反色算法. . . . . . . . . . . . . . . . . . . . . 9
第五章 软硬件联调测试. . . . . . . . . . . . . . . . . . . . . 10
5.1 硬件部分测试 . . . . . . . . . . . . . . . . . . . . . 10
5.2 最终测试结果. . . . . . . . . . . . . . . . . . . . . 10
结束语. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
致谢. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
参考文献. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 第一章 绪论
1.1 课题研究的背景与意义
现代社会，人们获得信息的主要途径就是图像。我国最伟大发明之一的汉字，也是由图像得到的灵感，得到象形文字，最后演变为现在的文字。所以，图像是当之无愧的信息载体。
以前用来保存采集图像的方法只有一个，那就是画下来。现代社会，随着照相机、摄像机的发明，图像采集变得非常简单。虽然这些设备的发明拓宽了人们的视野，让人们可以看到浩瀚无垠的宇宙，还可以看到肉眼无法看到的细胞、原子等等。但是，由于设备自身原因，以及一些干扰因素如噪声、光照等等，采集到的图像质量变得比较差，图像信息不完整。积极进取的人们不满足于目前采集到的图像的质量，所以就有了图像处理。抑制噪声、消除或努力去消除一些干扰因素，改善图像质量，或者为了满足某些特殊需求，对图像做一些特殊的处理，这些都是当今研究人员研究的主要方向。
计算机技术的迅速发展，集成电路的集成度在遵循着摩尔定律逐渐提高，图像处理的算法也日趋完善，应用越来越普及。工业、医学、科学研究领域等等，图像处理在其中扮演着重要的角色，为人们带来便利，也取得了巨大的经济效益。
1.2 基于FPGA的机器视觉的发展现状和趋势
FPGA，即为Field Programmable Gate Array，是一种高性能可编程逻辑器件，除了可以实现高速的硬件计算，最大的特点还是其能够实现并行运算，并且能够轻易的修改其内部的逻辑功能。GPU（Graphic Processing Unit）的并行运算能力要强于FPGA，但是其功耗是FPGA的百倍以上。专用集成电路ASIC性能强、体积小、功耗较低，是有高性能嵌入式视觉系统需求的人的首选，但是专用集成电路开发周期长，而且修改不方便，没有通用性。随着技术的不断进步，FPGA集成度越来越高，不断满足开发人员的设计要求，所以FPGA将会是嵌入式视觉系统设计的主角。
近年来，越来越多的人把目光转向了基于FPGA的机器视觉系统开发，低层次图像处理、特征点提取、目标跟踪等方面，是未来基于FPGA的机器视觉系统的发展趋势。
第二章 系统方案设计
2.1 平台介绍
图1 硬件平台
硬件平台如图1所示，使用摄像头对图像进行采集，将采集到的图像信息放入预先搭建好的算法框架中，加入算法进行处理。本次设计的平台使用纯FPGA的结构，开发工具VIVADO中调出相关的IP核（下面会有纤细介绍）进行连接，最终完成系统框架的搭建。再转入SDK中进行程序编辑，对平台进行控制（包括摄像头控制，图像处理等）。
2.2 系统框架介绍
图2 系统框架
系统框架图如图2所示.
1.图像显示模块：图像采集部分采用的是OV7670图像传感器。这是一个1/3英寸的宽视频图形阵列格式、CMOS有源像素数字图像传感器。主动成像像素阵列为752×480，在实际使用中，运用对摄像头的开窗尺寸控制，截取像素阵列640×480，存入存储器中。
2.处理器模块：ZYNQ开发板的核心部分。其中的APU由两个CortexTMA9微处理器，，缓存器和存储器构成。每个微处理器都可以运行高达800MHz，都包含独立的32KB L1指令高速缓存和数据高速缓存。两处理器共享一个512KB L2高速缓存和256KB的片上存储器等基本单元。与内存接口、I/O外设和互联组成ARM处理器模块。负责对摄像进行控制以及处理采集到的图像。也是本次设计的核心部分之一。
目 录
绪论 . . . . . . . . . . . . . . . . . . . . . . . 1
课题研究的背景与意义 . . . . . . . . . . . . . . . . . 1
基于FPGA的机器视觉的发展现状和趋势. . . . . . . . . . 1
系统方案设计. . . . . . . . . . . . . . . . . . . . . . . 2
2.1 平台介绍 . . . . . . . . . . . . . . . . . . . . . . . 2
2.2 系统框架介绍 . . . . . . . . . . . . . . . . . . . . . 2
机器视觉算法验证平台软件设计 . . . . . . . . . . . 4
3.1 IP核介绍. . . . . . . . . . . . . . . . . . . . . . . . 4
3.2 摄像头控制 . . . . . . . . . . . . . . . . . . . . . . . .5
第四章 机器视觉算法验证平台的算法实例 . . . . . . . . . . 6
4.1 处理前的图像 . . . . . . . . . . . . . . . . . . . . . 6
4.2 算法介绍. . . . . . . . . . . . . . . . . . . . . . . . 6
4.2.1边缘检测算法. . . . . . . . . . .
*好棒文|www.hbsrm.com +Q: &351916072&
. . . . . . . . 6
4.2.2缩放算法. . . . . . . . . . . . . . . . . . . . . 9
4.2.3反色算法. . . . . . . . . . . . . . . . . . . . . 9
第五章 软硬件联调测试. . . . . . . . . . . . . . . . . . . . . 10
5.1 硬件部分测试 . . . . . . . . . . . . . . . . . . . . . 10
5.2 最终测试结果. . . . . . . . . . . . . . . . . . . . . 10
结束语. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
致谢. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
参考文献. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 第一章 绪论
1.1 课题研究的背景与意义
现代社会，人们获得信息的主要途径就是图像。我国最伟大发明之一的汉字，也是由图像得到的灵感，得到象形文字，最后演变为现在的文字。所以，图像是当之无愧的信息载体。
以前用来保存采集图像的方法只有一个，那就是画下来。现代社会，随着照相机、摄像机的发明，图像采集变得非常简单。虽然这些设备的发明拓宽了人们的视野，让人们可以看到浩瀚无垠的宇宙，还可以看到肉眼无法看到的细胞、原子等等。但是，由于设备自身原因，以及一些干扰因素如噪声、光照等等，采集到的图像质量变得比较差，图像信息不完整。积极进取的人们不满足于目前采集到的图像的质量，所以就有了图像处理。抑制噪声、消除或努力去消除一些干扰因素，改善图像质量，或者为了满足某些特殊需求，对图像做一些特殊的处理，这些都是当今研究人员研究的主要方向。
计算机技术的迅速发展，集成电路的集成度在遵循着摩尔定律逐渐提高，图像处理的算法也日趋完善，应用越来越普及。工业、医学、科学研究领域等等，图像处理在其中扮演着重要的角色，为人们带来便利，也取得了巨大的经济效益。
1.2 基于FPGA的机器视觉的发展现状和趋势
FPGA，即为Field Programmable Gate Array，是一种高性能可编程逻辑器件，除了可以实现高速的硬件计算，最大的特点还是其能够实现并行运算，并且能够轻易的修改其内部的逻辑功能。GPU（Graphic Processing Unit）的并行运算能力要强于FPGA，但是其功耗是FPGA的百倍以上。专用集成电路ASIC性能强、体积小、功耗较低，是有高性能嵌入式视觉系统需求的人的首选，但是专用集成电路开发周期长，而且修改不方便，没有通用性。随着技术的不断进步，FPGA集成度越来越高，不断满足开发人员的设计要求，所以FPGA将会是嵌入式视觉系统设计的主角。
近年来，越来越多的人把目光转向了基于FPGA的机器视觉系统开发，低层次图像处理、特征点提取、目标跟踪等方面，是未来基于FPGA的机器视觉系统的发展趋势。
第二章 系统方案设计
2.1 平台介绍
图1 硬件平台
硬件平台如图1所示，使用摄像头对图像进行采集，将采集到的图像信息放入预先搭建好的算法框架中，加入算法进行处理。本次设计的平台使用纯FPGA的结构，开发工具VIVADO中调出相关的IP核（下面会有纤细介绍）进行连接，最终完成系统框架的搭建。再转入SDK中进行程序编辑，对平台进行控制（包括摄像头控制，图像处理等）。
2.2 系统框架介绍
图2 系统框架
系统框架图如图2所示.
1.图像显示模块：图像采集部分采用的是OV7670图像传感器。这是一个1/3英寸的宽视频图形阵列格式、CMOS有源像素数字图像传感器。主动成像像素阵列为752×480，在实际使用中，运用对摄像头的开窗尺寸控制，截取像素阵列640×480，存入存储器中。
2.处理器模块：ZYNQ开发板的核心部分。其中的APU由两个CortexTMA9微处理器，，缓存器和存储器构成。每个微处理器都可以运行高达800MHz，都包含独立的32KB L1指令高速缓存和数据高速缓存。两处理器共享一个512KB L2高速缓存和256KB的片上存储器等基本单元。与内存接口、I/O外设和互联组成ARM处理器模块。负责对摄像进行控制以及处理采集到的图像。也是本次设计的核心部分之一。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/1590.html
