基于FPGA的线阵CCD智能相机设计与实现
发布时间:2020-10-16 02:27
“中国制造2025”的提出明确了我国实现制造大国向制造强国转变的战略目标。大力发展智能制造是实现制造强国的重要途径。在智能制造的发展过程中,机器视觉扮演了极为重要的角色。随着国内工业自动化程度的不断提升,机器视觉的应用场景也不断得到扩展,同时新的应用场景也对机器视觉系统提出了更高的要求。线阵相机能对高速运动的物体进行精确的检测。智能相机将图像的采集、处理与传输等功能集成与单一的相机内,使机器视觉系统拥有更高的适用性与易用性。本文将线阵相机与智能相机的特性相结合,提出了基于FPGA的线阵CCD智能相机系统的设计与实现。首先,对智能相机的国内外研究现状进行介绍,列举了国内外主要智能相机产商的相关产品并对相关技术发展趋势进行了分析。然后对线阵智能相机系统的整体框架以及所涉及的相关技术进行了介绍,主要包括线阵CCD技术、FPGA开发技术、数据通信技术以及上位机软件开发技术。接着在此基础上针对系统方案进行软硬件设计,完成了具有图像数据采集、图像传输、图像数据显示完整功能的线阵智能相机系统。接着针对智能相机系统所涉及的图像处理算法及FPGA实现进行了重点研究,其中包括图像去噪,图像灰度畸变校正、图像颜色错位校正、图像颜色空间转换等图像预处理方法;应用于物料检测的颜色检测和面积检测、测量算法;对图像进行边缘提取的改进型Sobel方法。详细分析了算法原理同时给出FPGA实现方案并通过FPGA实现。最后,对研发的线阵智能相机系统进行测试。测试结果表明:本课题实现的相机系统图像采集、传输、显示功能正常。实现的图像预处理方法能有效改善图像质量。实现的颜色检测算法对彩色塑料片的检测能达到90%以上的检测正确率。面积检测算法对塑料片的检测能达到80%以上检测正确率。面积测量算法对单个塑料片的面积测量精度能达到95%以上。实现的改进型Sobel边缘方法边缘检测效果优于传统Sobel方法,但是比不上Canny边缘检测方法。
【学位单位】:杭州电子科技大学
【学位级别】:硕士
【学位年份】:2019
【中图分类】:TP391.41;TB852.1;TN791
【部分图文】:
???“?.樣??被测物体?相机?图像采集卡?计算机??图U传统机器视觉系统??图像采集模块由传统的相机以及图像采集卡构成,它们的作用是将输入的光信号转换成??电信号并且输出,承担着机器视觉系统前端的角色,相当于整个机器视觉系统的“眼睛”。在??传统的机器视觉系统中,智能处理与决策模块以及执行控制模块通常指的是计算机,它承担??了图像分析处理,决策判断以及系统执行流程控制等任务,相当于整个机器视觉系统的“大??脑”【5】。??随着机器视觉技术的应用场景不断扩大,工业生产自动化程度也不断提高。在某些特殊??的应用场景中,具有传统结构的机器视觉系统已经无法满足需求。因此,一种新的机器视觉??系统结构被提出,系统结构如图1.2所示。??
?一般智能相机系统由3部分组成:图像采集模块、图像处理模块、通信控制模块。组成框图??如图1.3所示:??,一?\?\?,一?\??/?^?\?/?\?/?\??/图像米集模块\?/图像处理模块\?/通信控制模块\??I?|酬专雜1?|?图像处理|?以太网?|??又|光学成像系统/?^?—图像缓存—/?^?in?1/??V?/?V?/?\?/??\?y?\?y?\?,??图1.3智能相机组成模块??通常智能相机需要具备以下功能:??(1)
??测量领域,尤其是当被测物体处于高速运动的状态。线阵相机与面阵相机实物如图1.4所示。??(a)线阵相机?(b)面阵相机??图1.4线阵相机与面阵相机实物图??1.2课题研究意乂??近年来,随着国内工业自动化程度的不断提升,机器视觉的应用场景也不断得到了扩展,??同时新的应用场景也对机器视觉系统提出了更高的要求[13_16]。对于一些精度需求高的并且被??测物体属于高速运动状态的检测与测量场景,线阵相机的应用无疑大大的提高了检测精度与??检测速度。但是由于线阵相机是以逐行扫描的方式获取图像,使其在进行图像处理时必须考??虑物体运动的影响,因此使用线阵相机的机器视觉系统大多数是基于传统结构的,而在传统??结构中,相机与pc机大量的数据交互又会大大限制系统的检测速度。因此,在基于智能相??机的机器视觉系统中应用线阵相机是对此类问题最佳的解决方案。基于智能线阵相机的机器??视觉系统又会在原有基础上大大提高系统的检测速度。于是对于将线阵相机与智能相机的特??性相结合的研宄具有极大的现实意义。??1.3课题研究现状??1.3.1国外研究现状??目前主流的智能相机还是以面阵相机为主。欧美相机产商在中端智能相机市场中依然占??据着主导的地位。??德国相机制造商Basler作为全球最早进入机器视觉领域的公司之一,通过30多年的行业??经验积累,成为了一家全球领先的高品质相机和相机配件制造商。其推出的BaslerPowerPcak??智能相机套件采用先进COMS芯片技术
【参考文献】
本文编号:2842614
【学位单位】:杭州电子科技大学
【学位级别】:硕士
【学位年份】:2019
【中图分类】:TP391.41;TB852.1;TN791
【部分图文】:
???“?.樣??被测物体?相机?图像采集卡?计算机??图U传统机器视觉系统??图像采集模块由传统的相机以及图像采集卡构成,它们的作用是将输入的光信号转换成??电信号并且输出,承担着机器视觉系统前端的角色,相当于整个机器视觉系统的“眼睛”。在??传统的机器视觉系统中,智能处理与决策模块以及执行控制模块通常指的是计算机,它承担??了图像分析处理,决策判断以及系统执行流程控制等任务,相当于整个机器视觉系统的“大??脑”【5】。??随着机器视觉技术的应用场景不断扩大,工业生产自动化程度也不断提高。在某些特殊??的应用场景中,具有传统结构的机器视觉系统已经无法满足需求。因此,一种新的机器视觉??系统结构被提出,系统结构如图1.2所示。??
?一般智能相机系统由3部分组成:图像采集模块、图像处理模块、通信控制模块。组成框图??如图1.3所示:??,一?\?\?,一?\??/?^?\?/?\?/?\??/图像米集模块\?/图像处理模块\?/通信控制模块\??I?|酬专雜1?|?图像处理|?以太网?|??又|光学成像系统/?^?—图像缓存—/?^?in?1/??V?/?V?/?\?/??\?y?\?y?\?,??图1.3智能相机组成模块??通常智能相机需要具备以下功能:??(1)
??测量领域,尤其是当被测物体处于高速运动的状态。线阵相机与面阵相机实物如图1.4所示。??(a)线阵相机?(b)面阵相机??图1.4线阵相机与面阵相机实物图??1.2课题研究意乂??近年来,随着国内工业自动化程度的不断提升,机器视觉的应用场景也不断得到了扩展,??同时新的应用场景也对机器视觉系统提出了更高的要求[13_16]。对于一些精度需求高的并且被??测物体属于高速运动状态的检测与测量场景,线阵相机的应用无疑大大的提高了检测精度与??检测速度。但是由于线阵相机是以逐行扫描的方式获取图像,使其在进行图像处理时必须考??虑物体运动的影响,因此使用线阵相机的机器视觉系统大多数是基于传统结构的,而在传统??结构中,相机与pc机大量的数据交互又会大大限制系统的检测速度。因此,在基于智能相??机的机器视觉系统中应用线阵相机是对此类问题最佳的解决方案。基于智能线阵相机的机器??视觉系统又会在原有基础上大大提高系统的检测速度。于是对于将线阵相机与智能相机的特??性相结合的研宄具有极大的现实意义。??1.3课题研究现状??1.3.1国外研究现状??目前主流的智能相机还是以面阵相机为主。欧美相机产商在中端智能相机市场中依然占??据着主导的地位。??德国相机制造商Basler作为全球最早进入机器视觉领域的公司之一,通过30多年的行业??经验积累,成为了一家全球领先的高品质相机和相机配件制造商。其推出的BaslerPowerPcak??智能相机套件采用先进COMS芯片技术
【参考文献】
相关期刊论文 前10条
1 郭勇;何军;;STM32单片机多串口通信仿真测试技术研究[J];无线电工程;2015年08期
2 郭静;罗华;张涛;;机器视觉与应用[J];电子科技;2014年07期
3 江卓;李明伟;丛培超;徐舒宇;;大块物料的色选系统设计[J];仪表技术与传感器;2013年12期
4 刘伟;;一种基于智能相机的机器视觉系统的设计[J];重庆工商大学学报(自然科学版);2013年11期
5 张红霞;刘义才;;机器视觉技术的应用研究[J];电子世界;2013年17期
6 杨新华;寇为刚;;基于FPGA的Sobel算子图像边缘检测算法[J];仪表技术与传感器;2013年01期
7 孙晓晔;盖素丽;;基于FPGA和线阵CCD的色选实验平台研究[J];微型机与应用;2012年21期
8 曹杨;苏丽娜;沈琪;顾晓峰;;一种改进的Sobel边缘检测算法的设计及其FPGA实现[J];微电子学与计算机;2012年10期
9 李正明;刘春国;安明建;;基于FPGA的Sobel图像边缘检测的设计[J];现代科学仪器;2012年04期
10 白瑞林;史鹏飞;吉峰;徐义钊;;基于Modbus/TCP的智能相机通信接口实现[J];控制工程;2011年04期
本文编号:2842614
本文链接:https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2842614.html