基于FPGA的扫描测头高速视觉跟踪系统研究与实现

来源 :合肥工业大学 | 被引量 : 0次 | 上传用户:liqiusheng2009
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在工业制造领域中,对工件的测量效率和测量精度的要求越来越高,一种由工业机器人和三维激光扫描测头集成的三维扫描测量机器人被逐渐广泛使用。在三维扫描测量机器人中采用测头跟踪系统可以有效提高测量精度,为此,本文针对三维扫描测量机器人,研究高速多目视觉跟踪系统。针对高速多目视觉跟踪系统处理图像数据量大、跟踪实时性要求高等特点,选用具有并行处理模式的FPGA作为核心处理器,将系统模块化,改进和优化现有算法使其适用于FPGA平台,并以流水线方式将各个模块串联运行,有效提升了跟踪效率。本文主要研究成果如下:(1)设计了一套基于FPGA的扫描测头高速视觉跟踪系统,通过多个FPGA开发板之间的协同工作,实现扫描测头的高速跟踪;(2)通过研究传统的视频目标跟踪算法,提出一种基于FPGA平台的标志点跟踪算法,在整个跟踪系统中优化跟踪区域,减少图像处理的数据量并且能稳定、实时地跟踪测头位姿,大幅提高了跟踪速度;(3)研究了立体视觉中三维重建的原理和方法,对其进行了改进,使其能够在FPGA上成功实现并大幅提高算法效率;(4)开发了一个上位机软件,实现了三维扫描测量系统和跟踪系统采样控制及三维扫描数据的实时显示。通过系统实验验证,本文研发的基于FPGA的测头高速视觉系统的处理速度达50fps,为原有双目视觉跟踪系统的2.5倍,满足系统实时性要求。
其他文献
随着位置服务的日益发展,人们对于位置服务的需求也从室外扩展到了室内,但是由于墙壁对电磁信号的削减,室外定位系统难以满足人们在室内对定位系统精度的要求。精确的室内定
无线可充电传感器网络(Wireless rechargeable sensor networks,WRSNs)中,节点部署直接关系到网络监测是否有盲区以及网络成本。WRSNs节点部署不同于传统的无线传感器网络,因
近年来,神经网络已经在目标跟踪、语音检测识别、无人驾驶和抗击疫情等领域展现出卓越的性能。卷积神经网络(Convolutional Neural Networks,CNN)是其中应用最为广泛的神经网
近年来,各类医疗纠纷逐渐增多,伤害医务人员的恶性暴力事件频繁发生,此类暴力案件呈“井喷式”爆发,屡禁不止,对和谐社会的构建产生了巨大的危害,如何有效化解医疗纠纷已成为
随着市场需要日益增长和行业标准逐渐提高,人们对MEMS压阻式压力传感器的性能要求也水涨船高。传统的压阻式压力传感器存在精度较低、温漂较高、灵敏度偏低以及易受到风速效
物联网应用广泛,且往往节点众多,无人值守,面临着严峻的信息安全风险;其感知层节点具有计算能力弱、能耗低和存储空间不足等特点,现有的入侵检测方法难以适应资源受限且不断
具有编码和解码结构的卷积神经网络在语义分割任务中表现出强大的表征能力,并在显著性检测领域得到了广泛应用。在大多数情况下,利用Image Net数据集上预先训练过骨干网的参
自动调制信号识别(Automatic Modulation Recognition,AMR)是解调前的一个复杂且重要的技术,它在电子侦察、电子对抗等军事领域和无线电频谱管理等民用领域都有广泛的应用。
人手作为人类传递信息的重要媒介之一,在计算机视觉领域得到了广泛的研究。在智能汽车场景中,车内人手检测不仅是车载人机交互的基础,还是分析驾驶员行为、研究车辆驾驶安全的基础。为此,本文研究了基于深度学习的车内人手检测算法。综合评估算法的精度和速度,本文基于高效且快速的单阶段目标检测网络YOLOv2提出了Multi-Scale YOLOv2人手检测算法。该算法主要通过三个模块来提升YOLOv2的人手检测
物联网技术的发展,将我们带入了物-物、人-物互联的物联网时代,同时也促进了传统监控系统的更新迭代。但由于物联网各方面的异构性,目前的物联网生态仍处于一个碎片化的状态,