嵌入式机器视觉测控一体机的研究与开发

电子技术DM642嵌入式图像融合处理系统硬件设计研究郝雅婷，马立新（中国矿业大学，北京，100083）摘要：时代的进步使得嵌入式系统朝着更为智能的方向发展，DSP被人们广泛的应用到信号高速处理领域，特别是在图像处理加工领域能够为图像处理提供精准的数据支持。

为此，文章以图像融合硬件系统打造和技术实现为研究对象，将TMS320DM642芯片（以下简称DM642）作为核心处理器，就DM642嵌入式图像融合处理系统的架构、处理器内部配置、硬件设计问题进行探究。

关键词：DM642；嵌入式图像；融合处理系统；硬件设计在工业监督控制、机器视觉、医学影像处理领域会应用一些复杂的算法来进行多图像处理数据，基于这样的要求传统的图像处理系统很难满足系统处理要求。

文章面向实时图像处理，采用模块化的设计思想以新一代高性能多媒体专用DSP芯片DM642为核心，打造了体积小、能耗低、应用性强的嵌入式实时图像处理可拓展硬件平台。

1DM642嵌入式图像融合处理系统的总体架构设计DM642嵌入式图像融合处理系统是基于专用数字媒体应用的高性能32位定点芯片DM642进行设计开发的，系统以DM642为核心，由图像采集模块、图像处理模块、图像存储模块以及电源模块等构成。

系统的具体工作原理如下所示：在系统通电之后从FLASH加载程序，完成对DM642的初始化并通过FC总线来实现对视频编解码芯片的参数设定。

在设定好参数之后开展进行图像信息的采集整理，从四路图像传感器采集到的模拟图像信号经过解码转换成数字图像信号后会通过DM642视频接口传送到DSP 中，再经由内部图像处理后，通过DM642视频接口解码传出显ZBoDM642嵌入式图像融合处理系统总体架构如图1所示。

图1DM642嵌入式图像融合处理系统架构2DM642嵌入式图像融合处理系统的内部配置■2.1系统存储空间DM642嵌入式图像融合处理系统程序或者数据存储空间地址以字节为基本单位进行统一编写，整个寻址空间的大小为4G,片上存储器、片上外设、外部的储存器都能够映射到4G的字节空间中。

基于机器视觉的公交车客流计数算法研究与实现摘要：本文采用行时空图、色度方差分析法、高斯滤波等方法分别实现了背景获取、背景更新及目标识别，最终实现公交车客流统计计数。

通过实际构建的arm+dsp双核嵌入式系统对算法进行实际测试表明，该算法大大提高了客流计数实时性，使其准确性可高达97%以上。

关键词：交通信息工程；行时空图；目标识别；统计计数一、引言目前国外由于公交客流量小、乘客上车有序、红外设备无遮挡计数，从而公交车客流计数环境较为简单，客流计数算法易于实现；而国内公交客流量相对较大，乘客上车较为拥挤，为给实现乘客的自动计数带来了很大的困难 [1]。

本文采用基于机器视觉的自动检测技术实现，针对以上情况在研究相关视频检测算法论文的基础上，采用基于行时空图的检测算法，最终可实现高效、准确的客流计数。

二、算法详细介绍本文选择了一种基于色度方差判决自适应背景更新的行背景差法[2]，并对其进行相应的改进。

使用指在行背景差法是在图像中设置一条边界线，只针对该边界线上的像素进行处理，从而提高处理时效性。

该算法主要分为以下几个部分：背景获取，运动块识别，目标统计，下面对其进行详细介绍。

1、背景获取在图像中间位置的附近一行作为计数边界线，然后在时间轴上将其展开生成行时空图。

即当摄像头每秒的帧率为fs 时，每隔t=1/fs 时段在图像中提取预先设置行的图像数据并生成行时空图。

采用动态行时空图的方法，根据公交车门打开时间动态生成行时空图。

现假设公交车在某一车站打开车门的时间为t，根据每隔t=1/fs 采集一行的原则，共采集行为n=t/t ，最终得到m*n的行时空图，如图3.1所示。

图3.1 目标时空图2、运动块识别由于在公交车沿线运行时环境复杂，如果使用单一背景必然会导致误差增加，因此本文采用了一种基于色度分量cr（i，j，t0）方差分析的自适应背景更新算法，从而加强算法对于环境的适应性，同时根据色度分量方差分析识别运动目标[3]。

LabVIEW与机器视觉实现自动视觉检测自动视觉检测是一种利用计算机技术和机器视觉系统进行自动检测与识别的技术。

在现代制造业中，自动视觉检测已经成为提高生产效率和产品质量的重要手段。

LabVIEW作为一种强大的图形化编程语言，与机器视觉系统相结合，能够实现高效准确的自动视觉检测。

一、LabVIEW简介LabVIEW是National Instruments（NI）公司开发的一种图形化编程语言和开发环境。

它以图形化的方式呈现编程逻辑，开发者只需拖拽、连接不同的函数模块，即可实现复杂的控制和测量应用。

LabVIEW具有易上手、灵活、高效等特点，因此在工程领域得到广泛应用。

二、机器视觉技术机器视觉技术是一种模拟人眼实现对图像的感知和分析的技术。

它通过摄像头或相机获取图像，利用计算机对图像进行分析处理，实现图像识别、检测和测量等功能。

机器视觉技术已经广泛应用于工业自动化、医疗诊断、智能交通等领域。

三、LabVIEW与机器视觉的结合LabVIEW提供了丰富的图像处理函数库和模块，可以直接用于机器视觉系统的开发。

开发者可以利用LabVIEW进行图像采集、预处理、特征提取、目标检测和分析等操作，从而实现自动视觉检测。

1. 图像采集LabVIEW可以通过连接相机和摄像头实现图像的实时采集。

它支持多种图像采集设备，如数码相机、线阵扫描相机和工业相机等。

LabVIEW还允许用户自定义图像采集接口，以适应不同的硬件设备。

2. 图像预处理通过图像预处理，可以提高后续图像处理的准确性和效率。

LabVIEW提供了丰富的图像滤波、增强、几何变换等函数模块，可以用于去噪、增强、纠正图像畸变等操作。

开发者可以根据实际需求，选择适当的预处理算法，并将其与机器视觉系统集成。

3. 特征提取特征提取是机器视觉检测的关键环节。

LabVIEW提供了多种特征提取函数和算法，如边缘检测、角点检测、轮廓提取等。

通过提取图像的特征，开发者可以获取物体的形状、纹理、颜色等信息，从而实现对图像的解析和识别。