| 【中文题名】 | DSP在机器人视觉系统的应用与研究 |
| 【英文题名】 | Application and Research of Robot Vision System Based on DSP |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-10-12 |
| 【中关键词】 | 数字图像处理,嵌入式系统,机器人视觉,DSP,图像预处理,特征 |
| 【英关键词】 | Digital image processing,Embed system,Robot vision,Digital signal processing,Image pre-processing,Feature extraction,Target recognition, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>机器人技术>机器人> |
| 【论文摘要】 | 在基于视觉及模式识别的机器人控制系统中,需要对采集到的图像进行实时处理。针对基于PC机的视觉系统存在的实时性、性价比不高及不能适应恶劣工作环境等问题,本文提出了以高性能的TMS320C6416数字信号处理器作为机器人视觉系统中的专用图像处理芯片,实现在动态图像中获取静态图像从而对采集的图像进行处理和识别思想。
本文首先阐述了DSP理论和器件的历史、现状和应用,以及图像处理领域中DSP芯片的选型,介绍了TMS320C6416DSP芯片的特点、实时DSP系统的构成和基于DSP的图像处理软件的开发环境和开发特点。接着阐述了基于硬件模块DAM6416P的机器人视觉系统的基本硬件组成和硬件的各个功能模块的功能和应用C6416DSP于机器视觉系统的应用软件设计开发流程。然后论述了图像采集和预处理环节中的相关技术和理论以及目标图像中目标物体的识别和定位方法。最后阐述了基于DSP的机器人视觉系统中的图像预处理、特征提取、分类识别和定位算法在DSP中的实现过程,以及主机实现对DSP控制的应用程序的设计过程。
在本文中,主要是对圆柱体、长方体形、正方体、三角体这四类型的物体的分类识别系统的研究和设... |
| 【论文题纲】 |
|
摘要 |
6-7 |
|
ABSTRACT |
7-32 |
|
第一章 绪论 |
32-39 |
|
1.1 论文背景 |
32 |
|
1.2 机器人视觉系统国内外研究现状 |
32-35 |
|
1.2.1 机器人视觉的概念 |
33-34 |
|
1.2.2 机器人视觉的组成 |
34 |
|
1.2.3 机器人视觉的发展 |
34-35 |
|
1.3 DSP国内外研究现状 |
35-37 |
|
1.3.1 DSP技术的发展历程 |
35-36 |
|
1.3.2 DSP技术的发展应用现状 |
36 |
|
1.3.3 DSP技术发展方向 |
36-37 |
|
1.4 基于DSP的图像处理应用研究现状 |
37 |
|
1.5 本论文主要工作 |
37-39 |
|
第二章:DSP和机器人视觉系统 |
39-50 |
|
2.1 DSP芯片的主要特点 |
39-41 |
|
2.1.1 哈佛结构 |
39 |
|
2.1.2 流水线技术 |
39-40 |
|
2.1.3 特殊的硬件结构 |
40 |
|
2.1.4 特殊的寻址方式 |
40-41 |
|
2.1.5 并行处理结构 |
41 |
|
2.1.6 JTAG(Joint Test Action Group)接口 |
41 |
|
2.1.7 快速的指令周期 |
41 |
|
2.2 图像处理系统中DSP芯片的选择 |
41-42 |
|
2.3 TMS320C6416DSP芯片的主要特点 |
42-45 |
|
2.3.1 TMS320C6416性能特点及硬件结构 |
42-44 |
|
2.3.2 TMS320C616的指令集 |
44 |
|
2.3.3 TMS320C6416芯片的流水线 |
44-45 |
|
2.3.4 JTAG(Joint Test Action Group)系统仿真器 |
45 |
|
2.4 实时DSP系统的构成 |
45-46 |
|
2.5 基于DSP的图像处理软件开发 |
46-48 |
|
2.5.1 基于DSP的图像处理软件开发环境 |
46-47 |
|
2.5.2 基于DSP的图像软件开发特点 |
47-48 |
|
2.5.3 TMS320C6416DSP软件开发方法 |
48 |
|
2.6 本章小结 |
48-50 |
|
第三章 基于DAM6416P的机器人视觉系统 |
50-56 |
|
3.1 基于DAM6416P的机器人视觉系统的构成 |
50-51 |
|
3.2 DAM6416P图像处理子系统 |
51-53 |
|
3.2.1 DAM6416P图像处理子系统硬件的组成 |
51-53 |
|
3.2.1.1 A/V接口模块 |
52 |
|
3.2.1.2 DSP处理器模块 |
52 |
|
2.2.1.3 主/从模式的PCI接口模块 |
52-53 |
|
3.3 基于DAM6416P的机器人视觉软件设计 |
53 |
|
3.4 本章小结 |
53-56 |
|
第四章 机器人视觉系统的图像处理技术 |
56-87 |
|
4.1 图像获取 |
56-60 |
|
4.1.1 图像数字化系统构成 |
56-57 |
|
4.1.2 图像的采样 |
57-58 |
|
4.1.3 图像的量化 |
58 |
|
4.1.4 数字图像的表示方法 |
58-59 |
|
4.1.4.1 灰度图像的阵列表示法 |
58-59 |
|
4.1.4.2 二值图像表示法 |
59 |
|
4.1.5 CCD摄像头采集的YUV信号转换为RGB信号 |
59-60 |
|
4.2 图像增强技术 |
60-64 |
|
4.2.1 图像增强技术分析 |
60-61 |
|
4.2.2 对比度增强 |
61-64 |
|
4.2.2.1 图像灰度直方图和直方图均衡化 |
61-62 |
|
4.2.2.2 图像对比度线性变换 |
62-64 |
|
4.3 图像中值滤波平滑技术 |
64-71 |
|
4.3.1 噪声分析 |
64-65 |
|
4.3.2 中值滤波 |
65-71 |
|
4.3.2.1 中值滤波原理 |
65-67 |
|
4.3.2.2.中值滤波主要特性 |
67-68 |
|
4.3.2.3.中值滤波器的步骤 |
68-71 |
|
4.3.2.4 中值滤波快速算法的并行实现 |
71 |
|
4.4 图像二值分割 |
71-83 |
|
4.4.1 概述 |
71-73 |
|
4.4.2 图像阈值分割 |
73-74 |
|
4.4.3 类间方差阈值分割 |
74-76 |
|
4.4.4 最终阈值确定 |
76-79 |
|
4.4.5 连通成分标识 |
79-83 |
|
4.5 边缘检测 |
83-86 |
|
4.5.1 Roberts算子 |
83-84 |
|
4.5.2 Sobel算子 |
84 |
|
4.5.3 Laplace算子 |
84-85 |
|
4.5.4 基于连通域的边缘提取 |
85-86 |
|
4.6 本章小结 |
86-87 |
|
第五章 机器视觉系统的图像识别与定位 |
87-95 |
|
5.1 图像目标识别和定位方法概述 |
87-88 |
|
5.2 目标物体识别 |
88-92 |
|
5.2.1 特征参数 |
89-91 |
|
5.2.2 特征的提取 |
91 |
|
5.2.3 图像场景中物体识别 |
91-92 |
|
5.3 目标物体定位 |
92-94 |
|
5.3.1 目标物体的质心计算 |
92 |
|
5.3.2 目标物体的方向计算 |
92-94 |
|
5.4 本章小结 |
94-95 |
|
第六章 基于DAM6416P的机器人视觉系统的设计与实现 |
95-103 |
|
6.1 主机(PC)端控制界面的设计 |
95-98 |
|
6.2 DSP端应用程序的设计 |
98-102 |
|
6.3 小结 |
102-103 |
|
第七章 总结与展望 |
103-104 |
|
致谢 |
104-105 |
|
参考文献 |
105-107 |
|
附录1 |
107 |
|
| 【DOI】 | LunWen.ID:2.2008.380456 |