智能型动态图像追踪自控车新时代

智能型动态图像追踪自控车

本设计主要是针对每秒10张frame，而每个frame为640480全彩24bit的实时图像进行图像辨视，每秒必须处理8.78M Byte的数据量，并进行二值化及X轴、Y轴Histogram的图像处理，由于必须快速处理大量图像信息，所以采用硬件加速，软件控制的架构来实现，此外，由于本设计的SDRAM资源可以切换给Nios来使用，所以亦可使用Nios来读取SDRAM的图像信息并进行图像处理，此外，在测试图像处理算法时，也利用BCB开发出PC端的仿真程序，而配备如下(Intel 1.6GHz Core Duo,1G R尤其是在某些关卡中很难找到AM

, 1.3 Mega CMOS 传感器 )，以下就三者实验数据进行比较，如表1所示。

设计架构

.　系统流程

图7 系统流程图

系统流程如图7所示。

.或是比格林更值钱　系统架构图

图8 系统方框图

由系统方框图8可知，本设计使用双核的系统，其中一个CPU是用来控制CMOS 控制器模块，而另一个CPU可以控制大部份的外围器件，而两个CPU之间是利用输出及输入PIO脚位，来达到传递数据的目的，这样设计的好处是，可利用一个CPU全速处理大量图像信息，而另一个CPU可以负责车控系统，若从图像中侦测到偏离或碰撞危险时，将能通过PIO来触发另一个CPU的中断，进而实时告知车控系统下达较正方向或闪避的控制命令，本设计使用到许多的外围器件包含：Flash Memory、SDRAM、SRAM、M4K RAM、LCM、JTAG-UART、RS232、GPIO、Button、Switch、Timer、LED、Segment、VGA、CMOS 传感器等。

.　图像处理方框图

图9图像处理方框图

由图9可发现，本设计之所以能达到实时图像及实时动态追踪，是因为当CMOS 传感器下图像撷取时，便能通过硬件器件，将数据从RAW Data转成RGB再进行二值化或灰阶的处理，以利进行图像处理，而且同时亦在VGA上立即显示出该图像，整个过程均是由硬件来做;在图像追踪时，Nios可以通过X轴或Y轴的直方图统计方式来进行标示目标物，所以一张新的图像进来时，Nios并不用做任何处理，即可读出所需要的数值，这样一来才能达到所期待的硬件加速效能。

表1 三种图像处理平台的效能分析