胎面纠偏控制系统中图像处理技术的应用

介绍了实时胎面纠偏系统的原理和结构.整个系统主要由控制器、控制对象、图像采集和图像处理单元组成,重点对图像处理单元进行研究.根据对胎面图像特点进行的分析,提出了图像处理单元的实现过程和算法分析,包括图像去噪,阈值分割,边缘检测和特征提取,计算偏移角.从提取出的胎面骨架实验结果来看,提取效果比较理想.     

基于机器视觉的软包装边缘测量及纠偏系统

针对软包装带材在运动过程中易发生跑偏现象的工程背景,设计了一种自动测量与纠偏系统。介绍了系统组成和纠偏原理,系统采用机器视觉实时采集带材边缘图像,用直方图修正方法修正图象灰度,通过增强对比度突出图像中的带材边缘特征,用基于一阶微分的边缘检测方法实现边缘识别及判定边缘位置,运用FUZZY+PID相结合的控制模型实施纠偏控制;实验结果表明,采用LED光源和Microvision数字摄像机,在200m/min中等车速和纠偏机构速度10mm/s条件下,系统纠偏精度在±0~±1mm之间,稳态误差小,相对误差小,能够满足软包装带材生产过程中的纠偏要求。     

实时图像边缘检测形态学优化设计及FPGA实现

利用Sobel算子对实时图像进行边缘检测,然后再对边缘检测之后的图像进行形态学的膨胀和腐蚀技术的优化,最后利用FPGA将形态学优化后的实时图像进行边缘检测。结果表明该方法能有效提高边缘检测的效果,检测出的图像边缘更加清晰,同时可大幅度滤除掉图像中的背景噪声。     

基于FPGA硬件实现的图像边缘检测及仿真

图像边缘检测是图像分割,目标提取等数字图像处理领域中关键的步骤,对于性能和处理时间制约着后续图像处理的性能和整体的处理时间。提出一种FPGA的实时图像边缘检测系统。该系统以FPGA为平台,用VHDL硬件描述语言设计并实现了一种自适应的Canny边缘检测算法。在设计过程中,通过改进算法和优化系统结构,在合理利用硬件资源的基础上采用了流水线技术。之后通过ModelSim软件进行仿真,仿真结果表明,在FPGA中实现算法能够有效实时地检测出复杂图像的边缘。     

基于视频图像的车辆实时检测系统

针对道路车辆的实时监测系统检测效率和精度较低的问题,设计一套实时监测系统。对视频图形进行灰度化、滤波及增强,并分割出统计区域。在分割出的图像中,设计统计众值法构建背景模型,设置阈值获得前景图像,采用Canny算子检测车辆边缘,将前景图像与车辆边缘叠加进行形态学运算以获取车流量统计结果。实验结果表明,该系统准确率高达98. 45%,能够满足智能交通系统对检测效率和精度的需求。     

强光照条件下车道标识线识别与跟踪方法

为了实现强光照条件下车道标识线的准确识别和跟踪,采用基于直方图锥形拉伸算法对原始图像进行处理,以提高图像整体对比度,利用SUSAN算法提取出处理后图像中的边缘,对边缘图像利用定向边界跟踪算法进行滤波,利用Hough变换提取出车道标识线参数完成对道路图像中的车道标识线的识别,最后采用建立梯形感兴趣区域来实现对车道标识线的实时跟踪.试验结果表明该方法具有较强的鲁棒性和较好的实时性.     

基于模糊参数的高斯边缘检测模型方法研究

对图像边缘提取的问题进行了研究,针对以往边缘提取算法容易造成边缘断裂,提取较多噪声的缺点,提出一种利用模糊逻辑函数在全局上对图像进行增强,在局部进行边缘提取的算法。定义一个模糊逻辑函数,利用类似直方图均衡化的方法,对变换后的模糊逻辑图像进行对比度增强操作;在增强的图像上,对模糊逻辑函数进行局部非线性投影变换,并在变换基础上进行边缘图像的阈值检测,从而得到最终的边缘图像。在进行非线性变换的同时,利用梯度迭代法对非线性参数进行优化,从而保证获得最优的高斯模型,并提取出边缘信息。该方法在自动获得最优的系统参数同时,能准确有效地提取出图像的边缘,克服噪声对系统的干扰;并能广泛使用在基于边缘信息的图像处理系统和模式识别系统中。     

基于改进的Canny算子实时视频边缘检测系统在FPGA上的设计与实现

为了提高图像边缘检测的性能,缩短处理时间,提出了一种基于FPGA的实时视频边缘检测系统;该系统以EP2C8Q208C8为实验硬件平台,首先采用摄像头OV7670获取模拟视频数据,双端口SDRAM实现对图像数据的缓存,利用FPGA并行处理的特点,采用Verilog HDL硬件描述语言实现改进的Canny边缘检测算法,最终实现在VGA显示屏上显示图像边缘的效果;实验结果表明,较传统的边缘检测算法,该系统边缘检测定位精度高,对噪声的抗干扰能力强,能够准确快速的输出图像边缘信息。     

基于边界的车道标识线识别和跟踪方法研究

在道路图像中，为了得到较理想的车道的标识边缘，该文采用基于LOG算子边缘增强的方法得到梯度图像，利用SUSAN算子对该梯度图像进行分割，实现了车道标识线边界的提取。在分割后的梯度图像中，利用Hough变换提取出车道标识线参数，完成了对道路图像中的车道标识线的识别，采用建立梯形的感兴趣区域的办法，实现了对车道标识线的实时跟踪。试验结果表明该方法具有较强的鲁棒性和较好的实时性。     

基于CMAC的边缘检测及其在故障检测中的应用

本文利用信息测度描述图像边缘特征,并采用典型局部网络CMAC(Cerebellar Model Articulation Con-troller)完成信息测度至图像边缘的映射;通过预处理和边缘细扫描,提出一种配电系统瓷瓶故障检测的实时监控方案.应用表明其可行性和有效性.     

多无线传感模式的TPMS设计

据统计,轮胎气压异常是导致汽车发生交通事故的主要因素,而事实已经证明轮胎压力监测系统TPMS（Tire Pres?sure Monitoring System）,能有效的监测轮胎的实时气压状况,并在轮胎气压出现异常时对驾驶者做出预警,以保障行车安全。然而,目前市场上应用的轮胎压力监测系统需要接入汽车的总线网络并通过汽车仪表盘来完成胎温胎压数据的显示,这样就造成实时监测数据的更新延迟,而不能保证驾驶人员有足够充裕的时间来应对轮胎气压出现的问题。为了解决这个问题,介绍设计的一种不依附于汽车总线网络和仪表盘的多无线传感模式的轮胎压力监测系统,主要包括总体方案、硬件设计、软件设计、预测控制算法、测试结果。经试验和测试表明：此轮胎压力监测系统监测能快速高效的监测轮胎的实时气压和温度,并降低了轮胎压力监测系统的造价成本,有很强的实用性。     

车辆TPMS轮速传感器误差消除方法研究

轮胎压力监测系统能够实时地自动监测行驶中汽车的轮胎气压,对于提高行车安全具有重要的意义。基于轮胎压力监测系统硬件平台,阐述了轮速信号的获取,研究了异点剔除方法,提出了基于弹性BP神经网络分析轮速传感器误差的方法,实现了对轮速信号的修正。仿真和实验结果表明,该轮速传感器误差消除方法的精度可达2×10-4rad,能够显著降低传感器误差,提高轮速信号的获取精度。     

轮胎智能检测系统微控制器处理单元的研究与设计

本文通过对“汽车轮胎安全性能智能检测和隐患预警系统”所用核心器件-微控制器相关技术问题的研究和探索，解决了微控制器选型设计、外围电路设计以及相关性能参数确定问题，为实现对轮胎温度和气压波动情况的在线检测、智能分析和实时处理奠定坚实基础。     

基于Android的车胎监测系统软件的设计与实现

目前车胎监测系统中,车胎内传感器实时监测胎温胎压,通过无线发送到无线接收端,无线接收端通过CAN总线传送到仪表盘区的专用液晶屏进行展示。由于基于Android的中控大屏由于具有丰富的娱乐功能、方便与手机和网络互联的优点,已经成为高端新能源客车的流行配置。通过设计转换模块将车胎监测无线接收端CAN接口设备转成USB串口,接到安卓中控大屏进行展示,并设计Android应用程序进行车胎监测信息展示,可自行设定报警阈值,车胎监测信息展示更直观便捷;复用中控大屏进行车胎信息展示,节省了专用液晶屏,从而降低系统成本和方便司机操作,经实际应用满足了实时车胎监测的功能。     

Removal of Grid-Pattern Noise Introduced by M -Channel Subband Image Coding

Amethod is proposed for reducing grid-pattern noise introduced by low bit-rate coding of images using integer-modulated filter banks. The noise level can be reduced significantly by applying a predictive subband coefficient compensation algorithm in the iterative synthesis filtering stage. Simulation results show the improvement in visual quality and a decrease in mean square error values of about 2 to 5. The coefficient compensation algorithm is suitable for real-time implementation since it is computationally simple and uses only integer operations.     

轮胎智能监测系统的研究

研究了汽车轮胎的智能监测系统．并介绍了一种实现轮胎温度压力直接监测系统的方法。对于整个系统的硬件组成及软件设计做了细致的阐述。提出了一种基于Microchip公司的PlC单片机的轮胎智能监测模块的设计方案．以及基于PTR2000无线收发模块的无线通讯方案。该系统可随时测定每个轮胎内部的实际温度和瞬压．可有效避免爆胎事故的发生。     

基于小波变换和K-means的非结构化道路检测

道路检测是智能交通视觉系统的一个重要组成部分,为提高复杂环境下非结构化道路检测的实时性、准确性和鲁棒性,提出一种新的道路检测方法。该方法利用高斯金字塔对图像进行降采样,压缩图像数据信息,对图像进行双边滤波,抑制噪声,采用基于小波变换求模极大值的方法对滤波后的图像提取边缘,通过阈值法去除非道路边缘点,给出基于斜率和截距的K-means聚类算法,实现道路方程拟合。实验结果表明,与传统最小二乘法相比,该方法能在道路场景较为复杂的情况下更准确地实现非结构化道路检测,并提高实时性。     

An FPGA Design for Real-Time Image Denoising

The increasing use of images in miscellaneous applications such as medical image analysis and visual quality inspection has led to growing interest in image processing. However, images are often contaminated with noise which may corrupt any of the following image processing steps. Therefore, noise filtering is often a necessary preprocessing step for the most image processing applications. Thus, in this paper an optimized field-programmable gate array (FPGA) design is proposed to implement the adaptive vector directional distance filter (AVDDF) in hardware/software (HW/SW) codesign context for removing noise from the images in real-time. For that, the high-level synthesis (HLS) flow is used through the Xilinx Vivado HLS tool to reduce the design complexity of the HW part. The SW part is developed based on C/C++ programming language and executed on an advanced reduced instruction set computer (RISC) machines (ARM) Cortex-A53 processor. The communication between the SW and HW parts is achieved using the advanced extensible Interface stream (AXI-stream) interface to increase the data bandwidth. The experiment results on the Xilinx ZCU102 FPGA board show an improvement in processing time of the AVDDF filter by 98% for the HW/SW implementation relative to the SW implementation. This result is given for the same quality of image between the HW/SW and SW implementations in terms of the normalized color difference (NCD) and the peak signal to noise ratio (PSNR).     

A Neural-Network-Based Model for the Dynamic Simulation of the Tire/Suspension System While Traversing Road Irregularities

This paper deals with the simulation of the tire/suspension dynamics by using recurrent neural networks (RNNs). RNNs are derived from the multilayer feedforward neural networks, by adding feedback connections between output and input layers. The optimal network architecture derives from a parametric analysis based on the optimal tradeoff between network accuracy and size. The neural network can be trained with experimental data obtained in the laboratory from simulated road profiles (cleats). The results obtained from the neural network demonstrate good agreement with the experimental results over a wide range of operation conditions. The NN model can be effectively applied as a part of vehicle system model to accurately predict elastic bushings and tire dynamics behavior. Although the neural network model, as a black-box model, does not provide a good insight of the physical behavior of the tire/suspension system, it is a useful tool for assessing vehicle ride and noise, vibration, harshness (NVH) performance due to its good computational efficiency and accuracy.      

融合边缘信息多运动目标检测识别系统设计

运动目标检测算法易受到噪声和亮度变换的影响,从而出现虚假目标,很难满足在实际应用中准确性和实时性的需求。针对上述问题,提出了一种融合边缘信息的多运动目标实时检测算法,并在FPGA平台上构建了视频图像处理系统。该算法首先使用高斯滤波增强算法来提高抗噪性能。然后,采用三帧差分法减少虚假目标的出现概率。同时,对图像进行边缘检测,并将边缘信息与帧差法的结果相融合。最后,运用多目标识别算法完成对运动目标的识别和标记。该算法实现充分利用了FPGA的并行计算和流水线操作,经实验测试检测识别系统能够在1280×720@60Hz视频场景下实现对最多16个运动目标的实时检测。