基于fpga的视频跟踪系统设计与在900t运梁车上的应用

《基于fpga的视频跟踪系统设计与在900t运梁车上的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第一章概述1．1课题研究背景、目的及意义高速铁路是大幅提高我国交通运输能力的新世纪工程之一，仅以京沪高速铁路为例，其全线总长1300多公里，全线桥梁总数840余座，长约720公里以上，占线路总长的50％以上，桥梁工程量巨大，其中90％为中小跨度桥梁。高速铁路桥梁架设的特点是构件吊重大、尺寸大，运梁车的作用是运输预应力混凝土箱梁到架桥机下喂梁。本课题所依据的是900型运梁车，该运梁车主要用于运输跨度为32m、24m、20m的双线整体箱形PC梁，并能与架桥机配合完成相应的架梁作业、驮运架桥机实现桥间短途转场，或穿越双线单洞隧道。其中32m的箱梁重量为900吨。当运梁车运输特大

2、型箱梁在制梁场和所架桥梁之间的路基行走时，由于运梁车自身载重量很大，车辆在已架完的轨道梁上行驶时不能超出规定的基线范围，否则安全和轨道梁受力都不允许。如何使车辆行驶时严格按照路面的标识线行走，一直以来，是一个特别是关注的问题。目前，开车司机则基本上是依靠自身驾驶技术和感觉来控制车辆，稍有不慎就会造成事故。因此，研究一种车辆视频跟踪系统用于辅助驾驶员驾驶运梁车或者是对运梁车进行自动驾驶是非常必要的。目前，已有许多研究单位致力于视频跟踪系统应用于大型工程车辆的研究，并且取得了很大的进展。由于对大型车辆控制的关键技术之一是对道路状况进行检测，而目前这些视频跟踪系统中的道路检测技

3、术都还存在着一定的不足，在较差的道路环境下，例如正午阳光直射、雨雪、阳光偏照引起的反光等，道路检测效果就下降很多。为了真正实现视频跟踪系统的实时性、鲁棒性和准确性，尚有许多研究工作要做。机器视觉在软件和硬件上都还有很大的发展空间，软件方面需要改进、完善视觉算法，硬件方面需要不断提高处理器计算能力、视觉传感器的性能。这两个方面的发展是相互促进的。从应用角度来看，虽然视觉技术尚不成熟，但市场已经有相应的需求。在这种条件下，人们需要向着两个方面努力：既要考虑实时性，又要在现有计算能力的基础上完善算法，提高道路识别的可靠性。另一方向即是利用现有技术，在某些特定的应用方向上为市场制

4、造一些特定的产品，如车辆离线报警、防撞报警等。随着社会不断发展，随着高速铁路和公路建设的日益增多，应用于运梁车的第一章概述视频跟踪系统设计会越来越受人们重视，因此应用于900T运梁车的视频跟踪系统研究具有重要的理论意义和实际应用价值。1．2应用于900T运梁车的视频跟踪系统概述图1．1运梁车视频跟踪系统应用于大型运梁车的视频跟踪技术研究是一种综合性的现代化科学技术，它涉及到人工智能，计算机视觉、机械设计、控制和计算机新的体系结构等学科，它在军事、民用和科学研究等领域广泛的应用前景，吸引了各国政府和大公司的注意。从八十年代中后期开始，世界主要发达国家对工程车辆智能化开展了一

5、系列卓有成效的研究工作。由于路标识别技术是智能车辆视觉导航系统中的重要的关键技术，也是智能车辆视觉导航技术水平的一个重要标志，因此本文介绍的视频跟踪系统在算法编写上也采用了路标识别技术。根据运梁车的实际运行需求，如图1．1所示，当设计视频跟踪系统时，需要采用CCD摄像头采集路面图像信息，在运梁车的行驶路面上，具有根据要求划定的路面标识线。摄像头采集路面图像以后(此时的路面图像含有路面标识线)，将视频信号送入视频跟踪系统，视频跟踪系统要对图像进行一系列的图像处理，并进行拟合算法编写，并将编写所得的参数送入运梁车的执行机构和报警系统，从而可以保证运梁车沿着路面标识线安全平稳的

6、行驶。在上述的视频跟踪系统处理过程中，采集路面图像信息是根本性的一步。在实际生活中，驾驶员通过视觉可以获得90％以上的环境信息，例如交通标志、交通信号、车道线、车道形状、车辆、道路标记、障碍物等，很显然，可以考虑应用机器视觉来理解道路环境，即采取摄像头等工具进行路面图像采集。基于视觉导航的视频跟踪系统研究最早可追溯到60年代末，由于实时图像处理的计算量非常大，而当时的计算能力十分有限，只有少数几个研究小组开展这方面研究。随着技术的不断发展，目前的计算机硬件水平为实时图像处理提供了可能：一方面，处理器和存储器的价格不断下降，商用计算机的体积不断变小，而性能有了显著的提高，例

7、如目前的商用笔记本电脑可以满足一般实时图像处理的要求；另一方2第一章概述面，CCD(ChargeCoupledDevice)摄像头费用低廉，体积小，此外图像处理算法有柔韧性和适应能力强等特点。因此视觉导航在视频跟踪系统的研究中有广阔的应用前景。下文将对目前已有的图像处理系统比较，从而选择出最优的图像处理系统方案。1．3图像处理系统综述一个基本的数字图像处理系统由图像输入、图像存储、图像输出、图像通信、图像处理和分析5个模块组成，如图1．2所示。图1．2图像处理系统的组成不恿图0图像输入也称图像采集或图像数字化，它是利用图像采集