微波EDA网,见证研发工程师的成长!
首页 > 硬件设计 > 电源设计 > 基于PIC32实现的智能球类回收车,软硬件协同

基于PIC32实现的智能球类回收车,软硬件协同

时间:12-05 来源:互联网 点击:

类似人体静脉瓣的装置,只用筒罩住球就能保证球不再掉出来。流程图如下所示:

视频处理与自动目标识别模块工作原理

1.1原理概述

摄像头拍照模块采用查询方式,摄像头拍下照片,等待所有数据都传给单片机后,标志位flagd置1。这里摄像头与单片机是运用I2C进行连接。对摄像头采集进来的图片进行轮廓分析,判断小球的位置。未看到小球时,小车原地旋转,然后再次进行拍摄。当看到多个小球时,根据远近关系照成的平面上大小的不同,将最大的一个锁定为目标。然后根据小球的位置,向小车的控制模块发送控制字。

1.2 设计细节

本设计采用一种基于球色的球类检测方案。

球类检测是指: 在输入图像中确定是否有球体存在,如果有则确定其位置、大小的过程。球体检测问题的提出基于人脸识别,人脸识别的第一步就是要从图像中检测并定位出人脸的位置,随着模式识别技术的发展以及自动化程度的提高, 人脸检测开始作为一个独立的领域进行研究。

球体检测方法主要有基于几何特征的方法:基于球色模型的方法和基于统计理论的方法。本文将主要介绍一种基于球色的球体检测算法!

1.2.1 色彩空间的选择

为了对球色进行分割, 把球体区域从背景中分离出来, 需要使用适合不同光照条件下的可靠的球色模型!研究显示:尽管不同种类、不同材质的球色看上去不同,但这种不同主要集中在亮度上, 在去除亮度的色彩空间里,不同球体的颜色分布具有聚类性。本文中的球色模型就是在这样的色彩空间里建立的。通常所用的表现彩色图像的方法是R G B , 但是在这里, R G B 空间不再适合用来作为球色模型的色度空间,因为在R G B 图中, (r,g,b) 这三个分量不但代表着图像的色彩分布, 而月还表示着图像的亮度(图像中每个像素的亮度等于其R G B 三个分量之和),而亮度是一个非常不稳定的参量, 它很容易受到周围环境的影响而导致分离球色区域的失败。因此采用把亮度分离的色度空间能够减小亮度的影响。

Y Cb Cr 色彩空间中的球色分布聚集在色度空间中一个较小的区域中, 它具有以下几个优点:(1)具有与人类视觉感知过程相类似的构成原理;(2) Y Cb Cr色彩空间格式广泛地应用在电视显示等领域中, 也是许多视频编码, 如MPEG、JPEG 等标准中普遍采用的颜色表示格式;(3)Y Cb Cr色彩空间格式月有与HSI等其它一些色彩空间格式相类似的将色彩中的亮度分量分离出来的优点。

因此,本文最终选择了Y Cb Cr色彩空间进行球色建模。

1.2.2 球色的相似度计算

依据球体颜色在Y Cb Cr空间的概率分布特性,建立一个高斯球色模型,其概率密度函数用式(1)表示:

(1)

其中C 为协方差矩阵

(2)在前面建立的球色模型的基础上, 通过球色相似度计算公式:

(3)

可以计算单个像素的球色相似度值, 并且很容易得到整幅图像的最大球色相似度值。每

一点像素的球色相似度值除以最大球色相似度值,作为i亥缘素点的灰度值,从而得到球色相似度。

由于我们传输的图片属于RGB模式,因此需要进行颜色空间变化。

Y = 0.257*R + 0.504*G +0.098*B + 16;

Cr = 0.439*R - 0.368*G - 0.071*B + 128;

Cb = -0.148*R -0.291*G + 0.439*B +128;

1.2.3 图像的二值化分割

二值图像是指图像中的每个像素只取两个离散的值之一(如0, l) ,用数学公式表示为:

(4)

上式中, f 认刃表示一幅数字图像, x,y是该图像中某个像素点的坐标值,0 和1 表示该像素的像素取值。0 和1是个抽象的表示,并非实际像素值,它可以代表不同的颜色,在这里0代表黑色, 1代表白色, 所得到的图就是一个黑白二值图。将图二值化是因为,二值图像中的许多运算是逻辑运算而不是算术运算, 所需的处理时间很短,计算速度快,而且算法也容易理解和实现。

二值化图像可以通过选取适当的阀值获得。选择合适的阀值是图像二值化分割效果好坏的关键。通过对球体灰度图像进行分析可以发现,真正的球色像素相比于非球色像素往往拥有更高的亮度,所以可以设定一个阀值,当该点像素的近似度高于这个阀值则认为该点为球色像素并置1,反之若低于该阀值则置0。

1.2.4 候选球体的确定

经过平滑滤波处理后, 二值化图中的部分噪声可以被去除,但由于背景较复杂,受影响的因素很多, 图中仍然会存在许多面积较小的非球体区域。为了减少算法的工二作量,需要进一步排除这些不含球体的区域。因此对二值分割图中的这些区域进行比例结构的分析,过滤掉不可能的球体区域,以确定最终的候选球体区域。

本文将用以下两个方法对候选球体区域进行筛选:

(1)区域的面积:去掉面积较小区域,即删除面积小于30 以下的区域, 其面积为该区域中的白色像素点的个数。

(2) 区域的长宽比:一般来说球体(以网球为例

Copyright © 2017-2020 微波EDA网 版权所有

网站地图

Top