基于FPGA的铁轨检测算法设计与研究
3.3 FPGA程序移植过程
3.3.1 图像输入与显示[3]
本项目把图像数据转换为.ELF文件格式,烧录到NOR-Flash,在XPS的菜单下点击Program Flash Memory,选择自动格式转换,即可进行烧录,而且可以指定烧录数据的位置。数据格式转换利用Matlab软件完成,程序如下:
fid = fopen(′pic.elf′, ′w′);//打开文件
img =imread(′Image03.BMP′);//读图像数据
imshow(img);//显示图像
fwrite(fid,img.′);//写数据
fclose(fid);//关闭文件
由于是灰度图像,只读取其亮度值。图像分辨率为640×480。写数据可以用fprintf函数或fwrite函数,但是实验表明使用fprintf函数写数据,文件大小302 kB,显示图像不正常;而使用fwrite函数写数据文件仅300 kB,显示图像正常。说明两种函数写数据方式本质不同,造成写入数据格式不同。
图像显示过程:先从Flash中每次一行把数据读入BRAM,然后把每一位亮度值移位变为R、G、B三位,再从BRAM读数据到SDRAM显存,如此循环480次,用以显示图片。由于R、G、B值相同,显示的便是灰度图像。如果直接从Flash读数据到SDRAM显存,显示图像每行有不规则不连续的黑点,甚至显示不正常。显存的设置在TFT-Controller IP中完成,显存空间为2 MB,起始地址与SDRAM起始地址相同。
3.3.2 图像处理程序移植[3]
由于开发环境不同,移植后程序在独立系统上运行,需要对OpenCV仿真程序做一些改正。FPGA编程系统支持C语言标准库函数,所以打印输出显示函数print()、动态内存分配函数malloc()可以直接使用。尽管printf()函数也可以用于打印输出结果,但目的是把程序放入大小为32 KB的BRAM,实验表明它比print()函数占用空间大一倍。在OpenCV中,可以直接使用cvShowImage()、cvReleaseImage()、cvDestroyWindow()函数显示图像和释放内存空间,在移植程序中要自行设计这些函数。移植程序中subplot()函数用于在屏幕上显示4幅图像(降低分辨率源图像、滤波图像、阈值分割图像、铁轨检测图像),DeleteAllPointElems()函数用于释放内存空间。其他函数,例如降低分辨率函数Dec()、滤波函数filter()、边缘检测函数edge(),可以完全使用OpenCV中的程序,不需要做修改。移植后主程序如下:
int main()
{ print("\r\n-- Entering main() --\r\n");
SourceImage=(Xuint8*)malloc(640×480);
DecImage=(Xuint8*)malloc(320×240);
FilterImage=(Xuint8*)malloc(320×240);
EdgeImage=(Xuint8*)malloc(320×240);
ResultImage3=(Xuint8*)malloc(320×240);
//为图像分配内存空间
if (SourceImage==NULL)
{print("\r\n--mem allo fail--\r\n");
exit(1);}//验证空间是否分配成功
XTft_Initialize(Tft, TFT_DEVICE_ID);
//TFT显示初始化
XromTftTestColor("black", 0);
//显示背景设置为黑色
flbuf=(unsigned char*)Flash_BASEADDR;
//设置Flash图像基地址指针
p=SourceImage;//设置源图像指针
for (y=0;yHEIGHT;y++)
{rowpoint1=flbuf+y*WIDTH;
for(x=0;xWIDTH;x++)
{data1=*(rowpoint1+x);
*p++=data1;
} }//读源图像数据
dec(SourceImage,DecImage);
filter(DecImage,FilterImage,320);
edge(FilterImage,EdgeImage,320);
//图像降低分辨率、滤波、边缘化
nt areanum=0;
GetFeature(EdgeImage,320,240,
ConnLabel,pFeatures,areanum);
//边缘提取,搜索连通域
GetRailArea(320,240,pFeatures,
areanum,lowLeftRail,lowRightRail);
//搜索铁轨区域,获得左右轨
int i, j;
for (i=1; i = areanum;i++){
DeleteAllPointElems(pFeatures[i]);}
//释放内存空间
int Left,Right;
for(i=1;i240; i++){
Left=lowLeftRail[i];
Right=lowRightRail[i];
if((Left>0)(Right>0)){
for(j=Left;j=Right;j++){
*(TrackImage+i*320+j)=255;}}}
//填充铁轨左右轨之间区域
subplot(DecImage,1);
subplot(FilterImage,2);
subplot(EdgeImage,3);
subplot(TrackImage,4);
//显示4幅处理图像
print("-- Exiting main() --\r\n");
}
FPGA图像处理结果如图5所示。
本文实现基于FPGA的铁轨检测算法,首先完成OpenCV程序仿真,然后移植到FPGA构建的硬件系统中,可以成功检测出铁轨所在区域,并在一定条件下进行铁轨智能延长。研究结果表明,检测一幅分辨率为640×480图像,大约需要30 s,如果应用于实时视频流系统中,则硬件平台设计需要进行精简,以提高速度。也可考虑基于硬核、多核技术,来提高处理速度,以满足实时视频流处理。
- 基于DSP的嵌入式显微图像处理系统的设计(06-28)
- 基于PCI总线和DSP芯片的图像处理平台的硬件设计(07-06)
- 超级图像编解码技术(Scalado)(01-01)
- 基于FPGA的多DSP红外实时图像处理系统(01-21)
- 一种新型的多DSP红外实时图像处理系统设计(02-03)
- 基于DSP数字信号处理器的墙体裂缝测图像的处理(03-02)