基于图像特征的嵌入式视觉系统的研究

杭州电子科技大学硕士学位论文硕 士 学 位 论 文题 目: 基于图像特征的嵌入式视觉系统的研究研究生 徐旭昶 专 业 计算机技术 指导教师 严义 教授 完成日期2015年03月 杭州电子科技大学硕士学位论文杭州电子科技大学硕士学位论文基于图像特征的嵌入式视觉系统的研究研究生：徐旭昶指导教师：严义教授2015年03月 杭州电子科技大学硕士学位论文Dissertation Submitted to Hangzhou Dianzi Universityfor the Degree of MasterThe research of embedded machinevision system based on image featuresCandidate: Xu XuchangSupervisor: Prof. Yan YiMarch, 2015 杭州电子科技大学硕士学位论文杭州电子科技大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。申请学位论文与资料若有不实之处，本人承担一切相关责任。论文作者签名：日期：年月日学位论文使用授权说明本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕业离校后，发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。（保密论文在解密后遵守此规定）论文作者签名：指导教师签名：日期：日期：年年月月日日 杭州电子科技大学硕士学位论文摘要基于通用计算机结构的机器视觉系统在工业流水线的视觉检测领域已经广泛的应用，具有准确性高、检测速度快，工作稳定的优点。但是对于中小型企业，它们很大程度上无力承担传统架构的机器视觉系统的高昂采购价格和复杂开发流程，所以，在保证性能的基础上，我们希望结合机器视觉和嵌入式系统的优势，研发出中小企业适合的嵌入式机器视觉开发平台。本文在实践的基础上，根据图像匹配需要，将常用的图像算法进行了标准化、参数化设计，完成了基础图像算法库，可在个人电脑和嵌入式系统上运行。在基于图像轮廓、骨架、特征点特征检测和匹配的研究的基础上，本文提出了一种基于遗传算法的图像局部不变性特征检测方法和以获得特征点的序号、权值、梯度为主要特征向量的图像不变性特征描述方法，设计了与之配套的双向跳跃搜索的形状匹配算法。开发完成的 CASS嵌入式机器视觉开发平台可以满足众多工业视觉项目的需要。在实践中，由于采用了本文提出图像特征快速匹配算法，开发平台的嵌入式视觉模块无需检测待匹配图像的特征描述就能计算出采集的图像与模板图像的匹配度，因而视觉模块可以在工程中单独使用。使用 CASS嵌入式机器视觉开发平台完成了工厂流水线上工件姿态检测项目。快速的开发流程证明了开发平台的高实用性，97%的实时正确零部件姿态识别概率表明本文提出的图像匹配算法优越性。关键词：嵌入式系统、遗传算法、特征点、机器视觉、图像匹配I 杭州电子科技大学硕士学位论文ABSTRACTThe machine vision which based on the computer is widely used in the visualinspection applications, it is familiar with its speed, accuracy and stability. But thesmall and medium-sized enterprises in China cannot afford the traditional machinevision system and do not have the ability to develop on it. In order to combine theadvantages of machine vision and embedded system, we devote ourselves to developa cheap but powerful embedded machine vision development platform that suit for thesmall and medium-sized enterprises.According to the requirements of image matching, the common image algorithmis designed standardized, parametric and realized in the PC and embedded systemprogramming respectively, for completing basic image algorithm library. On thefoundation of the study about image contour, skeleton, feature point detection andmatching features, an image local invariant feature detection method, which is basedon genetic algorithm and an image invariant feature description method that aims atobtaining the number of feature points, values, gradient as the main feature vectorsare proposed, along with a Features fast image matching algorithm which is based ondeclining feature weights is proposed. Besides, the CASS embedded machine visiondevelopment platform is completed and it can meet the needs of different industrialvision projects. While, the embedded vision module can calculate its matching degreewith template image without checking the characterization description of thematching image .It is regarded as the advantages of using the features fast imagematching algorithm which are proposed by this paper. As result, the vision modulecan be used alone.The development of the checking project of part gesture in factory assembly lineuses the CASS embedded machine vision development platform. The rapiddevelopment process proves the usefulness of the development platform. 97% of thereal-time correct part gestures recognition probability shows the superiority of theimage matching algorithm proposed in this paper.Keywords: Embedded Systems, Genetic algorithms, Feature point, Machine Vision,Image Matching,II 杭州电子科技大学硕士学位论文目录摘要. I目录.III第一章绪论.11.11.21.31.4研究背景及意义.1嵌入式机器视觉系统.3图像特征检测与匹配.4论文主要工作、创新点.4第二章机器视觉平台架构设计.62.1视觉模块设计.62.1.1硬件选型与驱动设计.62.1.2程序实现.102.1.3底板设计.122.2平台客户端设计.122.3软硬件通讯协议.142.3.1图像数据传输协议.142.3.2命令协议.152.4本章小结.16第三章图像预处理.173.1图像预处理算法.173.1.1颜色空间转换.173.1.2图像均衡化.193.1.3图像增强.203.1.4图像平滑滤波.223.1.5阈值分割.243.1.6形态学处理.26本章小结.273.2第四章基于图像特征的工件匹配研究.294.1基于边缘特征的匹配研究.294.2基于骨架特征的匹配研究.324.3基于特征点的匹配研究.344.4本章小结.38III 杭州电子科技大学硕士学位论文第五章基于权值特征点的图像匹配算法.395.1基于遗传算法的特征点提取方法.395.1.1遗传算法相关知识.395.1.2单个特征点的生成.405.1.3全部特征点的生成.445.2特征描述方法.455.3特征匹配方法.475.3.1适用于嵌入式系统的快速图像特征匹配算法.485.3.2适用于图像配准的特征匹配方法.505.4性能分析.51本章小结.54第六章总结与展望.556.1总结.556.2展望.55致谢.56参考文献.57IV 杭州电子科技大学硕士学位论文第一章绪论1.1研究背景及意义工业 4.01概念提出了一种将打造制造业与物联网融合的新模式，形成终端需求、智能产品、智能工厂和快速物流的完整链条。达到这个目标的核心在于：建设“智能工厂”；将无限数量的传感器、嵌入式终端、控制系统、通信设施互联形成一个网络，实现研究智能网络化的生产系统。工业 4.0计划中涉及互联、产品创新、智能生产、数据处理、集成控制 5个核心环节，机器视觉在后 3个环节中发挥重要作用。机器视觉是指在工业应用和非工业应用中，根据图像采集和分析处理结果为设备执行功能提供操作指南。从根本上说，这是为“眼盲”设备提供“视力”，可显著增强设备的功能，从而提高产品质量、提高生产力并降低成本。当今已有众多学术机构开展机器视觉的研究，取得了令人瞩目的学术成果。机器视觉方面的三大国际会议是ICCV(计算机视觉国际会议)、CVPR(国际计算机视觉和模式识别会议)、ECCV(欧洲计算机视觉会议2014年度CVPR最佳论文是研究相机运动和形状恢复关系 2的文章What Camera Motion Reveals AboutShape with Unknown BRDF，荣誉奖是利用结构化光源研究形状 3的论文 3DShape and Indirect Appearance by Structured Light Transport。这两个奖项的颁布表明机器视觉领域最新风向是对机器视觉基础问题和基础模型的深入研究，并已经取得令人瞩目的学术成果。在国内，中科院自动化所模式识别国家重点实验室较早的开展了计算机视觉的研究，谭铁牛院士是引路先锋。在工业流水线物件检测领域，机器视觉发展迅速，主要用于诸如尺寸、形状、姿态等外观的检测。已有许多机器视觉产品运用在工业流水线。康耐视（COGNEX）的机器视觉传感器和机器视觉系统广泛应用于全世界的工厂、仓库及配送中心；美国国家仪器(National Instruments)的视觉图像产品支持大量型号的相机与图像处理标准协同工作，可以集成到可编程逻辑控制器（PLC）、可编程自动化控制器（PAC）和人机交互接口（HMI）；研华的 EagleEye智能相机套件是提供配合工厂生产线、机器手臂等实际应用需求机器视觉解决方案，丰富的网络通讯功能与视觉 I/O接口也使得套件可与 PLC控制器、第三方通讯设备、或其他讯号装置串连通过内建的研华 Inspector Express软件提供多样适合自动化应用的工具选项，让用户依检测目标物来进行相关设定。1 杭州电子科技大学硕士学位论文这些产品化的机器视觉软硬件系统面向客户主要是大规模制造业企业，如富士康、第一汽车、宝山钢铁厂等。在发展中国家有许多高速发展的中小型企业，它们同样渴望以高科技手段提高生产力，特别是在中国沿海一带的民营企业，有巨大的视觉工程应用需求。而上述厂商的产品价格极为昂贵，中小企业无力承受。价格低廉的嵌入式系统、适当精简的视觉图像算法、易用的开发平台三者的结合的产品定能满足中小型企业对视觉应用的需要，具有重大的意义。机器视觉领域使用嵌入式系统有诸多好处。因为嵌入式视觉模组有微控制单元(MCU)，所以可以使用开发工具将满足工程需要的图像算法烧写到模块内，使得嵌入式视觉模块具有了“智慧”。在选配精度足够的 CMOS传感器的情况下，嵌入式视觉模组能独立使用。嵌入式系统的视觉模块稳定性强，价格低廉，体积微小方便中小型企业使用。友好的视觉图像工程开发工具能拉近机器和开发人员的距离。现有工业流水线上机器视觉项目主要通过艰涩的程序语言编程实现。因为嵌入式交叉编译环境较难构建，因而需要高水平开发人员完成项目开发。最理解项目需要的中小企业业主，对视觉项目的开发无能为力；最能感受现场效果的工业环境操作人员，无法根据现场图像效果直接调试图像算法组合顺序和参数。所以设计一种易于开发并且用户体验良好的视觉系统开发仿真平台，能极大地提高机器视觉系统的作用。嵌入式系统实现视觉图像算法库的是项目开发的基础。在 PC机上，开发人员可以通过开源的 OpenCV中的图像算法开发视觉图像程序，但是分发给用户的程序安装包上不允许捆绑 OpenCV包，所以在嵌入式视觉开发平台客户端的图像算法必须是无依赖纯 C/C+语言实现，这对视觉算法程序开发人员提出了很大的挑战；在嵌入式模块（无 OS）上图像算法主要以 ARM C语言实现，现有的高级视觉图像算法复杂，计算量大，无法直接应用于嵌入式系统，为了满足实际工程的速度需要，开发一种能够直接应用在嵌入式系统中的图像算法库有很大的研究价值。快速图像特征提取和匹配算法对工业视觉检查项目起决定性作用。物体检测的实现主要依靠图像特征的匹配，合适的图像特征的选取对快速匹配具有事半功倍的作用。但是许多图像特征提取算法的时间复杂度高，很难在嵌入式视觉模块中实现，即使能够运行，速度也非常慢，不能满足实时性需要。本文提出了一种视觉检测架构：通过开发平台客户端进行模板图像特征提取，将特征描述烧到嵌入式视觉模块中，视觉模块不需要提取待检测图像的特征就能和模板图像的特征描述进行匹配。这当然需要很好的特征描述方法和新颖的匹配算法。2 杭州电子科技大学硕士学位论文1.2嵌入式机器视觉系统嵌入式视觉系统是机器视觉应用在对于功能、成本、体积、功耗有严格要求应用领域扩展和延伸。相对于通用机器视觉，嵌入式视觉系统不是以性能为第一衡量指标，往往考虑更多的是它的适用性。从底到上可将嵌入式机器视觉系统的主要组成部分分为4：嵌入式微控制器，外围硬件，嵌入式操作系统和应用程序。当前，嵌入式系统已经得到广泛应用。在个人消费品领域，加上“智能”两个字前缀的传统商品一般都是嵌入式设备，如智能家居、智能玩具、智能可穿戴设备等，更不用说高速发展的移动通信产业的主体智能手机；在工业控制领域，嵌入式技术满足了工业控制系统的实时性、可靠性高要求，在工业过程控制、石油化工、数控机床等领域，嵌入式芯片的应用大大提高了产品的质量和生产效率。嵌入式技术在机器视觉领域中的应用还处于起步阶段。Rowe通过低成本嵌入式机器视觉系统检测进行色彩分析5；Zhao使用嵌入式控制器矫正物体表面倾向度改变曝光面积6；McBader早在 2003年实现基于 FPGA许多图像算法7。和通用机器视觉系统相比，嵌入式机器视觉系统有以下优缺点.(1)设备体积小，在工业现场安装方便。相对通用机器视觉系统，嵌入式机器视觉系统软硬件皆可根据应用对象而剪裁。(2)成本低，小企业能承受。通用机器视觉系统需要昂贵的零部件如专门的图像采集卡,效果显示器设备。而嵌入式机器视觉系统容易实现定制的设计剪裁，这使得成本得到了大大的降低。(3)低功耗，运行稳定性高。嵌入式设备功耗很低；工业级微处理器能承受高温高湿环境，且体积小，易实现的抗恶劣条件的工业设计使嵌入式机器视觉系统能够在各种恶劣的工业现场应用，并且长时间不重启稳定运行。受芯片功耗和体积限制，嵌入式视觉系统一般存在内存小，性能低等缺点，导致它无法对高分辨率图像进行采集与分析，对于时间复杂度较高的视觉算法，处理时间往往满足不了用户的需求。由于嵌入式系统硬件平台的多样性8, 9，还没有成熟的针对嵌入式的视觉算法库。导致目前没有一个成熟的嵌入式视觉算法库，这增大了系统开发难度。目前的视觉技术的研究主要集中在通用视觉系统，在嵌入式系统及其视觉技术的研究较少。目前基于嵌入式系统机器视觉技术的研究不多，现有的机器视觉领域理论研究成果一般需要大运算量才能得到，应用研究主要是探讨成熟的视觉算法在个人电脑、FPGA、GPU、ASIC等设备上的实现。应用较为广泛的开源视觉算法库OpenCV早先仅支持 Windows操作系统，近两年来才开始支持支持 IOS，Andriod等嵌入式操作系统。3 杭州电子科技大学硕士学位论文未来工业应用中基于嵌入式的机器视觉产品将比现在发挥更大的作用，这是显而易见的。随着微电子技术的高速发展，嵌入式芯片功耗会更低，性能会更强，嵌入式系统在各领域的应用越来越广泛，机器视觉产品必然发挥更大的作用。很多工业现场并不具备使用通用机器视觉系统的条件在条。这些领域是可定制的嵌入式机器视觉系统发挥的舞台。1.3图像特征检测与匹配图像特征可分为三步：图像特征提取，特征描述和特征匹配10。基于图像特征的匹配方法大大减少了匹配过程的计算量，常使用的图像特征有形状、边缘、特征点、区域边界等。国内外学者提出了许多独特性好、鲁棒性强，具有多种不变性的局部特征描述子。1999年提出，2004年完善的 SIFT局部不变特征点是图像局部特征描述研究领域的里程碑；SURF是 SIFT的改进版本，大大加快了特征检测速度；BRIEF利用图像邻域内随机点对的灰度大小关系建立局部图像特征描述子，特征描述存储需求低，适合低内存的嵌入式系统。特征点匹配本质上是高维空间中特征向量的最近邻搜索问题。目前常用近似的最近邻搜索算法有位置敏感哈希 17，最优节点优先。文献 18对比了十几种不同特征点对于图像旋转、图像模糊、尺度变化、以及光照变换，实验结果表明通过 SIFT和基于 SIFT的改进算法 GOLH19提取的特征点的总体匹配效果最好。骨架很好地表示物体形状的几何和拓扑特性。骨架特征提取算法可分为三类：（1）基于拓扑及几何分析的方法 20；细化法；基于距离变换的方法。学者Blum等人21提出中轴变换结合同构图算法。学者 Zhu等人提出基于分支限界法物体的骨架图匹配22。学者 siddiqi等人提出了骨架的 Shock Graph表示；四年后学者 Sebastian等人提出了计算 Shock Graph之间的 Edit Distance方法来匹配两个物体的骨架，匹配效果较好23, 24。1.4论文主要工作、创新点(1)设计嵌入式视觉模块电路，使用 Cortex-M3内核芯片和 OV7670 CMOS传感器设计出体积小，价格低的智能视觉模块，编写其中的驱动程序。完成嵌入式图形算法库构建。(2)参与设计开发 CASS机器视觉开发平台。完成不依赖开源库的基础图像算法库，每个算法接口良好，与控件绑定，在开发平台客户端可组态拖拉使用。(3)完成基于遗传算法的特征提取和匹配程序，移植进机器视觉开发平台的客4 杭州电子科技大学硕士学位论文户端。采用本文提出的特征提取和匹配算法堆工件图像进行基于骨架、特征、轮廓的特征提取和匹配，对算法进行对比评测。(4)把机器视觉开发平台实际应用于工厂传输流水线上零件姿态的检测，验证了平台的较高实用性和本文提出的图像匹配算法的优越性。第一章绪论部分，介绍了本文的研究背景意义。综述嵌入式机器视觉系统和图像特征提取和匹配，提出了本文的主要内容；第二章主要描述了 CASS机器视觉开发平台的设计，重点展开硬件视觉模块的驱动开发和平台客户端的图编程理念；第三章详细说明了得到了高质量的工件分割图的图像预流程组合，它适用于工件姿态检验项目，为后文的图像特征检测与描述算法的运行打下基础；第四章介绍传统的基于边缘、骨架、离散特征点的图像匹配方法；第五章定义正反向权值特征点，阐述基于遗传算法的特征点搜寻方法，介绍与特征点配套的形状匹配算法；第六章提出了一种基于遗传算法的图像局部特征检测算法以及适用于该图像特征匹配算法：基于特征权值下降的快速图像特征匹配算法；第七章对整篇论文进行提炼总结，并展望研究和实践的发展趋向与前景。5 杭州电子科技大学硕士学位论文第二章机器视觉平台架构设计2.1视觉模块设计视觉模块是 CASS机器视觉平台硬件部分的核心，它微型，功耗低，功能强大，最重要的是可编程，扩展性强，能与 CASS机器视觉平台客户端部分良好的配合，使机器视觉工程如工件识别，缺陷检测，数字识别等得到应用。该模块由主要部件是意法半导体公司生产的 STM32F103芯片、OmniVision公司生产的OV7670图像传感器与自主设计的微型可扩展底板组合而成。图2.1视觉模块结构图图2.2视觉模块成品2.1.1硬件选型与驱动设计2.1.1.1 CMOS图像传感器OV7670是 OmniVision公司生产的一种 CMOS图像传感器。该传感器体积小、工作电压低，提供单片多分辨率输出摄像头和影像处理器的所有功能。通过6 杭州电子科技大学硕士学位论文类 IIC接口的 SCCB总线控制，可以输出整帧、子采样、窗口区域的各种分辨率 24、16、8位图像数据。如伽玛曲线、白平衡、度、色度等图像质量调节均可在传感器硬件端由 SCCB协议修改寄存器调整。OV7670的特点有：(1)高灵敏度，低电压适合嵌入式设备。(2)标准 SCCB接口，近似于 I2C接口(3)支持 RGB888，RGB565，RGB444, RGB555, YUV的输出格式(4)支持 VGA、QVGA到 40*30的各种尺寸输出(5)支持自动曝光控制、自动增益控制、自动白平衡等自动控制功能。同时支持饱和度，色相、伽玛、锐度等设置。视觉模块默认设置 0V7670寄存器输出 QVGA，即 320*240，RGB565的图像。在一个 PCLK（像素时钟）内输出一个像素，VSYNC是帧同步信号，HREF是行同步信号。有了这三个信号组成的时序图，可以控制传感器的图像数据输出。图 2.3图像输出时序在 HREF为高时，图像数据输出，此时开始，每个 PCLK时钟输出一个字节数据。如采用 QVGA时序，RGB565图像格式（2个字节组成一个像素）输出，每行输出一共有 320*2个 PCLK周期。因为OV7670的PCLK较高，直接使用MCU的输入输出口抓取十分困难，所以在 OV7670与 MCU直接加入一块 FIFO芯片，缓冲图像数据，MCU读取的是 FIFO的数据。FIFO模块选择使用AL422B，容量是384K字节，可以存放QVGA（320*240）的RGB565数据。7 杭州电子科技大学硕士学位论文图 2.4镜头模块电路连接通过2*9的双排排针，视觉模块中镜头模块（OV7670+AL422B）与MCU的通信信号如表2.1所示。表 2.1镜头模块通信针脚信号VCC3.3作用3.3V供电信号作用FIFO_WENFIFO_WRSTFIFO_RRSTFIFO_OEFIFO写使能GND地线FIFO写指针复位FIFO读指针复位FIFO输出使能OV7670帧同步信号OV_SCLOV_SDAFIFO_D7:0FIFO_RCLKSCCB时钟信号SCCB数据信号FIF0输出 8位数据读 FIFO时钟OV_VSYNC镜头模块和微控制芯片建立通信后，芯片读取图像数据流程如下：图2.5读图像数据图2.6单像素的读取流程：按此流程循环读取剩余像素，总计循环读取 320*240*2次，就可以完整读取一帧 QVGA的 RGB565格式的图像数据。8 杭州电子科技大学硕士学位论文2.1.1.2微控制芯片本文中机器视觉模块以 ST公司的 STM32F103ZET6为处理核心，该芯片是基于 Cortex-M3内核，支持单周期 32位乘法，计算性能接近低端 DSP。芯片具有低功耗，低成本，速度快(主频 72MHz)，具有丰富定时器资源，较大的内部存储空间，支持在嵌入式领域广泛应用的 USART，CAN，USB，SPI，IIC等通信接口，还支持 Ethernet MAC 10/100，适合应用于大型互联的工业网络中应用26。2.1.1.3外部内存选用 IS62WV51216BLL作为外部 SRAM，它是一块可存储 512K*16bit的静态随机存储器，即可存储 1M的数据。它的地址接口和数据接口可直接与STM32F103相连，无需时钟和刷新。它与 STM32F103的连接如下图：图 2.7外部 SRAM与 MCU的接线要使能外部 SRAM，必须配置它与 STM32的灵活静态存储控制器（FSMC）接口。STM32的 FSMC接口支持 SRAM、NAND FLASH、NOR FLASH、PSRAM等存储器。FSMC框图如下：9 杭州电子科技大学硕士学位论文图2.8 FSMC接口外部 SRAM控制一般由(A0-A18)地址线、（D0-D15数据线）、读写信号（WE、OE），片选信号（CS）决定。 STM32F103支持 8/16/32位数据宽度，选用的IS62WV512这块外部 SRAM是 16位宽度的，在 FSMC支持中应对选择 16位宽。图2.9 FSMC存储块管理由 FSMC存储块地址映像看出 FSMC有 4个存储块，管理 1024MB空间。外部 SRAM对应用到的是块 1（BANK1），在 STM32的 FSMC的 BANK1被分为 4个区，每区管理 64KB空间，均有对应的独立寄存器对所连接的存储器配置。2.1.2程序实现配置 STM32F103的外部中断来捕捉帧同步信号，然后在该中断里启动镜头10 杭州电子科技大学硕士学位论文模块的图像数据存储，存储的地址在外部 SRAM上，等待下一次 VSYNC信号到来，关闭数据存储，完成一帧图像数据的保存。图2.10存图像数据到外部SRAM上的图像数据区Camera_refresh()函数读镜头模块中的 FIFO的数据，同时转换成灰度存储在外部 SRAM定义的图像数据缓存区，以便图像处理函数运算。中断服务（EXTI9_5_IRQhandler）程序中先判断中断是否来自于中断线 8，接着通过标志 ov_sta控制从 FIFO的读写数据。在 ov_sta等于 0时，表示已成功读取 FIFO中的数据，直到 OV_VSYNC信号到来，复位写指针，在 ov_sta等于1时，写指针复位，图像传感器正在往 FIFO写数据。等待下一个 OV_VSYNC信号到来，此时，一帧数据已经存储完毕，设置 OV7670_WREN为 0，禁止 OV7670采集图像，这时候,标志 ov_sta增为 2。在主函数或者其他函数中，当读取到 ov_sta等于 2，表面此时一帧图像数据已经准备就绪可以读取，读取完毕后需要设置ov_sta等于 0，以便开启下一次的 OV7670往 FIFO写数据的流程。图2.11外部SRAM上的图像数据区的空间分配以 4字节对齐的方式在外部 SRAM内存池指定图像数据缓存区(raw_data)的首地址，即 0X68000000+2*160*1024，缓存区大小为 76800字节；指定0X68000000+4*160*1024（MEM2_MAX_SIZE）为图像处理临时空间(out_data)，与图像数据缓存区的首地址间隔 2*160*1024字节，避免冲突。同理置串口发送11 杭州电子科技大学硕士学位论文缓存区（ComOutBuf）的首地址于 0X68000000+6*160*1024，该数组容量大于比图像缓存区，多出的 6个字节存放视觉模块与 CASS机器视觉平台的客户端通信的命令与校验，在下一节有详细说明。2.1.3底板设计CASS机器视觉平台的硬件部分即视觉模块的底板图如下：图 2.12视觉模块底板2.2平台客户端设计CASS机器视觉平台客户端是根据图编程27, 28基于构建模型原理开发的图29编程软件，是图编程思想的一个具体应用。客户端包含了大量的图像处理算法，能满足多数工业现场应用的图像处理需。客户端界面美观，操作方便。用户在CASS机器视觉平台下开发嵌入式的图像工程的步骤：在客户端上组合图像算法并仿真运行，效果满意则烧写进硬件视觉模块。平台主要应用于是工业图像检测领域。12 杭州电子科技大学硕士学位论文图2.13总体界面CASS机器视觉平台有两个图像算法库。基础图像算法库包含 Visual C+实现的在客户端运行图像预处理算法与嵌入式 C语言实现的在硬件视觉模块运行的图像预处理算法，它们的接口统一以便多个基础图像模块连接使用，在嵌入式系统和个人电脑上图像处理效果一致，具有通用性；工程图像算法库中的算法是在客户端进行复杂运算，针对特定工程如工件识别、数字识别、缺陷检测等工程特殊设计，最终将运行结果以信号量传输给硬件模块的图像算法组合。控件是设计平台的执行的最小单元，根据图像处理工程的需要，将每个图像算法的 PC端实现和嵌入式系统实现均封装入控件库中。为方便对图像算法模块控件的修改，模块信息存储在专门设计的 XML文件中30。控件信息仅在平台启动时，对控件库进行初始化，将所有基础图像算法控件添加到平台的工具箱中。一个基础图像算法模块内包括了该图像算法在客户端实现和在嵌入式系统的实现。客户端图像算法用于算法组合的仿真设计，实际运用的是硬件视觉模块上跑客户端对应的图像算法组合。为保证客户端的算法仿真效果，必须保证每个图像算法在客户端与视觉模块的效果一致。现已实现 28个基础图像算法，分为输入输出类、滤波类、色彩类、形态类、识别类等，它们的接口一致，拥有共同的图像数据区，支持多个算法线性组合，处理效果统一。针对不同的工业应用如工件识别、数字识别、缺陷检测等，CASS机器视觉平台支持特定工程制作功能。同样的，支持的工程以控件形式存在于平台，已支持的图像工程使用体验近似。所有图像工程模块以统一的描述结构，让用户在不同的需求下能扩展新的图像工程。工件识别工程制作的过程也可以看成是将多个图像处理构件组装成新控件的过程。工件识