基于ARM的避障小车的结题报告

1目录第一章绪论3第二章研究内容和意义4第三章预期达到的技术目标和拟解决的技术问题5第四章研究、试验方法和技术路线7第五章实现过程751硬件752软件953作品成型21第六章课题总结22基于ARM的避障小车第2页共22页第一章绪论视频采集技术目前最大的应用领域还是安防监控，随着国内经济的发展和与国际经济的接轨，工业检测和医疗领域对多路采集的需求也在不断的增加。在交通、机器视觉、多媒体等领域也有重要的应用。在交通领域的应用主要是路面监控、违章抓拍、停车场收费、高速路收费；机器视觉领域的应用主要是生产过程监控、产品筛选等；多媒体领域的应用主要是多路视频采集后大屏显示、电视节目监播等。最后，视频采集应用的领域还包括纺织、印刷、印钞等大幅面图像检测应用。基于图像的视觉跟踪伺服控制系统，视觉伺服误差直接定义在图像特征空间，摄像机观察到的特征信息直接用于反馈，不用对三维姿态进行估计。基于图像的视觉伺服控制系统中，二维图像特征通过雅可比矩阵与三维笛卡尔坐标系中的三维场景相联系，所以这种控制系统中雅可比矩阵的求解是关键。确定雅可基于图像的视觉伺服控比矩阵可以通过经验法、在线估计法、学习法等。经验法主要是通过摄像机标定或先验模型知识得到比较准确的雅可比矩阵在线估计的方法可以事先不用进行摄像机标定，但存在雅可比矩阵的初值选择问题学习方法主要是通过离线示教、自我学习、自我决策的人工神经网络的方法，这种方法需要大量样本才能计算准确。基于图像的视觉伺服控制系统可以不用3D重建，直接用图像特征控制执行机构运动。与基于位置的方法相比，基于图像的方法受传感器模型、运动学方程、摄像机标定所到来的误差的影响较小，静态定位的精度也比较高，但动态估计雅可比矩阵时，需要不断进行更新和求逆，计算时间上需要进一步优化；另外，由于系统是的且具有非线性解，基于ARM的避障小车第3页共22页因此不能保证在整个任务空间中都是收敛的。第二章研究内容和意义视觉跟踪系统可分为基于位置和基于图像两种工作方式。基于位置的视觉跟踪伺服控制系统，视觉伺服误差定义在三维笛卡尔坐标空间，视觉特征信息用来估计执行机构末端与目标的相对位姿。这种方法的主要优点是直接在三维空间控制执行机构运动，另外它把视觉重构问题从执行机构控制中分离出来，这样可以分别对二者进行研究，但这种方法一般需要对视觉系统和执行机构进行标定，而且由于要对图像进行解释，因而增加了计算量，另外，这种方法受传感器模型、运动学方程、摄像机标定所带来的误差影响较大。基于图像的视觉跟踪伺服控制系统，视觉伺服误差直接定义在图像特征空间，摄像机观察到的特征信息直接用于反馈，不用对三维姿态进行估计。基于图像的视觉伺服控制系统中，二维图像特征通过雅可比矩阵与三维笛卡尔坐标系中的三维场景相联系，所以这种控制系统中雅可比矩阵的求解是关键。确定雅可基于图像的视觉伺服控比矩阵可以通过经验法、在线估计法、学习法等。经验法主要是通过摄像机标定或先验模型知识得到比较准确的雅可比矩阵在线估计的方法可以事先不用进行摄像机标定，但存在雅可比矩阵的初值选择问题学习方法主要是通过离线示教、自我学习、自我决策的人工神经网络的方法，这种方法需要大量样本才能计算准确。基于图像的视觉伺服控制系统可以不用3D重建，直接用图像特征控制执行机构运动。与基于位置的方法相比，基于图像的方法受传感器模型、运动学方程、摄像机标定所到来的误差的影响较基于ARM的避障小车第4页共22页小，静态定位的精度也比较高，但动态估计雅可比矩阵时，需要不断进行更新和求逆，计算时间上需要进一步优化；另外，由于系统是的且具有非线性解，因此不能保证在整个任务空间中都是收敛的。本课题的工作主要基于UCLINUX操作系统，实现对特定障碍的监测，以及壁障预警工作。本立项实现的目标包括如下几个方面研究相关计算机视频图像采集的理论和方法研究壁障技术从复杂场景中提取特征障碍信息对障碍信息做出判断，预警第三章预期达到的技术目标和拟解决的技术问题一、计算机视觉图像处理技术主要有以下凡项内容1、图像数字化和压缩编码图像数字化技术是把连续图像信号变为离散的数字信号，适应数字计算机或其它数字设备的运算处理。压缩编码技术是减少描述图像的数据量即比特率，以便节省传输、处理时间和存储器容量。2、图像增强和复原图像增强是突出图像中感兴趣的部分，图像复原是使失真图像尽可能恢复基于ARM的避障小车第5页共22页本来面貌。3、图像分割图像中包含的物体，按其灰度、色彩或几何特性分割，并进行分析处理，从中提取数据等有效分量。这是进一步进行图像处理、模式识别和机器视觉等技术的基础。4、图像分类图像分类是图像处理技术的深入和发展，也可以认为是模式识别的一个分支。其主要内容是在图像经过某些预处理压缩、增强、复原后，将图像中有用物体的特征进行特征分割、特征选择，进而进行判决分类。5、图像重建图像重建是对一些三维物体，应用X射线、超声波等物理方法获取物体内部结构的数据。再将此数据进行运算处理构成物体内部某些部位的图像。基于ARM的避障小车第6页共22页第四章研究、试验方法和技术路线图1初期整个系统简要分析。图2修改后整个系统简要分析（即技术线路）。第五章实现过程51硬件1、应用器件ARM7开发板，L298，DS18B20，ST188，电容，电阻等基于ARM的避障小车第7页共22页2、电路原理图图3基于ARM的避障小车第8页共22页3、成型电路图452软件1、软件结构图基于ARM的避障小车第9页共22页采集信号判断数字信息控制舵机改变方向控制舵机改变方向信号转换有障碍无障碍图52、主要程序INCLUDE“STDAFXH“INCLUDE“CVH“INCLUDE“HIGHGUIH“INCLUDEINCLUDEIPLIMAGEIMAGE0,HSV0,HUE0,MASK0,BACKPROJECT0,HISTIMG0/用HSV中的HUE分量进行跟踪CVHISTOGRAMHIST0/直方图类INTBACKPROJECT_MODE0INTSELECT_OBJECT0INTTRACK_OBJECT0基于ARM的避障小车第10页共22页INTSHOW_HIST1CVPOINTORIGINCVRECTSELECTIONCVRECTTRACK_WINDOWCVBOX2DTRACK_BOX/MEANSHIFT跟踪算法返回的BOX类CVCONNECTEDCOMPTRACK_COMPINTHDIMS16/划分直方图BINS的个数，越多越精确FLOATHRANGES_ARR0,180/像素值的范围FLOATHRANGESHRANGES_ARR/用于初始化CVHISTOGRAM类INTVMIN90,VMAX256,SMIN90CVSCALARHSV2RGBFLOATHUE/用于将HUE量转换成RGB量这里没写VOIDLOADTEMPLATEIMAGEIPLIMAGETEMPIMAGECVLOADIMAGE“REDJPG“,1CVCVTCOLORTEMPIMAGE,HSV,CV_BGR2HSVINT_VMINVMIN,_VMAXVMAXCVINRANGESHSV,CVSCALAR0,SMIN,MIN_VMIN,_VMAX,0,CVSCALAR180,256,MAX_VMIN,_VMAX,0,MASKCVSPLITHSV,HUE,0,0,0SELECTIONX1SELECTIONY1基于ARM的避障小车第11页共22页SELECTIONWIDTH6401SELECTIONHEIGHT4801CVSETIMAGEROIHUE,SELECTIONCVSETIMAGEROIMASK,SELECTIONCVCALCHISTFLOATMAX_VAL0FCVGETMINMAXHISTVALUEHIST,0,CVCONVERTSCALEHISTBINS,HISTBINS,MAX_VAL255/MAX_VAL0,0CVRESETIMAGEROIHUECVRESETIMAGEROIMASKTRACK_WINDOWSELECTIONTRACK_OBJECT1CVZEROHISTIMGINTBIN_WHISTIMGWIDTH/HDIMSFORINTI0IBINS,IHISTIMGHEIGHT/255CVSCALARCOLORHSV2RGBI180F/HDIMSCVRECTANGLEHISTIMG,CVPOINTIBIN_W,HISTIMGHEIGHT,CVPOINTI1BIN_W,HISTIMGHEIGHTVAL,基于ARM的避障小车第12页共22页COLOR,1,8,0CVRELEASEIMAGEVOIDON_MOUSEINTEVENT,INTX,INTY,INTFLAGS,VOIDPARAM/该函数用于选择跟踪目标IFIMAGERETURNIFIMAGEORIGINYIMAGEHEIGHTYIFSELECT_OBJECT/如果处于选择跟踪物体阶段，则对SELECTION用当前的鼠标位置进行设置SELECTIONXMINX,ORIGINXSELECTIONYMINY,ORIGINYSELECTIONWIDTHSELECTIONXCV_IABSXORIGINXSELECTIONHEIGHTSELECTIONYCV_IABSYORIGINYSELECTIONXMAXSELECTIONX,0SELECTIONYMAXSELECTIONY,0SELECTIONWIDTHMINSELECTIONWIDTH,IMAGEWIDTHSELECTIONHEIGHTMINSELECTIONHEIGHT,IMAGEHEIGHT基于ARM的避障小车第13页共22页SELECTIONWIDTHSELECTIONXSELECTIONHEIGHTSELECTIONYSWITCHEVENTCASECV_EVENT_LBUTTONDOWN/开始点击选择跟踪物体ORIGINCVPOINTX,YSELECTIONCVRECTX,Y,0,0/坐标SELECT_OBJECT1/表明开始进行选取BREAKCASECV_EVENT_LBUTTONUPSELECT_OBJECT0/选取完成IFSELECTIONWIDTH0/如果选择物体有效，则打开跟踪功能BREAKCVSCALARHSV2RGBFLOATHUE/用于将HUE量转换成RGB量INTRGB3,P,SECTORSTATICCONSTINTSECTOR_DATA30,2,1,1,2,0,1,0,2,2,0,1,2,1,0,0,1,2HUE0033333333333333333333333333333333F基于ARM的避障小车第14页共22页SECTORCVFLOORHUEPCVROUND255HUESECTORPSECTORRGBSECTOR_DATASECTOR0255RGBSECTOR_DATASECTOR10RGBSECTOR_DATASECTOR2PRETURNCVSCALARRGB2,RGB1,RGB0,0/返回对应的颜色值INTMAININTARGC,CHARARGVCVCAPTURECAPTURE0IFARGC1|ARGC2/打开摄像头ELSEIFARGC2CAPTURECVCAPTUREFROMAVIARGV1/打开AVI文件IFCAPTURE基于ARM的避障小车第15页共22页FPRINTFSTDERR,“COULDNOTINITIALIZECAPTURINGN“/打开视频流失败处理RETURN1PRINTF“HOTKEYSN“TESCQUITTHEPROGRAMN“TCSTOPTHETRACKINGN“TBSWITCHTO/FROMBACKPROJECTIONVIEWN“THSHOW/HIDEOBJECTHISTOGRAMN“TOINITIALIZETRACKING,SELECTTHEOBJECTWITHMOUSEN“/打印出程序功能列表CVNAMEDWINDOW“HISTOGRAM“,0CVNAMEDWINDOW“CAMSHIFTDEMO“,0/建立视频窗口CVSETMOUSECALLBACK“CAMSHIFTDEMO“,ON_MOUSE,0/设置鼠标回调函数CVCREATETRACKBAR“VMIN“,“CAMSHIFTDEMO“,/建立滑动条CVCREATETRACKBAR“VMAX“,“CAMSHIFTDEMO“,CVCREATETRACKBAR“SMIN“,“CAMSHIFTDEMO“,FOR/进入视频帧处理主循环基于ARM的避障小车第16页共22页IPLIMAGEFRAME0INTI,BIN_W,CFRAMECVQUERYFRAMECAPTUREIFFRAMEBREAKCVANDBACKPROJECT,MASK,BACKPROJECT,0/得到反向投影图MASK内的内容CVCAMSHIFTBACKPROJECT,TRACK_WINDOW,CVTERMCRITERIACV_TERMCRIT_EPS|CV_TERMCRIT_ITER,10,1,/使用MEANSHIFT算法对BACKPROJECT中的内容进行搜索，返回跟踪结果TRACK_WINDOWTRACK_COMPRECT/得到跟踪结果的矩形框IFSELECT_OBJECTCVXORSIMAGE,CVSCALARALL255,IMAGE,0CVRESETIMAGEROIIMAGECVSHOWIMAGE“CAMSHIFTDEMO“,IMAGE/显示视频和直方图基于ARM的避障小车第17页共22页CVSHOWIMAGE“HISTOGRAM“,HISTIMGCCVWAITKEY10IFC27BREAKSWITCHCCASEBBACKPROJECT_MODE1BREAKCASECTRACK_OBJECT0CVZEROHISTIMGBREAKCASEHSHOW_HIST1IFSHOW_HISTCVDESTROYWINDOW“HISTOGRAM“DEFAULTCVRELEASECAPTURECVDESTROYWINDOW“CAMSHIFTDEMO“RETURN0IFDEF_EICMAIN1,“CAMSHIFTDEMOC“ENDIF基于ARM的避障小车第18页共22页53作品成型作品成型后如