计算机科学 ›› 2017, Vol. 44 ›› Issue (Z11): 530-533.doi: 10.11896/j.issn.1002-137X.2017.11A.112
潘青松,张怡,杨宗明,秦剑秀
PAN Qing-song, ZHANG Yi, YANG Zong-ming and QIN Jian-xiu
摘要： 以Zynq芯片为基础,采用软硬件协同设计的方法设计并实现整个系统。Zynq芯片内部采用ARM+FPGA的异构架构,既具备ARM处理器的灵活性,又拥有FPGA并行处理的能力。本系统的设计充分发挥了Zynq芯片的优势,在软硬件划分上, 通过ARM处理器来实现图像的采集；图像角点及边缘检测用FPGA来完成,即通过硬件加速提升系统的整体性能。ARM处理器与FPGA通过AXI4总线进行数据交互,在Zynq上实现集图像采集、图像特征提取、图像显示为一体的片上系统。最终系统测试结果表明,采用硬件加速实现图像特征提取的相关算法比在ARM处理器软件上实现的算法的速度提高了6～8倍。
| [1] 陈军.基于ARM-Linux的嵌入式产品平台构建[D].杭州:浙江大学,2004. [2] 唐敏.基于边缘和角点的特征提取方法与应用研究[D].长沙:国防科技大学,2006. [3] 陈勇.基于机器视觉的表面缺陷检测系统的算法研究及软件设计[D].天津:天津大学,2006. [4] 陈然.工业相机的自动调焦与图像拼接研究及在桥梁检测机器人中的应用[D].广州:华南理工大学,2014. [5] 王阿妮,马彩文,晃长征,等.基于边缘相关的红外与可见光图像配准方法[J].现代电子技术,2009,2(10):104-106. [6] 尚春红,赵明昌.复杂背景图像中军用靶子识别算法研究[J].计算机应用,2008,28(5):1257-1260. [7] 宋余庆.数字医学图像[M].北京:清华大学出版社,2008. [8] ARBELAEZ P,MAIRE M,FOWLKES C,et al.Contour detection and hierarchical image segmentation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2010,33(5):898-916. [9] SCHAPIRE R E.The boosting approach to machine learning:an overview[C]∥MSRI Workshop on Nonlinear Estimation and Classification.Berkeley,CA,2002:312-318. [10] 薛金龙.基于角点的图像特征提取与匹配算法研究[D].大连:大连理工大学,2014. [11] ROSTEN E,DRUMMOND T.Machine learning for high speed corner detection[C]∥9th European Conference on Computer Vision.2006:430-443. [12] 陆启帅,陆彦婷,王地.SoC与嵌入式Linux设计实战指南:兼容ARM Cortex-A9的设计方法[M].北京:清华大学出版社,2014:274-278. [13] 杨霞.基于OMAP3530以太网视频采集系统的设计与实现[D].南京:南京邮电大学,2011. |
| No related articles found! |
|
||
首页