基于硬件IP核的嵌入式智能相机底层算法研究
摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第8-14页 |
1.1 课题研究背景和意义 | 第8-9页 |
1.2 国内外研究现状 | 第9-12页 |
1.2.1 国外研究现状 | 第9-10页 |
1.2.2 国内研究现状 | 第10-12页 |
1.3 主要研究内容 | 第12-14页 |
第2章 智能相机系统方案设计 | 第14-22页 |
2.1 引言 | 第14页 |
2.2 智能相机系统需求和构架选择 | 第14-17页 |
2.2.1 智能相机系统需求分析 | 第14-15页 |
2.2.2 智能相机硬件架构选择 | 第15-17页 |
2.3 系统总体方案设计 | 第17-21页 |
2.3.1 硬件开发平台简介 | 第17-20页 |
2.3.2 系统总体结构设计 | 第20-21页 |
2.4 本章小结 | 第21-22页 |
第3章 基于HLS的硬件IP核设计 | 第22-38页 |
3.1 前言 | 第22页 |
3.2 VIVADO HLS简介 | 第22-25页 |
3.2.1 HLS概述 | 第22-23页 |
3.2.2 VIVADO HLS设计流程 | 第23-25页 |
3.3 VIVADO HLS设计优化 | 第25-31页 |
3.3.1 数据类型的优化 | 第26-28页 |
3.3.2 流水线优化 | 第28-29页 |
3.3.3 循环优化 | 第29-30页 |
3.3.4 视频处理函数优化 | 第30-31页 |
3.4 自定义IP设计 | 第31-37页 |
3.4.1 IP设计过程 | 第31-34页 |
3.4.2 IP功能验证 | 第34-37页 |
3.5 本章小结 | 第37-38页 |
第4章 嵌入式智能相机功能算法实现与验证 | 第38-59页 |
4.1 引言 | 第38页 |
4.2 定位算法与实现 | 第38-42页 |
4.2.1 定位算法概述 | 第38页 |
4.2.2 灰度质心法 | 第38-39页 |
4.2.3 基于HLS的IP实现与功能验证 | 第39-42页 |
4.3 边缘检测 | 第42-46页 |
4.3.1 算法概述 | 第42页 |
4.3.2 SOBEL边缘检测算子 | 第42-44页 |
4.3.3 基于HLS的IP实现和功能验证 | 第44-46页 |
4.4 角点检测 | 第46-49页 |
4.4.1 算法概述 | 第46页 |
4.4.2 FAST CORNER角点检测 | 第46-47页 |
4.4.3 基于HLS的IP实现和功能验证 | 第47-49页 |
4.5 HOUGH变换 | 第49-51页 |
4.5.1 算法概述 | 第49页 |
4.5.2 HUOGH变换算法原理 | 第49-50页 |
4.5.3 基于HLS的IP实现和功能验证 | 第50-51页 |
4.6 交通标志智能检测与识别 | 第51-58页 |
4.6.1 算法概述 | 第51页 |
4.6.2 SVM算法原理分析 | 第51-54页 |
4.6.3 SVM训练分类器 | 第54页 |
4.6.4 SVM用于交通标志检测的实现 | 第54-58页 |
4.7 本章小结 | 第58-59页 |
第5章 嵌入式智能相机系统移植和功能验证 | 第59-68页 |
5.1 引言 | 第59页 |
5.2 嵌入式LINUX系统移植 | 第59-61页 |
5.2.1 LINUX环境搭建 | 第59-60页 |
5.2.2 QT和OpenCV移植 | 第60-61页 |
5.3 嵌入式智能相机实验系统 | 第61页 |
5.4 模块功能验证 | 第61-64页 |
5.4.1 OV摄像头图像采集验证 | 第62-63页 |
5.4.2 USB相机图像采集验证 | 第63-64页 |
5.5 智能相机应用于交通标志检测与识别 | 第64-67页 |
5.6 本章小结 | 第67-68页 |
结论 | 第68-70页 |
参考文献 | 第70-74页 |
攻读硕士期间发表的论文及其它成果 | 第74-76页 |
致谢 | 第76页 |