光電靶的基本原理

1 基于FPGA的嵌入式系統(tǒng)開發(fā)流程
　設計一個嵌入式系統(tǒng)，主要包括硬件平臺搭建和應用軟件編寫?；?a class="contentlabel" href="http://butianyuan.cn/news/listbylabel/label/FPGA">FPGA技術，硬件平臺搭建和軟件編寫都可在相應的軟件平臺上完成。EDK(Embedded Development Kit)是Xilinx公司開發(fā)嵌入式系統(tǒng)的套件工具。EDK套件工具主要包括硬件平臺產生器、軟件平臺產生器、仿真模型生成器和軟件編譯調試等工具，利用其集成開發(fā)環(huán)境XPS(platform studio)可以方便地完成嵌入式系統(tǒng)的開發(fā)設計[1]，設計流程如圖1所示。

2 硬件平臺搭建過程
　分析系統(tǒng)需求中，鐵軌檢測主要是進行圖像的分析處理，包括三個主要部分：圖像輸入、圖像處理和結果顯示。本項目使用依元素公司生產的Xilinx Spartan-3a系列xc3s700a的FPGA開發(fā)板，軟件版本為Xilinx10.1。圖像輸入有下列途徑：USB接口、RS232串口、100 M以太網接口、EDK套件XMD調試平臺直接下載等。本文將圖像數(shù)據(jù)轉換為.ELF文件格式，直接燒寫入Flash中。本文不追求實現(xiàn)視頻流處理，并且圖像要多次使用，源圖像存儲在Flash中最合理。圖像處理由Microblaze軟核系統(tǒng)和檢測程序共同完成；圖像顯示由TFT控制器通過VGA輸出信號在液晶顯示屏顯示。具體硬件平臺搭建過程如下：
　(1)按照XPS應用向導，建立最小系統(tǒng)，配置Microblaze軟核系統(tǒng)參數(shù)和添加UART外設。
　(2)添加IP核，并連接到相應總線，主要為內存控制器、通信控制和GPIO等。
　(3)添加自定義的IP。盡管Xilinx提供了許多免費IP，但是免費的IP不能滿足用戶的所有設計。本項目需要自定義的IP有用于控制液晶顯示的TFT_Controller和用于內存地址總線及數(shù)據(jù)總線復用的Mux_logic IP。PLB_TFT_Controller主要產生RGB信號、行場掃描、同步信號等，Mux_logic IP用于對SDRAM和Flash總線復用進行控制，輸入為SDRAM和Flash的控制IP產生的地址總線信號和數(shù)據(jù)總線信號及使能信號，輸出為復用地址總線、數(shù)據(jù)總線信號。
　(4)配置相應IP，并進行信號互聯(lián)，將需要控制硬件的port連接到外部。分配地址空間，添加UCF配置文件。
　(5)生成硬件比特流文件和硬件驅動文件。硬件結構原理圖如圖2所示。

3 軟件設計過程
3.1 鐵軌檢測原理
　本項目中鐵軌檢測主要考慮兩種方案[2]：基于邊緣特征和基于區(qū)域特征。(1)基于邊緣特征檢測方法先在全局范圍檢測出邊緣線，再通過模型或特征限制條件，從邊緣圖中獲得目標邊緣。(2)基于區(qū)域特征的鐵軌檢測，利用區(qū)域統(tǒng)計特性，即鐵軌區(qū)域區(qū)別于周圍環(huán)境獨特統(tǒng)計特性來判斷鐵軌區(qū)域。兩種方法中，前者檢測到的鐵軌線較為準確，但是其對二值化閾值嚴重依賴；后者抗噪性較好，但檢測的鐵軌線不夠準確，本文主要討論基于區(qū)域特征的鐵軌檢測。
　基于區(qū)域特征鐵軌檢測流程如圖3所示，分為四個步驟：

　(1)降低分辨率。在濾波之前，先降低圖像分辨率，以消除圖像細節(jié)，也可減輕后續(xù)處理的計算負擔。
　(2)濾波處理。分辨率降低后，圖像中仍有很多的突兀點，這是因為鐵軌上各種電磁信號的存在，攝像頭采集到的圖像不可避免地受到高斯噪聲、系統(tǒng)噪聲的污染?？紤]到圖像特征，選用中值濾波，它在平滑脈沖噪聲方面非常有效，同時可以保護圖像尖銳的邊緣。
　(3)邊緣提取。利用邊緣檢測算子檢查每個像素的鄰域并對灰度變化率進行量化，包括方向的確定。Sobel邊緣檢測算子方向性靈活，可以設置不同的系數(shù)，抑制噪聲效果較好，使用范圍廣泛，因此選用Sobel算子。同時鐵軌圖像橫向變化不大，而在縱向有很大的延伸，故也只考慮圖像垂直邊緣響應。
　(4)連通域搜索。二值化處理后邊緣圖包含了鐵軌信息，也含有很多非鐵軌邊緣。使用八連通區(qū)域搜索法，進行標號處理，記錄相互獨立的連通區(qū)域個數(shù)并進行標號。對連通區(qū)域按照長度大小進行排列，直到搜索出縱向最長的兩根鐵軌，然后判斷并標記左右兩鐵軌，之后進行區(qū)域填充，最終可以看到標記的鐵軌區(qū)域。
3.2 OpenCV仿真結果
　本項目程序首先實現(xiàn)OpenCV仿真，然后移植到FPGA中。OpenCV提供的圖像處理算法非常豐富，并且部分程序以C語言編寫，處理得當，不需要添加新的外部支持就可以完整的編譯連接生成執(zhí)行程序進行算法移植。本次仿真只運用“cv.h”和“highhui.h”兩個OpenCV庫，主要是運用其圖像加載、圖像顯示等函數(shù)，而中值濾波、邊緣檢測、鐵軌搜索函數(shù)自行編寫。仿真結果如圖4所示。

3.3 FPGA程序移植過程
3.3.1 圖像輸入與顯示[3]
　本項目把圖像數(shù)據(jù)轉換為.ELF文件格式，燒錄到NOR-Flash，在XPS的菜單下點擊Program Flash Memory，選擇自動格式轉換，即可進行燒錄，而且可以指定燒錄數(shù)據(jù)的位置。數(shù)據(jù)格式轉換利用Matlab軟件完成，程序如下：
fid = fopen(′pic.elf′， ′w′)；//打開文件
img =imread(′Image03.BMP′)；//讀圖像數(shù)據(jù)
imshow(img)；//顯示圖像
fwrite(fid，img.′)；//寫數(shù)據(jù)
fclose(fid)；//關閉文件
　由于是灰度圖像，只讀取其亮度值。圖像分辨率為640×480。寫數(shù)據(jù)可以用fprintf函數(shù)或fwrite函數(shù)，但是實驗表明使用fprintf函數(shù)寫數(shù)據(jù)，文件大小302 kB，顯示圖像不正常；而使用fwrite函數(shù)寫數(shù)據(jù)文件僅300 kB，顯示圖像正常。說明兩種函數(shù)寫數(shù)據(jù)方式本質不同，造成寫入數(shù)據(jù)格式不同。
　圖像顯示過程：先從Flash中每次一行把數(shù)據(jù)讀入BRAM，然后把每一位亮度值移位變?yōu)镽、G、B三位，再從BRAM讀數(shù)據(jù)到SDRAM顯存，如此循環(huán)480次，用以顯示圖片。由于R、G、B值相同，顯示的便是灰度圖像。如果直接從Flash讀數(shù)據(jù)到SDRAM顯存，顯示圖像每行有不規(guī)則不連續(xù)的黑點，甚至顯示不正常。顯存的設置在TFT-Controller IP中完成，顯存空間為2 MB，起始地址與SDRAM起始地址相同。
3.3.2 圖像處理程序移植[3]
　由于開發(fā)環(huán)境不同，移植后程序在獨立系統(tǒng)上運行，需要對OpenCV仿真程序做一些改正。FPGA編程系統(tǒng)支持C語言標準庫函數(shù)，所以打印輸出顯示函數(shù)print()、動態(tài)內存分配函數(shù)malloc()可以直接使用。盡管printf()函數(shù)也可以用于打印輸出結果，但目的是把程序放入大小為32 KB的BRAM，實驗表明它比print()函數(shù)占用空間大一倍。在OpenCV中，可以直接使用cvShowImage()、cvReleaseImage()、cvDestroyWindow()函數(shù)顯示圖像和釋放內存空間，在移植程序中要自行設計這些函數(shù)。移植程序中subplot()函數(shù)用于在屏幕上顯示4幅圖像(降低分辨率源圖像、濾波圖像、閾值分割圖像、鐵軌檢測圖像)，DeleteAllPointElems()函數(shù)用于釋放內存空間。其他函數(shù)，例如降低分辨率函數(shù)Dec()、濾波函數(shù)filter()、邊緣檢測函數(shù)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("rn-- Entering main() --rn")；
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)；
//為圖像分配內存空間
if (SourceImage==NULL)
{print("rn--mem allo fail--rn")；
exit(1)；}//驗證空間是否分配成功
XTft_Initialize(Tft， TFT_DEVICE_ID)；
//TFT顯示初始化
XromTftTestColor("black"， 0)；
//顯示背景設置為黑色
flbuf=(unsigned char*)Flash_BASEADDR；
//設置Flash圖像基地址指針
p=SourceImage；//設置源圖像指針
for (y=0；yHEIGHT；y++)
{rowpoint1=flbuf+y*WIDTH；
for(x=0；xWIDTH；x++)
{data1=*(rowpoint1+x)；
*p++=data1；
} }//讀源圖像數(shù)據(jù)
dec(SourceImage，DecImage)；
filter(DecImage，F(xiàn)ilterImage，320)；
edge(FilterImage，EdgeImage，320)；
//圖像降低分辨率、濾波、邊緣化
nt areanum=0；
GetFeature(EdgeImage，320，240，
ConnLabel，pFeatures，areanum)；
//邊緣提取，搜索連通域
GetRailArea(320，240，pFeatures，
areanum，lowLeftRail，lowRightRail)；
//搜索鐵軌區(qū)域，獲得左右軌
int i， j；
for (i=1； i = areanum；i++){
DeleteAllPointElems(pFeatures[i])；}
//釋放內存空間
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；}}}
//填充鐵軌左右軌之間區(qū)域
subplot(DecImage，1)；
subplot(FilterImage，2)；
subplot(EdgeImage，3)；
subplot(TrackImage，4)；
//顯示4幅處理圖像
print("-- Exiting main() --rn")；
}
　FPGA圖像處理結果如圖5所示。

　本文實現(xiàn)基于FPGA的鐵軌檢測算法，首先完成OpenCV程序仿真，然后移植到FPGA構建的硬件系統(tǒng)中，可以成功檢測出鐵軌所在區(qū)域，并在一定條件下進行鐵軌智能延長。研究結果表明，檢測一幅分辨率為640×480圖像，大約需要30 s，如果應用于實時視頻流系統(tǒng)中，則硬件平臺設計需要進行精簡，以提高速度。也可考慮基于硬核、多核技術，來提高處理速度，以滿足實時視頻流處理。
參考文獻
[1] 趙澤才，常青.基于MicroBlaze的嵌入式系統(tǒng)設計[D].湖南：國防科學技術大學，2005.
[2] 李俊，楊春金.基于邊緣特征及對稱差分的鐵路安全圖像處理技術研究[D].武漢：武漢理工大學，2009.
[3] 楊杰，黃朝兵.數(shù)字圖像處理及MATLAB實現(xiàn)[M].北京：電子工業(yè)出版社，2010.