大尺寸激光光斑检测系统设计

大尺寸激光光斑检测系统设计

论文摘要

视觉测试技术是建立在计算机视觉研究基础上的一门新兴测试技术,重点研究的是物体几何尺寸和物体位置的测量,可以广泛应用于在线测量、逆向工程等主动、实时测量过程。典型的视觉检测系统都是由CCD模拟摄像机,图像采集卡和计算机组成。对数字图像信号的图像处理都是在计算机内完成。针对传统视觉检测技术的缺点,提出了一种全新的视觉检测模式——全数字智能化采集与传输,这种图像采集传输模式的优点在于:①数字化采集,视频解码器芯片内部集成了ADC,系统不再需要专用A/D转换器;②数字化传输,单片机自身带有RS232总线模块,传输具有很高的可靠性,提高了系统的抗干扰能力;③系统集成度高、体积小,方便安装和携带;④用可编程器件FPGA实现图像处理,可以大大提高运算的速度,同时,还可以满足嵌入式系统的要求。论文主要完成了以下工作:1.针对视觉检测系统实际的需要进行深入研究,分析激光光斑尺寸检测系统的设计方案。2.分析系统选用的芯片,以及图像采集单元、图像处理及存储单元、图像传输单元的设计原理。3.针对视觉检测系统的设计方案,设计了由TG2616FCS-4模拟CCD摄像头和SAA7111A视频解码芯片作为图像采集单元的检测系统,利用FPGA实现数据采集,处理,传输功能,利用单片机软件程序实现整个系统的主控制。4.与组内基于FPGA的硬件图像处理研究成果相结合(包括噪声去除,图像压缩,二值化,中心检测等图像处理的实时操作),完成了对电路的调试和程序的修改,实验结果和仿真结论与理论分析基本一致,体现了系统的高度数字化和集成化。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章绪论
  • 1.1 引言
  • 1.2 视觉检测系统组成
  • 1.2.1 视觉检测系统的组成
  • 1.2.2 视觉检测系统几种常用的设计模式
  • 1.3 视觉检测系统的典型应用
  • 1.4 视觉检测系统的发展趋势
  • 1.5 论文的主要工作
  • 第二章系统基本工作原理及硬件电路设计
  • 2.1 图像采集单元的基本原理
  • 2.1.1 CCD摄像机的基本原理
  • 2.1.2 CCD与CMOS的比较
  • 2.2 基于Verilog语言的FPGA设计
  • 2.3 视觉检测系统总体设计
  • 2.4 本章小结
  • 第三章视频信号处理电路的硬件实现
  • 3.1 硬件系统的功能与构成
  • 3.1.1 图像采集单元的视频解码器
  • 3.1.2 图像存储单元的静态存储器SRAM
  • 3.1.3 图像传输单元
  • 3.1.4 核心处理器件-FPGA
  • 3.1.5 系统控制器件-单片机
  • 3.2 单片机程序设计
  • 3.2.1 系统的初始化
  • 2C寄存器设置'>3.2.2 视频解码器的I2C寄存器设置
  • 3.2.3 单片机串口通讯程序设计
  • 3.2.4 单片机其它程序设计
  • 3.3 FPGA程序设计
  • 3.3.1 视频信号采集
  • 3.3.2 视频信号存储
  • 3.4 视频信号采集与传输的程序仿真及实验结果
  • 3.4.1 隔行扫描SRAM存储程序仿真实验结果
  • 3.4.2 隔行扫描转连续存储程序仿真实验结果
  • 3.4.3 数据采集及传输的FPGA程序仿真
  • 3.5 FPGA与单片机通讯程序设计
  • 3.5.1 FPGA与单片机的通讯原理
  • 3.5.2 实际检测数据上传结果
  • 3.6 硬件电路的PCB设计
  • 3.6.1 PCB设计的一般原则
  • 3.6.2 电路抗干扰措施
  • 3.6.3 混合信号PCB设计原则
  • 3.7 本章小结
  • 第四章系统实验及结论
  • 4.1 视频数据采集与传输实验
  • 4.1.1 样板图像成像实验
  • 4.1.2 实际光斑成像实验
  • 4.2 视频数据图像处理实验
  • 4.2.1 滤波处理实验
  • 4.2.2 阈值分割实验
  • 4.2.3 中心提取实验
  • 4.2.4 软件畸变校正实验
  • 4.3 系统误差实验与分析
  • 4.3.1 系统误差实验设计
  • 4.3.2 系统误差分析
  • 4.4 实验结论
  • 第五章总结与展望
  • 参考文献
  • 发表论文和参加科研情况说明
  • 致谢
  • 相关论文文献

    • [1].2007图像处理国际研讨会[J]. 国际学术动态 2008(03)
    • [2].探讨图像处理软件在平面设计中的应用[J]. 科学技术创新 2019(34)
    • [3].图像处理技术的车牌识别系统研究[J]. 电子测试 2020(03)
    • [4].图像处理技术及其应用研究[J]. 无线互联科技 2020(01)
    • [5].基于图像处理技术的小麦识别技术研究[J]. 中外企业家 2020(04)
    • [6].图像处理技术及应用分析[J]. 造纸装备及材料 2020(01)
    • [7].图像处理技术在平面设计中的应用研究[J]. 计算机产品与流通 2020(03)
    • [8].图像处理与识别技术的发展及应用[J]. 无线互联科技 2020(10)
    • [9].应用型本科课程考核模式改革研究——以光电图像处理为例[J]. 科技风 2020(21)
    • [10].深度学习的图像处理在农业领域的应用实践[J]. 内江科技 2020(09)
    • [11].关于图像处理技术现状及发展的分析[J]. 科技资讯 2018(25)
    • [12].探究图像处理的关键技术[J]. 计算机产品与流通 2018(11)
    • [13].图像处理中颜色模式的探究[J]. 电脑编程技巧与维护 2019(01)
    • [14].计算机图像处理技术的特点与应用研究[J]. 信息记录材料 2019(03)
    • [15].基于云服务器图像处理的物体辨别系统[J]. 计算机产品与流通 2019(09)
    • [16].计算机图形图像处理技术在文物保护领域的应用分析[J]. 计算机产品与流通 2019(12)
    • [17].图像处理技术在信息农业中的应用现状及发展趋势[J]. 江苏农业科学 2017(22)
    • [18].基于形态学图像检测的机械手移栽穴苗识别技术[J]. 农机化研究 2018(05)
    • [19].计算机技术在图像处理中的应用分析[J]. 才智 2018(16)
    • [20].计算机图像处理技术的发展趋势[J]. 信息与电脑(理论版) 2016(18)
    • [21].以应用为引导的教学在光电图像处理中的应用[J]. 实验室科学 2016(06)
    • [22].微课在“图像处理基础”教学中的应用研究[J]. 计算机时代 2017(02)
    • [23].探究数字多媒体图像处理技术[J]. 信息与电脑(理论版) 2016(20)
    • [24].浅析图像处理软件入门案例[J]. 广东印刷 2017(01)
    • [25].图像处理智能化的发展方向[J]. 电子技术与软件工程 2017(09)
    • [26].智能交通中图像处理技术应用综述[J]. 科技风 2017(11)
    • [27].基于网络平台应用的图像处理技术探讨[J]. 农村经济与科技 2017(14)
    • [28].图像处理技术在网页制作中的应用分析[J]. 无线互联科技 2017(19)
    • [29].图像处理技术在纺织品测试中的应用[J]. 化纤与纺织技术 2015(04)
    • [30].深度学习在图像处理技术课程教学实践中的应用探讨[J]. 教育教学论坛 2016(09)

    标签:;  ;  

    大尺寸激光光斑检测系统设计
    下载Doc文档

    猜你喜欢