• 激光条纹中心线提取算法FPGA实现方案


    1 概述

            激光条纹中心线提取是3D线激光测量领域一个较为基础且重要的算法。目前,激光条纹中心线提取已有多种成熟的算法,有很多相关的博客和论文。

            激光条纹中心线提取的真实意义在于工程化和产品化的实际应用,而很多算法目前只能用于学术研究或理论实验,无法在应用端或产品端商用化落地。

            常见的中心线提取算法有:

    • 边缘法
    • 中心法
    • 阈值法
    • 形态学细化法
    • 极值法
    • 灰度重心法
    • 曲线拟合法
    • Steger算法

            上述这些算法中只有灰度重心法,曲线拟合法,Steger算法3种方法可以达到亚像素精度。

            由于测量环境的影响,及被测物体表面材料及轮廓的多样性,实际成像的激光条纹会出现噪声、起伏、倾斜、重叠、间断、过曝、反光等现象。没有一种算法可以完全适应各种应用场景并解决所有这些问题。在实际应用时,往往需要以某一种算法为基础,配合设计多种策略进行排列组合使用,尽可能解决会影响测量结果的问题。

    2 FPGA实现方案

            笔者开发了一套已成熟商用化的FPGA版本的高性能中心线提取算法。性能指标可达市场一线3D线激光测量类产品,可适配各种分辨率及不同速度等级的CMOS图像传感器。例如:

           横向分别率为2K量级,每个像素时钟输出8个像素点的CMOS图像传感器。如,安森美的PYTHON2000;索尼的IMX421。以Xilinx 7系列FPGA为例,资源消耗如下:

            横向分别率为2K量级,每个像素时钟输出32个像素点的CMOS图像传感器。如,LUXIMA的LUX2810、LUX2100;E2V的Flash 2K。FPGA资源消耗如下:

            横向分别率为4K量级,每个像素时钟输出64个像素点的CMOS图像传感器。如,E2V的Flash 4K。FPGA资源消耗如下:

            若需项目合作请私信详询。

  • 相关阅读:
    解决kubernetes集群证书过期的问题
    (九)学习笔记:动手深度学习(多层感知机 + 代码实现)
    QCC51XX---官网文章编号索引
    服务器主机云主机在日常维护需要注意的几个点
    spring boot 面试题
    计算机毕业设计之java+javaweb篮球系列网上商城设计与实现
    09_上传漏洞_文件包含&二次渲染&代码逻辑漏洞
    Netty学习知识点总结
    【系统稳定性】1.6 黑屏(三)
    1. 什么是微服务 ?
  • 原文地址:https://blog.csdn.net/MmikerR/article/details/136157786