基于无线图像传感器网络的农田远程监测系统

为了实时获取农田图像和视频信息,提出了基于无线图像传感器网络的农田远程监测系统。针对当前图像传感器节点存在的不足,基于CMOS图像传感器和S3C6410嵌入式处理器设计了低成本、高分辨率的无线图像传感器节点,并研究了基于驱动层和应用层协作的分辨率实时调整算法,使得节点具备10种不同的分辨率,最高分辨率可达500万像素,而且分辨率可根据用户需求实时调整,以满足用户对不同图像精度的需求。采用Wi Fi技术构建无线图像传感器网络,并通过4G网络远程传输图像和视频到服务器。在服务器端开发了基于Web的可视化农田信息管理软件,实现对采集的数据进行有效存储、管理和应用,并为用户提供网络服务。部署了该系统并进行了长时间的运行测试试验,试验结果表明:系统可稳定地运行,能够根据远程指令采集并传输不同分辨率的图像,采集并传输1幅126 KB左右的图像平均耗时为5.36 s,网络平均丢包率为1.67%,客户端开启视频监控平均时延为3.48 s,视频播放流畅。

基于图像传感器网络的隧道形变监测系统研究

随着地铁建设的持续发展,隧道结构的安全性受到了广泛的关注。介绍了一种地铁隧道整体沉降的监测系统,采用安装在隧道内壁的分布式图像传感器网络对相邻断面的目标光源进行监测,并将图像数据进行采集、储存、传输、处理,数据库系统对历史数据进行融合与分析之后获得相邻断面间的相对位移,在经过坐标变换和定位基准传递后,计算出每个断面在隧道整体中的绝对位移。最终通过网络发布隧道沉降信息,建立隧道形变的预警机制。

基于缝合技术的图像传感器网络消除冗余数据方案

为了减少密集部署的无线图像传感器网络中相机节点的冗余数据,提高网络生存周期,利用图像缝合技术在簇头节点找出相机节点采集图像的重合区域,并告知相机节点,相机节点过滤掉与相邻节点重合的冗余图像数据,簇头节点对接收到的图像进行重建并拼接成全景图.提出了一种面向图像的节点相关系数计算方法,解决了现有相关系数计算方法中要求准确获知节点空间位置的问题.仿真实验结果表明,该方法使相机节点能有效地去除冗余数据,簇头节点能重建出高质量的全景图,而且面向图像的相关系数很好地反映了相机节点的相关性.

基于CMOS工艺的无线图像传感器网络综述

无线传感器网络是无线通讯技术、网络技术、传感器技术交叉融合的新兴产物。无线传感器网络具备小型化、智能化、网络化和能够无线通讯等特点,能够满足人们在生产生活、科学研究、军事、医疗等众多领域对于实时信息获取的需求。由于人类获取信息的80%以上是通过视觉获取的,因此,无线图像传感器网络作为人类获取视觉图像信息的重要工具在无线传感器网络中占有重要的地位。无线图像传感器网络要想实现小型化、智能化、集成化等要求,采用与标准CMOS工艺兼容的CMOS图像传感器技术将是最为理想的选择。随着CMOS图像传感器工艺和设计水平的进步,CMOS图像传感器在成像质量、生产成本、小型化、智能化等方面显示出巨大的优势,同时由于与VLSI电路兼容的天然特性,基于CMOS图像传感器的无线图像传感器网络拥有巨大的发展潜力和广阔的市场前景。基于CMOS的无线图像传感器网络目前呈现多元化的发展趋势,高分辨率、高速、低功耗、智能化等方向是基于CMOS的无线图像传感器网络未来发展的方向。

基于无线传感器网络能量有效的图像处理方法研究

本文针对无线图像传感器网络场景安全监控的环境,提出了目标检测与分布式图像压缩相结合的图像处理方法。根据节点所采集的图像背景同时具有少变化和强相关两个特性,仅对目标图像进行SPIHT压缩和传输。仿真表明该方法能有效的节省节点的能耗,延长网络系统的寿命。

基于位图索引的无线传感器网络可靠传输协议

根据无线传感器网络中大量上行数据流实时传输的需求,提出一种基于位图索引的可靠传输协议(BRDT)。该协议使用迭代方式完成一组大量数据的传输。每次迭代的上行数据流采用无重传传输以减少延迟,并采用可靠后项传输传送带有错误标识的位图索引以恢复丢失数据。在已有低功耗无线图像传感器网络Z-EYE系统中实现并进行验证,结果表明,与RMST协议相比,BRDT对下层的服务需求少,在网络质量较差的情况下,BRDT的性能明显优于NACK重传方法,在同等测试条件下,BRDT的传输效率优于PSFQ协议。

一种障碍物模型检测算法

针对观测场景结构复杂、建模困难的问题,提出了一种基于运动目标跟踪的场景障碍物模型检测方法。结合对目标的检测与跟踪过程,利用空间投影关系确定场景中障碍物的位置,并将其映射到场景模型上,即可得到场景观测模型。该方法只需要对目标运动进行简单地跟踪和统计,不需要进行三维结构恢复以及图像拼接处理,能够有效解决场景的在线自适应建模问题。

采用自适应一致性UKF的分布式目标跟踪

由于传统分布式跟踪方法在先验噪声协方差与其实际值不相匹配时跟踪误差较大,提出了一种采用自适应一致性无迹卡尔曼滤波的分布式目标跟踪方法,该方法首先执行分布式UKF算法得到对当前移动目标状态的估计值,然后通过一个系统错误检测机制,确定是否需要对噪声协方差值进行更新。如需要,则根据当前获得的测量信息去估计当前噪声协方差,并联合该估计值和先前的噪声协方差值获得一个新的先验噪声协方差值。最后根据新获得的噪声协方差值对获得的目标状态估计值进行修正。实验结果表明该方法具有较好的准确性和鲁棒性:在噪声未知环境下,基于ACUKF的分布式跟踪方法相比于基于容积信息滤波和基于分布式无迹卡尔曼滤波的跟踪方法,最大跟踪误差值分别减少了49.93%和51.46%;在目标过程噪声发生动态变化的情况下,提出的方法相比于上述两种传统跟踪方法,跟踪误差值分别减少了40.67%和40.06%。