基于Cache-DCN YOLOX算法的交通标志检测方法研究

针对传统方式识别交通标志算法存在的检测精度较低的问题,提出了一种基于Cache-DCN YOLOX算法的交通标志识别方法;在该方法中,使用DCN可变形卷积替换backbone中的普通卷积,有效地增大了模型的感受野,提高了特征提取能力;使用EIoU损失函数代替YOLOX中的GIoU损失函数,优化了训练模型,提高了收敛的速度;优化设计了YOLOX算法中的强弱两阶段的训练过程,增强了模型的泛化性能,同时加入cache方案,进一步提高了检测精度;在交通标志数据集TT100K上进行了实验,提出方法的检测精度为67.2%,比原YOLOX算法的检测精度提升了6.4%,同时,在被遮挡的小目标等多种受干扰的环境下,提出的方法能够精确地检测出交通标志,并有着较好的置信度,满足实际需求。

基于混合注意力机制与C2f的行人检测算法研究

针对行人检测算法对于小目标行人尺度小和密集行人出现漏检、误检等问题,基于YoloX算法提出一种混合注意力机制和C2f模块的行人检测算法。首先,将BAM模块与C2f模块进行融合,有效地增强了行人特征,减少了计算量,提升了检测速度;其次,采用注意力机制引导网络关注行人目标,使行人目标的特征信息得到进一步加强。在Crowd Human数据集上进行了实验分析,当IoU阈值设置为0.5时,小尺度行人检测精度为21.1%,中尺度行人检测精度为47.3%,大尺度行人检测精度为64.7%,全部的行人目标检测精度为73.2%,检测速度为24.3帧/s。实验结果表明,所提出的行人检测算法有效地提高了行人目标检测精度和检测速度,具有较好的检测性能。

基于改进Census变换与分区域聚合的立体匹配

立体匹配作为三维重建的关键步骤之一,针对基于Census变换的立体匹配算法在视差不连续区域以及弱纹理区域匹配精度较差,且易受光照不均与噪声干扰的问题,提出一种基于改进Census变换与分区域聚合的立体匹配算法。在Census变换阶段令窗口中所有像素点根据灰度值大小进行降序排序,选取灰度值为中位数的像素点替代窗口的中心像素;然后进行Hamming距离计算得到结果,再加权融合亮度或光照差的绝对值;接下来将代价聚合阶段的图像通过梯度大小划分为边缘和平滑区域,分别使用十字交叉域完成初始代价聚合;最终采用WTA找到初始视差值,经过一系列视差优化步骤获得最终视差图。在MiddleburyV3.0版本的测试平台上对该算法进行评测,实验结果表明,总体像素的视差平均误差为8.26%,相较于AD-Census算法下降了2.95%,具有较高的匹配精度,且对光照及噪声有较好的鲁棒性。

边缘检测算法的对比研究及FPGA的实现

图像的边缘检测用于提取图像特征,在图像分割、图像识别、人脸识别等技术中提供了基础处理。为了提高边缘检测精度和实时性,对图像处理边缘检测的算法进行分析。利用Matlab仿真比较算法的优缺点,得出了Canny算法边缘检测效果较好,通过FPGA开发板进行了Canny算法的边缘检测实验研究。从实验结果可以看出,Canny算法的边缘检测效果更明显,边缘检测的信息更多,在应用中能够更好地发挥作用。

基于ZYNQ的通用型卷积神经网络设计与实现

针对基于FPGA平台的神经网络开发周期过长、调节网络模型麻烦等问题,设计了一种基于ZYNQ的通用型卷积神经网络模型。首先通过Tensorflow平台搭建神经网络并训练得到模型各层权重;其次利用高层次综合工具进行卷积层和池化层的IP核设计;然后在ZYNQ平台上部署模型;最后分别运行了Le Net-5和Alex Net-8神经网络进行验证。实验结果表明模型在只损失极少准确度的情况下,卷积与池化运算速度相比于ARM平台分别提高了3.65倍和2.31倍,并具备通用性。

基于FPGA的改进四帧差分的运动目标检测算法

针对运输系统中运动目标在运动垂直方向上边缘信息缺失的问题及运动目标检测实时性差的缺点,提出了一种改进的融合边缘检测算法的四帧差分法,结合现场可编程门阵列(FPGA)芯片的并行工作特性,满足了运动目标检测的实时性要求。改进的四帧差分算法是采用间隔帧间差分的方式,将运动目标区域提取出来与边缘检测相融合,同时利用FPGA中多端口SDRAM图像缓存技术对实时图像进行缓存和输出。系统实现了对运输带上运动目标的检测,结果表明,该算法能够较好地解决在传统帧间差分法中运动目标在运动垂直方向上边缘缺失的问题,同时也能准确且实时地检测出待测运动目标。

基于改进的Alexnet的服装识别及FPGA加速实现

为了快速识别服装款式类型,针对现有的服装识别网络模型有所累赘以及速度响应仍然有待提升的问题,设计了一种改进的Alexnet。采用小卷积核替换大卷积核的方式减少计算量并提升识别准确度,相比于原神经网络提升了2个百分点;然后通过对网络进行权重提取,最后在FPGA进行网络搭建,通过FPGA的高运算功能进行加速,在稍微减少改进的Alexnet准确度的情况下大幅度地提升了识别速度,相比于ARM平台提升了3倍。

基于FPGA的自适应动态规划控制算法研究

针对步进电机在运动过程中突然改变目标速度或者反向转动的情况下产生突变和失步的不足,通过分析步进电机的S形加减速曲线,提出了一种基于现场可编程门阵列(FPGA)的自适应动态规划的控制算法。该算法基于自抗扰控制理论中的跟踪微分器的原理,编写Verilog控制语言,在FPGA开发板上对算法进行验证,并结合Modelsim软件和编码器进行加减速结果分析。结果表明,该算法加速时间快了11 ms,反转所用时间快了14 ms,解决了事先频繁确定目标速度的问题以及在反转过程中的突变现象,从结果数据可以看出不易产生突变,相比于直接使用连续积分算法,该算法精确度上升了8.14%且复杂程度小、突变小、工作效率更高。

基于自适应阈值边缘检测算法研究及FPGA实现

针对传统的Sobel算子边缘定位不够精确,且高低阈值由人工经验选定,缺乏自适应性,无法根据外部环境的变化,实时改变高低阈值等问题,提出一种基于自适应阈值边缘检测系统,采用8个方向的Sobel算子分离出图像的边缘信息,把均值作为边缘检测的自适应阈值,实现了阈值随着灰度级变化的自适应变化。设计了基于FPGA的图像检测系统,完成了实时图像数据的采集、检测及显示等功能,实现了复杂图像信息的自适应阈值Sobel边缘检测,实验结果显示,所提方法可以准确地检测到图像的边缘信息。

基于多尺度卷积神经网络的图像去雾方法研究

针对图像去雾算法中存在光晕、失真或去雾不彻底等问题,本文提出了一种基于多尺度卷积神经网络的去雾方法。首先,利用多个较小的单尺度卷积提取浅层信息,其次通过多尺度卷积并行提取得到多维度的深层特征信息,增加了网络深度,丰富了语义信息,将浅层特征和深层特征进行特征融合,最后利用非线性回归来生成透射率特征。在RESIDE数据集中的ITS和OTS子数据集进行了实验分析,本文算法的SSIM和PSNR分别为0.976、25.041,结果表明,本文算法图像恢复度更佳,对易失真区域及纹理细节的处理更加自然,在去雾效果上较传统算法更好,且该方法在主观及客观上均有更好的评价。

基于HLS和PYNQ图像缩放的硬件加速器设计

针对CPU进行图像处理已经无法满足系统实时性需求这一情况,提出了一种基于HLS和PYNQ的图像处理硬件加速器设计。该设计利用了FPGA具有数据并行处理的优势,克服了FPGA不易开发、移植性较差的缺陷。首先选择图像缩放处理算法作为实验的测试对象;然后在ZYNQ平台上根据软硬件协同的特点分配不同的系统任务,通过HLS开发工具使用C++实现和优化图像处理算法,并转化成RTL文件,再打包成IP核输出;在Vivado2018.3上搭建硬件实验平台,通过JupyterLab对实验进行验证和分析。结果表明,缩放算法的处理速度由CPU端的1110ms缩减为FPGA端的213ms,执行速度提升了5倍。

基于FPGA的4次加减速运动控制算法研究

针对传统查表法和卷积法在加减速控制中存在运行时间长、加速度以及加加速度不连续的缺点,在分析梯形、S形加减速算法原理的基础上提出基于现场可编程门阵列的4次S形加减速连续积分控制算法。该算法采用Ver⁃ilog硬件描述语言编写电机控制程序,并利用Modelsim软件进行加减速功能仿真。实验结果表明,与查表法和卷积法加减速控制算法相比,该算法对步进电机进行加减速控制能够缩短加工时间、减少电机失步、提高工作效率,对于优化运动控制系统具有重要意义。

基于以太网传输的图像处理系统设计及FPGA实现

为了保存经过采集和处理后的图像,并且确保传输图像的实时性和高效性,设计了一种远距离、高效率传输存储系统,该系统的FPGA主控芯片是Altera公司研发的Cyclone IV E系列,通过以太网中的UDP协议实现图像数据的传输;首先,通过摄像头OV5640进行图像数据的采集;其次,把采集到的数据进行图像预处理;然后,把处理后的图像通过SDRAM进行缓存;最后,通过网线利用UDP传输协议传输到上位机上进行保存;该方法适用于数据传输量大、传输距离远以及传输效率高等要求,并且能够实时的保存处理后的图像数据,为后续的处理奠定了基础。

基于FPGA的裁切机步进电机控制算法设计

针对传统加减速算法中减速点不易确定,为了确保在裁切机运动控制系统中加减速算法的实时性和准确性;对比分析常用的加减速算法,在分析传统的梯形加减速算法原理上,提出了一种基于FPGA(field programmable gate array)的改进梯形加减速算法,采用该算法实现了运动控制系统的设计,利用Vivado仿真系统进行仿真,搭建实验平台对算法进行验证;实验结果表明,改进的梯形加减速算法能够自动确定减速点的位置并达到实时性的要求,且确定减速点的最低精度为98%;通过理想曲线与实际曲线的对比,可以看出电机实际运行速度曲线平滑,转速误差小,最大转速误差仅为0.67 r/s。

传送带偏移检测技术研究及FPGA实现

为了解决送料传送带在运行过程中发生的横向偏移和纵向偏移所导致的材料加工精度降低等问题,设计了一种基于改进的Hough直线检测算法的传送带偏移检测系统;该系统采用FPGA作为处理单元,对CMOS图像传感器拍摄的实际传送带图像进行滤波、边缘检测、二值化等图像的预处理,利用以太网传输方式把预处理后的图像信息传送给上位机,在上位机中进行Hough直线检测算法处理,获得传送带的偏移状态;通过实验,系统能够实时地检测出倾斜角精度最高0.245°的倾斜偏移和横向8个像素的偏移。