本文關(guān)鍵詞：基于機器視覺的嵌入式鐵路異物侵限檢測系統(tǒng)研究

  更多相關(guān)文章： 異物侵限檢測 機器視覺 嵌入式系統(tǒng) 目標(biāo)識別 目標(biāo)跟蹤

【摘要】：隨著我國高速鐵路飛速發(fā)展,如何保證運營安全成為關(guān)鍵。在眾多影響高速鐵路行車安全的因素中,異物侵限問題隨著列車運行速度提高、制動距離增加而愈發(fā)突出,而僅靠司機觀察和人工巡檢的預(yù)防措施已不能滿足運營要求。因此,在鐵路沿線重點路段安裝異物侵限檢測裝置,及時準確地發(fā)現(xiàn)異物并報警對鐵路系統(tǒng)的安全運營發(fā)揮著至關(guān)重要的作用。 論文設(shè)計了基于機器視覺和嵌入式技術(shù)的鐵路線路異物侵限檢測系統(tǒng)。系統(tǒng)采用基于ARM的嵌入式異物檢測硬件平臺,設(shè)計了一套基于機器視覺的目標(biāo)分類和目標(biāo)跟蹤異物檢測算法,通過沿線布置分布式檢測節(jié)點的方案實現(xiàn)在線侵限異物檢測功能。 論文首先設(shè)計了基于ARM的硬件檢測平臺,利用FPGA、圖像采集芯片實現(xiàn)圖像采集和預(yù)處理功能；通過移植嵌入式以太網(wǎng)協(xié)議棧LwIP結(jié)合以太網(wǎng)硬件接口實現(xiàn)了以太網(wǎng)通信功能；通過運用FatFs文件系統(tǒng)配合芯片內(nèi)部的SSI通信接口實現(xiàn)了SD卡文件讀寫功能；同時,利用芯片豐富的GPIO接口設(shè)計了一套完整的ARM-FPGA通信方案。通過實驗驗證了硬件平臺從圖像采集到以太網(wǎng)傳輸?shù)恼w功能流程。 論文重點研究了基于異物目標(biāo)分類和運動行為分析相結(jié)合的嵌入式異物侵限檢測算法。算法采用兩級判別結(jié)構(gòu),首先利用支持向量機(SVM)及一組特征向量對背景差分圖像得到的異物目標(biāo)進行分類,根據(jù)分類結(jié)果濾除大部分行進列車目標(biāo),之后運用Kalman濾波器設(shè)計目標(biāo)跟蹤算法,對其余目標(biāo)進行行為和運動趨勢分析,濾除其中非侵限干擾信息,提高報警準確率,并對有侵限趨勢的異物提前預(yù)警。 通過實際運營鐵路線路的多次現(xiàn)場實驗,異物檢測系統(tǒng)的異物報警準確率達到95.31%,誤檢率和漏檢率均低于5%,平均檢測頻率達13幀/秒。實驗結(jié)果表明,本論文設(shè)計的基于機器視覺的嵌入式鐵路異物侵限檢測系統(tǒng)具備了良好的異物檢測報警能力,檢測準確率和實時性均符合系統(tǒng)需求,高危目標(biāo)趨勢預(yù)警也使得系統(tǒng)具有更為廣闊的適用范圍。
【關(guān)鍵詞】：異物侵限檢測 機器視覺 嵌入式系統(tǒng) 目標(biāo)識別 目標(biāo)跟蹤
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41;U216;U298
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-12
• 1 緒論12-24
• 1.1 課題的背景和意義12-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-21
• 1.2.1 國外研究現(xiàn)狀13-17
• 1.2.2 國內(nèi)研究現(xiàn)狀17-20
• 1.2.3 存在的問題20-21
• 1.3 論文主要內(nèi)容和章節(jié)安排21-24
• 2 鐵路異物侵限檢測系統(tǒng)方案設(shè)計24-32
• 2.1 鐵路異物侵限檢測系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計24-25
• 2.2 鐵路異物侵限檢測系統(tǒng)硬件平臺總體方案25-28
• 2.3 基于機器視覺的鐵路異物侵限檢測系統(tǒng)算法設(shè)計28-30
• 2.4 本章小結(jié)30-32
• 3 基于機器視覺的嵌入式異物檢測系統(tǒng)硬件平臺設(shè)計32-48
• 3.1 相機及基本元件選型32-35
• 3.1.1 相機選型32-33
• 3.1.2 基本元件選型33-34
• 3.1.3 硬件平臺總體電路設(shè)計34-35
• 3.2 以太網(wǎng)傳輸功能35-39
• 3.2.1 以太網(wǎng)模塊電路設(shè)計35-36
• 3.2.2 嵌入式以太網(wǎng)協(xié)議棧研究36-38
• 3.2.3 基于LwIP協(xié)議棧的以太網(wǎng)數(shù)據(jù)功能實現(xiàn)38-39
• 3.3 SD卡數(shù)據(jù)存儲功能39-43
• 3.3.1 SD卡模塊電路設(shè)計39-40
• 3.3.2 嵌入式文件系統(tǒng)研究40-41
• 3.3.3 基于FatFs文件系統(tǒng)的SD卡數(shù)據(jù)讀寫實現(xiàn)41-43
• 3.4 ARM-FPGA通信功能43-45
• 3.5 異物檢測系統(tǒng)整體硬件功能實現(xiàn)45-46
• 3.6 本章小結(jié)46-48
• 4 基于機器視覺的鐵路異物檢測算法設(shè)計48-78
• 4.1 異物侵限檢測算法主體結(jié)構(gòu)48-49
• 4.2 目標(biāo)模式識別及分類49-59
• 4.2.1 基于圖像的目標(biāo)分類方法研究49-50
• 4.2.2 SVM分類器原理50-53
• 4.2.3 特征向量分析與選取53-57
• 4.2.4 分類器構(gòu)建及識別準確性實驗57-59
• 4.3 目標(biāo)跟蹤算法59-65
• 4.3.1 目標(biāo)跟蹤方法研究59-60
• 4.3.2 Kalman濾波器原理60-61
• 4.3.3 基于Kalman跟蹤器的單目標(biāo)跟蹤設(shè)計61-64
• 4.3.4 基于Kalman跟蹤器的多目標(biāo)同時跟蹤設(shè)計64-65
• 4.4 基于目標(biāo)識別與跟蹤的鐵路異物檢測算法設(shè)計65-69
• 4.4.1 檢測背景區(qū)域劃分66-67
• 4.4.2 異物檢測算法主體設(shè)計67-68
• 4.4.3 目標(biāo)運動趨勢預(yù)測68-69
• 4.5 算法仿真實驗及結(jié)果69-72
• 4.6 基于ARM平臺的算法移植72-77
• 4.6.1 算法程序主體結(jié)構(gòu)及流程73-75
• 4.6.2 移植難點分析及優(yōu)化方案75-77
• 4.7 本章小結(jié)77-78
• 5 鐵路異物檢測系統(tǒng)實驗及結(jié)果分析78-90
• 5.1 實驗場景及平臺搭建78-79
• 5.2 鐵路異物檢測系統(tǒng)實驗結(jié)果79-82
• 5.2.1 異物侵限報警準確性實驗結(jié)果79-81
• 5.2.2 異物侵限報警實時性實驗結(jié)果81-82
• 5.3 實驗結(jié)果分析82-88
• 5.3.1 行進中列車實驗結(jié)果分析82-83
• 5.3.2 侵限異物報警實驗結(jié)果分析83-87
• 5.3.3 其他情況實驗結(jié)果分析87-88
• 5.4 本章小結(jié)88-90
• 6 總結(jié)與展望90-92
• 6.1 工作總結(jié)90-91
• 6.2 未來展望91-92
• 參考文獻92-96
• 作者簡歷及攻讀碩士學(xué)位期間取得的研究成果96-100
• 學(xué)位論文數(shù)據(jù)集100

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 楊明極;陳方縣;吳學(xué)君;;嵌入式系統(tǒng)中SD卡的FAT32文件系統(tǒng)的設(shè)計[J];電聲技術(shù);2010年04期

2 薛陳;朱明;陳愛華;;魯棒的基于改進Mean-shift的目標(biāo)跟蹤[J];光學(xué)精密工程;2010年01期

3 張新峰 ,沈蘭蓀;模式識別及其在圖像處理中的應(yīng)用[J];測控技術(shù);2004年05期

4 徐學(xué)強;汪渤;賀鵬;;統(tǒng)一Hu矩及在電視圖像目標(biāo)識別中的應(yīng)用[J];計算機工程與應(yīng)用;2006年29期

5 張學(xué)工;關(guān)于統(tǒng)計學(xué)習(xí)理論與支持向量機[J];自動化學(xué)報;2000年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 郭龍源;計算機視覺立體匹配相關(guān)理論與算法研究[D];南京理工大學(xué);2009年

，

本文編號：1047209