Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: przetwarzania obrazów

Sortuj według:

Ogranicz wyniki do:

Algorytm śledzenia obiektów w obrazie termowizyjnym i jego implementacja w układzie FPGA

Bieszczad G., Sosnowski T., Orżanowski T., Kastek M.

Pomiary Automatyka Kontrola

2009

R. 55, nr 8

654-656

W artykule przedstawiono algorytm śledzenia obiektów na obrazach termowizyjnych za pomocą zmodyfikowanej metody SSD oraz propozycję jego implementacji sprzętowej w module programowalnym FPGA. Zastosowanie technologii FPGA pozwoliło na zastosowanie kilku technik przyspieszania obliczeń. Moduły realizujące algorytm zostały zaprojektowane tak, by obliczenia prowadzony były w trybie pipeliningu. Ponadto w celu zwiększenia szybkości działania algorytmu zastosowane zostało zrównoleglenie obliczeń. W artykule opisano architekturę zaprojektowanego systemu przetwarzania obrazów i śledzenia obiektów na obrazie metodą SSD.

In the article the architecture of hardware implementation of SSD tracking algorithm for thermal images is proposed. Object tracking is a process of finding chosen object on the following frame using knowledge about its position in previous frames [1, 3]. Gradient based methods like Sum-of-Squared-Differences (SSD) localize targets by analyzing differences between consequent frames. Finding target movement is performed by searching minimum of cost function in space and time. Cost function in this approach is a sum of squared differences. Sum of squared differences coefficient is a measure of difference between two fragments of images and equals (1). If searched object was detected at point (x, y) in previous frame, finding its location in following frame would mean finding (u, v) for which SSD coefficient is the smallest. The picture fragment centered at (x, y) with size equal to the size of the object is treated as the object model. Point (u, v) will then be a centre of the object that is the most similar to the model. This object in new frame is the one found by the SSD algorithm. SSD object estimation is not always reliable, when object is obscured or noised. To distinct reliable position estimation from noisy one the special SSDVar (2) coefficient was developed. The algorithm to calculate SSD coefficient for set of image fragments was proposed to be implemented in hardware, using parallel computation for every compared image fragments. The architecture of parallelized SSD computation unit is shown on Fig. 4 and Fig. 5. Main parts of computation unit were simulated in Quartus II environment.

Inspekcja parametrów geometrycznych obiektów trójwymiarowych przy zastosowaniu techniki projekcji linii laserowej

Małkiński W., Miszkurka Ł., Zając J., Karliński M., Chodorowicz H.

Elektronika : konstrukcje, technologie, zastosowania

2007

Vol. 48, nr 8

77-83

Opisane w artykule stanowisko badawcze umożliwia przeprowadzenie zautomatyzowanej inspekcji optycznej obiektów trójwymiarowych przy wykorzystaniu techniki projekcji linii laserowej. Jednym z ważniejszych problemów, występujących w systemach wizyjnych tej klasy jest właściwa separacja treści obrazu (widoku zdeformowanej linii laserowej) od części obrazu stanowiącej tło. Zaprezentowano metodę polepszenie jakości akwizycji obrazu przy zastosowaniu filtru optycznego wąskoprzepustowego oraz zagadnienie rekonstrukcji obrazu 3D na podstawie obrazów zeskanowanych linii. Przedstawiono także zagadnienia związane z kalibracją 3D. Opisano dwa przykłady aplikacji inspekcji 3D: aplikację do oceny jakości wybranych powierzchni detali oraz aplikację do identyfikacji położenia częściowo przesłoniętych detali.

The research stand described in the paper provides automated optical inspection of three dimensional products using laser line projection technique. One of the most important problem in such class of inspection systems is appropriate isolation of the projected line image from the background image. The methods of improving the isolation as well as the 3D reconstruction of the scanned object are described in the paper. The 3D calibration methods are also considered. Two examples of applications of 3D inspection are described: the surface quality inspection and the identification of the position of partially covered objects in a group.