Rekonfigurowalne układy cyfrowe (głównie w formie układów FPGA) rozpowszechniają się w aplikacjach wymagających rozwiązywania problemów z dziedziny przetwarzania sygnałów, wizji komputerowej i innych. Możliwość wykonywania w sposób naturalny obliczeń w trybie równoległym, a także rekonfigurowalność i modułowość, umożliwiająca rozwiązywanie licznych problemów przez procesory zawarte w strukturze pojedynczego układu scalonego, nierzadko umożliwia wielokrotne przyspieszenie wykonywania obliczeń w stosunku do implementacji programowych, wykorzystujących jako platformę komputery klasy PC. Dodatkowo, zastosowanie układów FPGA może umożliwić zmniejszenie wymiarów, wagi i poboru prądu przez wykorzystujące taką platformę obliczeniową urządzenie. Niniejszy artykuł zawiera analizę przydatności układów FPGA do zastosowań w systemach wizyjnych robotów mobilnych. Analizę poparto licznymi przykładami aplikacji, w których z powodzeniem wykorzystuje się układy reprogramowalne, a także przykładami doświadczeń autora w dziedzinie opracowywania takich aplikacji. Wnioski z analizy zawarto w podsumowaniu, wraz z sugestiami scenariuszy użycia układów FPGA w robotach mobilnych jako głównej platformy obliczeniowej, lub wspomagającego komputer pokładowy koprocesora.
EN
Reconfigurable digital circuits (mainly in the form of FPGAs) are becoming increasingly popular in signal processing, computer vision and many other applications. Their natural ability to perform parallel computations, along with the reconfigurability and modularity often allow to increase the performance significantly, when compared to standard software implementations, using a standard PC as a platform. Additionally, the use of FPGA can allow to reduce the size, weight and power consumption of a complete system. The following paper contains the analysis of usefulness of FPGA circuits as the computing platform in mobile robot vision systems. The analysis is backed up by numerous examples of applications, including author's experiences with using FPGAs as a part of computer vision system. The conclusions drawn from the analysis, along with suggestions for using FPGAs in robot vision systems (as a main hardware platform or a coprocessor) are given in the summary.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
This paper describes complete implementations of image processing algorithms using FPGAs. Implemented algorithms include convolution, morphological operations, edge detection and feature point (corner) detection. The described processors are capable of processing image data stream with the speed of houndreds of frames per second for a 512x512, 8-bit gray-scale image. The implemented modules can be connected to form a complete, low level image processing system. Resource usage summary, resulting images, as well as block diagrams of processors' architectures are included in the paper.
PL
Artykuł opisuje kompletne implementacje algorytmów przetwarzania obrazu w układzie FPGA. Zaimplementowane zostały algorytmy przetwarzania za pomocą operacji konwolucji, operacji morfologicznych, algorytm wykrywania krawędzi oraz algorytm wykrywania cech punktowych (narożników). Opisywane procesory umożliwiają przetwarzanie strumienia danych obrazowych z prędkością setek klatek na sekundę dla obrazu o rozdzielczości 512x512, w 8-bitowej skali szarości. Moduły można łączyć tak, aby utworzyły kompletny system niskopoziomowego przetwarzania obrazów. W artykule zamieszczono informacje o schematy blokowe, informacje o użyciu zasobów przez poszczególne moduły oraz obrazy wynikowe.
Traditionally, closed-loop actuation has been used for many sensors to increase the bandwidth dynamic range and to linearise the response of the transducer. In this paper, three control approaches are described with application to a bulk-micromachined accelerometer with capacitive signal pick-off. This device has inherent nonlinear properties in open-loop operation. All three approaches rely on balancing the inertial force acting on the proof mass by electrostatic actuation, the magnitude of which provides a measure of the acceleration signal The first approach is a simple analogue , linear control strategy based on proportional, integral and derivative control action. The second approach uses a digital control strategy, based on proportional, integral control action. The second approach used a digital control strategy, based on proportional, integral control action. The third approach employs a novel strategy based upon an artificial neural network. Simulation results suggest that a closed-loop accelerometer with neural network control will have a more stable behaviour and a wider dynamic range than its analogue or digital counterparts.
This paper presents evaluation of various contemporary interest point detector and descriptor pairs in the context of robot navigation. The robustness of the detectors and descriptors is assessed using publicly available datasets: the first gathered from the camera mounted on the industrial robot [17] and the second gathered from the mobile robot [20]. The most efficient detectors and descriptors for the visual robot navigation are selected.
This paper presents the new benchmark data registra- tion system aimed at facilitating the development and evaluation of the visual odometry and SLAM algorithms. The WiFiBOT LAB V3 wheeled robot equipped with three cameras, XSENS MTi atitude and heading reference system (AHRS) and Hall encoders can be used to gather data in indoor exploration scenarios. The ground truth trajectory of the robot is obtained using the visual motion tracking system. Additional static cameras simulating the surveillance network, as well as artificial markers augmen ting the navigation are incorporated in the system. The datasets registered with the presented system will be freely available for research purposes.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.