《基于OpenMV颜色快识别系统的设计与实现通信工程嵌入式专业.docx》由会员分享，可在线阅读，更多相关《基于OpenMV颜色快识别系统的设计与实现通信工程嵌入式专业.docx（26页珍藏版）》请在第壹文秘上搜索。
1、目录1Abstract1HU-M.2第一章绪论41.1 研究背景41.2 国内外现状41.3 本文主要研究内容5第二章OPeilMV颜色块识别系统设计的分析72.1 颜色块识别与追踪系统的分析与原理72.2 颜色块测距系统的分析与原理9第三章Python代码的编写113.1 MicroPython语言简介113.2 识别与追踪系统流程图与代码编写113.3 测距系统流程图与代码编写14第四章系统的实现与误差比较164.1 颜色块识别与追踪系统的实现164.2 颜色块测距系统的实现20第五章总结与展望245.1 课题总结245.2 研究展望2425致.错未定乂书签。作为机器视觉模块的重要技术之一
2、的C)PenMV(OpenMachineViSion)开放视觉模块，是当下嵌入式计算机视觉领域的一个研究热点。OPenMV视觉模块对于颜色块识别、追踪与测距系统的实现，在背景颜色与目标颜色相近程度、光照强度、颜色块与镜头的距离发生改变时，都会对测试结果产生较大的影响。因此分析这些变化时对我所设计的OPenMV颜色块识别追踪与测距系统产生的影响是有必要的。本文主要的工作内容是：首先研究分析OPenMV的颜色块识别与测距系统模型的设计,然后研究了OPenMV视觉模块的基本原理和MicroPython语言的编写，接着对背景颜色与目标颜色的相近程度和颜色块与镜头距离改变时系统的误差做了比较与说明，最后
3、完成T1)基于OPenMV的颜色块识别与追踪系统设计；2)颜色块目标测距系统的设计。实验结果表明：1)C)PenMV颜色块识别系统进行颜色块识别时，如果背景的颜色与目标色块的颜色太过接近，则会出现多个色块识别的情况，并不能分离出背景与色块；2)当OPenMV颜色块测距系统进行测距时，如果目标颜色块距离过远则会发生测得的距离与实际距离相差较多。关键词：OpenMV,颜色块识别，颜色块追踪，颜色块测距AbstractOpenMV(OpenMachinevision),whichisoneoftheimportanttechnologiesofmachinevisionmodules,isahott
4、opicinthefieldofembeddedcomputervision.Therealizationofthecolorblockrecognition,trackinganddistancemeasurementsystembytheOpenMVvisionmodulewillhaveagreaterimpactonthetestresultswhenthebackgroundcolorisclosetothetargetcolor,thelightintensity,andthedistancebetweenthecolorblockandthelens.Therefore,thea
5、nalysisofthesechangesisnecessaryforthedesignofOpenMVcolorblockrecognitiontrackingandrangingsystem.Themainworkofthispaperis:Firstly,itanalyzesandanalyzesthedesignofOpenMVscolorblockidentificationandrangingsystemmodel.ThenitstudiesthebasicprincipleofOpenMVvisionmoduleandthewritingofMicroPythonlanguage
6、,andthenthesimilaritybetweenbackgroundcolorandtargetcolor.Theerrorofthesystemwhenthecolorblockandthelensdistancearechangediscomparedandillustrated.Finally,1)thedesignofthecolorblockrecognitionandtrackingsystembasedonOpenMViscompleted;2)thecolorblocktargetdistancemeasurementsystemisdesigned.Experimen
7、talresultsshowthat:1)WhentheOpenMVcolorblockrecognitionsystemperformscolorblockrecognition,ifthebackgroundcoloristooclosetothecolorofthetargetcolorblock,multiplecolorblockidentificationsituationswilloccur,andthebackgroundandcolorblockscannotbeseparated.;2)WhentheOpenMVcolorblockdistancemeasurementsy
8、stemperformsdistancemeasurement,ifthetargetcolorblockistoofarapart,themeasureddistancewilldifferfromtheactualdistance.Keywords:OpenMV,Colorblockidentification,Colorblocktracking,Colorblockdistancemeasurement前言在算机技术和电子技术飞速发展的现代，作为人类认知世界的最主要来源，也是人类获取，表达和传递信息的重要手段的图像，在人们的日常生活中发挥着不可代替的重要作用。用计算机进行图像处理的愈加
9、频繁使数字图像处理技术迅速发展，OPenMV(OpenMachinevision,开放视觉模块)开源计算机视觉库作为当下嵌入式计算机视觉领域的重要研究技术，具有功能强大、开源、低成本的优点，是国内外爱好者的研究热点。本文以OPenMV和MicroPython语言的基本理论为基础，做出了基于OPenMV的颜色块识别与追踪、测距系统的设计。并在此基础上，在背景颜色与目标颜色相近程度、光照强度、颜色块与镜头的距离发生改变时，对系统的识别准确度做了一些比较。围绕OPenMV颜色块识别、追踪与测距系统的设计与实现，本文的结构安排如下：第一章介绍了与本课题相关的OPenMV的研究背景，国内外一些研究现状以
10、及本文的研究内容和研究目标。第二章阐述了基于OPenMV的颜色块识别、追踪和测距系统的基本原理，并建立系统的设计模型以及一些设计中所应用的算法。第三章介绍了基于OPenMV的颜色块识别、追踪和测距系统的MicroPython语言的部分代码及代码功能。第四章介绍了基于OPenMV的颜色块识别、追踪与测距系统的实现，并在一些参数发生改变时，对设计的系统的识别准确度做了一些比较。最后总结全文，并对基于OPenMV视觉模块的各种更加深入的系统设计的前景做出了展望。第一章绪论1.1 研究背景在计算机技术和电子技术的飞速发展的今天，图像作为人类观察世界、了解世界的最主要手段，据统计，人类认知世界有70%8
11、0%的信息是通过图像获取的。随着数字图像处理技术快速发展，C)PenCV(OPenSourceComputerVisionLibraray,开源计算机视觉库)成为在图像处理和计算机视觉方面的热门技术，OPenCV是由C函数以及一部分不多的C+类组成，来实现计算机视觉方面和图像处理的通用算法如3D重建、目标分割、目标识别、特征检测、运动分析、特征跟踪等的由Intel公司资助的开源视觉库，也是国内外爱好者使用的视觉模块方便快捷的技术。而OPenMV作为一个集成了一部分OPenCV核心算法的单片机视觉模块，也受到了广大视觉研究爱好者的喜爱。OPenMV是一个功能强大的机器视觉模块，它相比其他视觉模块
12、，具有开源并且成本低的有点。OPenMV以STM32F767CPU芯片以及OV7725摄像头芯片为核心，在硬件模块看上去很小巧情况下，通过C语言卓效地实现了机器视觉的核心算法。OPenMV还提供Python编程接口，所以可以使用自己编写的Python语言来实现想要的OPenMV的各种不同的机器视觉功能。寻找色块、人脸检测、眼球检测、边缘检测、目标跟踪等都是OPenMV上的机器视觉算法。这些算法可以用来实现多种功能，包括入侵检测、跟踪标记的目标、残次品筛选、人脸识别跟踪等。一些简单的PythOn程序的编写，就可以使OPenMV完成各种的任务。轻便灵巧的设计让OPenMV可以应用在更多意想不到的地
13、方，比如设计出具有人脸识别功能的机器人，设计出具有视觉巡线的小车，能感知周边的摄像头等。本文研究的是基于OPenMV的颜色块识别、追踪与测距系统的设计与实现。1.2 国内外现状目前对OPenMV视觉模块的研究，国内外发展势头都很迅猛。在国内，2010年4月王小波，刘慧英在VC+6.0的环境下，用OPenCV的编程获得了较为理想的车辆轮廓线，实现了的对车辆轮廓的检测。2011年尹俊超、刘直芳对基于OpenMV的运动目标检测和追踪方案进行了研究，最终实现了对一个场景中的多个不同目标同时检测和追踪，提取目标特性并标记出目标的运动轨迹。同年7月，秦小文、温志芳、乔维维等人在研究了C)PenCV的特点及
14、结构，并通过图像形态学和平滑处理为例介绍了OPenCV在数字图像处理上的应用。2012年，黄佳提出了基于OPenNI、OpenCV.OPenGL视觉库的检测与跟踪动态目标的检测系统。2013年12月，赵健和张东泉通过分析和优化基于OPenCV的手势识别算法，最终09的简单手势识别率可以超过97%。同年12月份，雷建锋和汪伟实现了基于OPenCV的图像阈值分割。2016年，杜聪阐述了OPenCV的特点、运行环境、操作、应用领域等，强调了OPenCV在图形处理技术领域中的重要作用IH)L2016年，郭中华，苑俊英，伍冯洁等人对基于OPenMV人脸识别进行了研究，并将人此技术应用在了智能社区的门禁系
15、统上。同年9月份，李华琛进行了基于OpenCV的图像边缘检测技术的三种不同算子实现边缘检测算法的对比研究。同年11月份，吕昆和金晅宏进行了基于OPenMV的车牌识别的研究并提出了一种很实用的方法网。国外对OPenCV以及OPenMV的研究则更加深入，YAMAMOTOKenjiSENOHTakanori、KURITATaiichiro在2010年通过C)PenCV成功实现了2D和3D的转换H3同年2月，JUnBurdenMalcolmCleIand等人进行了基于OPenCV和Python在自行车赛道上进行团队转换时跟踪单个骑车人的研究I。Nvidia也在同年为OPenCV应用程序开发添加GPU加速“纥2012年，CoombsJoseph、Prabh
