查看完整版本: 基于PIC单片机的智能目标跟踪系统设计方案

admin 发表于 2015-4-29 08:10:42

基于PIC单片机的智能目标跟踪系统设计方案

<div style="clear:both;">         <div style="clear:both;">                          
        1.MPLAB IDE集成开发环境
        MPLAB 集成开发环境 (IDE) 是一个采用Microchip 的PICmicro 和 dsPIC开发嵌入式应用的免费集成工具箱。MPLAB IDE在32-bit 的MS Windows下运行,是一个简单易用的开发环境,并且包含很多可进行快速应用开发和调试的免费软件。MPLAB IDE同样也充当一个附加的Microchip和第三方软件和硬件工具的图形用户界面。
       
        2.实现目标跟踪算法的应用程序
        应用程序是针对需求编写的仅适用于本系统的专用程序。本系统应用程序流程如图2所示。初始化后打开设备文件(摄像头等),查询和确认设备性能,设置捕获的图像的宽和高,设置色深,建立内存映射,读取图像数据,对图像进行处理,关闭设备。图像采集有两种方式:内存映射(mmap)和直接读取设备(read)。前者将设备文件映射到内存,绕过I/O访问,使得读取速度更快,但是占用更多系统资源。考虑系统实时性,因此采用内存映射方式。
       
       
        图2系统应用程序流程图
       
        在本系统中,采用MPLAB C32 C编译器将目标跟踪的算法编译实现,由一系列C函数和少量C++类构成,可以实现图像处理和计算机视觉方面的很多通用算法。
       
        3.目标检测和跟踪算法的设计方案:
        ①目标的检测部分:
        对航空图片进行contourlet变换。该变换能满足各向异性的性质。Contourlet变换是使用拉普拉斯滤波器对图象进行多尺度分解,以捕获二维图像中存在的点奇异性,得到原图像的低频图像和高频图像,递归地对低通图像进行分解,得到整个多分辨率图像。对分解后每一尺度上的高频图像使用方向滤波器组,得到各奇异点的多方向性图像。采用contourlet变换提取各尺度下的稳定数值特征,构建相应的特征库,利用目标质心建立目标跟踪点,匹配真正的飞行目标。
       
        ②目标的跟踪部分:
        本系统采用的目标跟踪算法为Mean-Shift算法。Mean-Shift算法是一种计算局部最优的搜索算法,通过计算候选目标与目标模块直接之间相似度的概率密度分布,然后利用概率密度梯度下降的方向来获取匹配搜索的最佳路径,加速运动目标的定位降低搜索的时间。
       
        摄像头驱动程序
        #include "stdafx.h"
        #include "Camera.h"
        #include "CameraDlg.h"
        #ifdef _DEBUG
        #define new DEBUG_NEW
        #undef THIS_FILE
        static char THIS_FILE[] = __FILE__;
        #endif
        // CAboutDlg dialog used for App About
        IplImage*image=NULL;
        CvHistogram *hist = 0;
        int backproject_mode = 0;
        int select_object = 0;
        int track_object = 0;
        int show_hist = 1;
        CvPoint origin;
        CvRect selection;
        CvRect track_window;
        CvBox2D track_box;// tracking ·????????ò box????????
        CvConnectedComp track_comp;
        int hdims = 48;   // ??·?HIST?????????????????·
        float hranges_arr[] = {0,255};
        float* hranges = hranges_arr;
        int vmin = 10, vmax = 256, smin = 30;
        bool g_StopFlag=0;
        CvScalar hsv2rgb( float hue )
        {
          int rgb, p, sector;
          static const int sector_data[]=
                {{0,2,1}, {1,2,0}, {1,0,2}, {2,0,1}, {2,1,0}, {0,1,2}};
          hue *= 0.033333333333333333333333333333333f;
          sector = cvFloor(hue);
          p = cvRound(255*(hue - sector));
          p ^= sector & 1 ? 255 : 0;
          rgb] = 255;
          rgb] = 0;
          rgb] = p;
          return cvScalar(rgb, rgb, rgb,0);
        }
        class CAboutDlg : public CDialog
        {
        public:
             CAboutDlg();
       
        目标检测与跟踪算法程序
        #include "stdafx.h"
        #include "ParticleMeanShift.h"
        #include "ParticleMeanShiftDlg.h"
        #include "cvx_defs.h"
        #ifdef _DEBUG
        #define new DEBUG_NEW
        #undef THIS_FILE
        static char THIS_FILE[] = __FILE__;
        #endif
        #include <it/io.h>
        #include <it/distance.h>
        #include <stdio.h>
        #include <math.h>
        #include <it/wavelet2D.h>
        #include <it/mat.h>
        //extern "C"{#include "contourlet.h"};
        //#ifdef __cplusplus
        //extern "C" {#include "contourlet.h}
        //#endif
        #include "contourlet.h"
        #include "dfb.h"
        #include "ezbc.h"
        #define BUFFER_SIZE (1*1024*1024)
        int iFlag_choose=0;
        // 9/7 contourlet low subband norm
        double norm_low = {
          1.000000,
          0.982948,
          1.030575,
          1.051979,
          1.058014,
          1.058312
        };
        // 9/7 contourlet high subbands norms
        double norm_high = {
          // DFB
          {
          {1.000000},
          {1.338955, 0.768281},
          {1.788734, 1.031742, 1.031699, 0.588007},
          {2.350204, 1.388625, 1.473061, 0.755227, 1.521047, 0.718018, 0.760509, 0.466449},
          {2.990107, 1.859578, 2.009466, 0.993439, 2.153701, 1.040220, 1.071638, 0.565028,
             2.310007, 1.015735, 1.043946, 0.511974, 1.108749, 0.539535, 0.580279, 0.383226}
          },
          // Highest frequencies
          {
          {0.759782},
          {1.068118, 0.710115},
          {1.557636, 0.922336, 0.885625, 0.513870},
          {2.066849, 1.199964, 1.312638, 0.679034, 1.314328, 0.611044, 0.667065, 0.406727},
          {2.591734, 1.650462, 1.726335, 0.866216, 1.933047, 0.919827, 0.946988, 0.519211,
             2.004114, 0.871491, 0.880225, 0.441114, 0.979973, 0.469240, 0.495562, 0.338999}
          },
          {
          {0.709848},
          {1.006673, 0.691288},
          {1.505208, 0.880912, 0.857108, 0.490243},
          {2.004624, 1.154857, 1.268061, 0.637940, 1.281535, 0.585212, 0.641248, 0.383733},
          {2.461666, 1.619596, 1.693704, 0.813626, 1.870790, 0.884116, 0.917510, 0.470455,
             1.949415, 0.851772, 0.859531, 0.412020, 0.943970, 0.448550, 0.476647, 0.313942}
          },
          {
          {0.753806},
          {1.067996, 0.730151},
          {1.591337, 0.929780, 0.908668, 0.518957},
          {2.142259, 1.210500, 1.324341, 0.681005, 1.369928, 0.613891, 0.670235, 0.410106},
          {2.646395, 1.724389, 1.779619, 0.850579, 1.943830, 0.929273, 0.975566, 0.504108,
             2.089051, 0.907208, 0.903755, 0.431151, 0.981607, 0.471800, 0.507208, 0.336407}
          },
          {
          {0.775910},
          {1.098225, 0.747825},
          {1.631322, 0.953360, 0.932293, 0.532706},
          {2.204255, 1.236997, 1.351154, 0.702051, 1.409039, 0.627751, 0.684257, 0.422790},
          {2.703611, 1.755877, 1.805906, 0.865382, 1.966184, 0.947038, 0.995714, 0.521175,
             2.134306, 0.924937, 0.917630, 0.439011, 0.993215, 0.481139, 0.517305, 0.348460}
          },
          // Lowest frequencies
          {
          {0.782607},
          {1.107343, 0.753079},
          {1.643244, 0.959912, 0.939323, 0.536721},
          {2.203433, 1.234178, 1.349443, 0.704742, 1.411630, 0.628675, 0.683316, 0.427423},
          {2.846164, 2.127241, 1.898790, 1.298897, 2.080579, 1.299276, 1.085920, 0.808484,
             2.180500, 1.169607, 0.982991, 0.594266, 1.034878, 0.563380, 0.533165, 0.393168}
          }
        };
        int func(CParticleMeanShiftDlg*dlg);
        int func1(CParticleMeanShiftDlg*dlg);
        int func2(CParticleMeanShiftDlg*dlg);
        int func3(CParticleMeanShiftDlg*dlg);
        int func4(CParticleMeanShiftDlg*dlg);
        #define region 32
        #define calc_point(kalman)                  \
                                           cvPoint( cvRound(kalman),\
                                                          cvRound(kalman))
        #define phi2xy(mat)                                                \
          cvPoint( cvRound(img->width/2 + img->width/3*cos(mat->data.fl)),\
          cvRound( img->height/2 - img->width/3*sin(mat->data.fl)) )
        #define CVCLOSE_ITR 1
        #define CVCONTOUR_APPROX_LEVEL 2
        /////////////////////////////////////////////////////////////////////////////
        // CAboutDlg dialog used for App About
        IplImage *image = 0, *hsv = 0, *hue = 0, *mask = 0, *backproject = 0, *histimg = 0,*showbackproject;
        CvHistogram *hist = 0;
        CvHistogram *histtemp = 0;
        int backproject_mode = 0;
        int select_object = 0;
        int track_object = 0;
        int show_hist = 1;
        CvPoint origin;
        CvRect selection;
        CvRect track_window;
        CvBox2D track_box;// tracking ·????????ò box????????
        CvConnectedComp track_comp;
        int hdims = 48;   // ??·?HIST?????????????????·
        float hranges_arr[] = {0,255};
        float* hranges = hranges_arr;
        int vmin = 10, vmax = 256, smin = 30;
        bool g_StopFlag=0;
        CvScalar hsv2rgb( float hue )
        {
          int rgb, p, sector;
          static const int sector_data[]=
                {{0,2,1}, {1,2,0}, {1,0,2}, {2,0,1}, {2,1,0}, {0,1,2}};
          hue *= 0.033333333333333333333333333333333f;
          sector = cvFloor(hue);
          p = cvRound(255*(hue - sector));
          p ^= sector & 1 ? 255 : 0;
          rgb] = 255;
          rgb] = 0;
          rgb] = p;
          return cvScalar(rgb, rgb, rgb,0);
        }
       
        部分跟踪结果图
        图3是本系统在实际环境中对飞行目标进行连续跟踪的效果图,飞行目标为18个像素,并且对连续跟踪的视频流共截取了6幅图像,分别是第10帧,第30帧,第50帧,第60帧,如图所示:
       
                 
        Frame10(odd field)                Frame30(odd field)
                
          Frame50(odd field)               Frame60(odd field)
        图3部分跟踪结果图
       
        三.总结
        本设计通过PIC32单片机实现了对运动目标的检测跟踪,目的是以PIC32单片机做为硬件平台,将算法在PIC32单片机中运行,使其完成对运动目标的准确捕获和稳定跟踪。通过利用USB摄像头完成了图像采集的功能,然后将采集到的图像送入PIC32单片机进行数据处理,利用云台控制器控制云台的转动,使摄像头对准运动目标,进而实现了目标准确跟踪,并且使整个系统趋于小型化智能化。

李小路 发表于 2020-10-2 10:59:37

谢谢分享!:D
页: [1]
查看完整版本: 基于PIC单片机的智能目标跟踪系统设计方案