|
 
- UID
- 864567
|
3.3 软件实现步骤
本文使用CCS2.2开发环境进行软件开发，采用C语言编程。CCS具有实时、多任务、可视化的软件开发特点。使用CCS提供的工具，可以方便地对DSP软件进行设计、编码、编译、调试、跟踪和实时性分析。系统程序的具体实现步骤为：
(1)初始化并配置资源库，包括片内外设的选取，DSP的片上支持库提供了一系列的C语言程序接口，可以设置或者控制外设；
(2)实现对EMIFA的初始化，CE0子空间被配置为64 bit的SDRAM空间，具体定位：0x80000000H-0x81FFF-
FFFH。CE1子空间被配置为8 bit Flash空间，具体定位：0x90000000H-0x9007FFFFH。
(3)对I2C总线进行初始化；
(4)TVP5150和SAA7121的初始化,选择I2C总线，并设置为相应的数据通路；
(5)初始化视频口Video Port1，设为视频输入；
(6)利用bt656_capture_start()函数采集一帧图像，并将其存入显示缓冲区；
(7)完成一帧图像的采集，使用DAT_copy()函数将图像数据送SDRAM暂存；
(8)对存储区数据进行算法处理；
(9)对处理的数据使用DAT_copy()函数，送显存进行显示。
3.4 实验结果
采用系统在线编程技术，对系统的性能进行测试。为了减少运算量，算法只对图像的中心部分进行2种算法处理。CCD采集的PAL制式的图像，对图像中心的80×100的区域进行计算。其结果表明：改进的算法比传统的算法能提取更多的边缘细节，对目标识别更有利。在实时性上，传统算法处理时间为0.02 s，而改进算法的处理时间为0.1 s。因此，该算法具有准实时性，基本能够达到仿生眼球对图像识别的要求。
系统CPU的开销主要耗费在算法处理上，因此，未来的工作可以针对算法进行不断改进，以提高系统的实时性。
本文成功设计了一个以TMS320DM642为核心的嵌入式视觉图像处理系统，并创新地将其作为仿生眼球的视觉部分嵌入到眼球结构中。系统具有处理速度快、接口简单、集成度高、电路稳定、体积小等优点。在此系统上实现了对经典的2模板Prewitt算法与改进的8模板算法的边缘检测。结果表明，改进的算法具有精确度高、检测效果好等优点，为视觉识别提供了算法基础。 |
|
