三维全景范文第1篇
比如专利CN205632288U《一种全景倒车影像系统》, 其特征在于:包括图像采集模块、系统控制模块、图像显示模块、图像处理电路模块和图像拼接融合电路模块;所述图像采集模块的输出端分别与系统控制模块和图像显示模块的输入端连接;所述系统控制模块的一输出端与图像处理电路模块的输入端连接;所述图像处理电路模块的输出端经图像拼接融合电路模块与系统控制模块连接;所述系统控制模块的另一输出端与图像显示模块连接。
检索到的已公开文献均无法做到本文的全景倒车系统可以同时解决的问题, 它们不能在检测车身底部可能存在的障碍物的同时对可能危害到车辆行驶的障碍物进行自动识别并用简单快捷的方式及时提示驾驶员, 而且过分依赖超声波雷达, 存在大量误报情况, 无法精确预判路面上可能发生的危险情况, 也影响了驾驶员的行驶体验。
一、技术方案
为了克服上述之不足, 如图1所示, 本文的解决方案是在车辆车头保险杠的中部设置前摄像头, 在车的左后视镜的最左端设置左摄像头, 在车的右后视镜的最右端设置右摄像头, 在车的车尾中部设置有后摄像头, 在车底的中部设置有底部鱼眼摄像头, 在车内部中部设置有车载计算机, 车内的仪表板上方和风挡玻璃上设置有显示屏。
车身四周的摄像头用于采集车身四周图像, 底部鱼眼摄像头用于拍摄底部地面图像, 所有摄像头均与车载计算机相连接, 车载计算机获取图像后进行图像处理, 完成车身四周及底部图像的全景图像合成。车载计算机通过人工智能和图像检测技术对由摄像头合成的全景图进行分析, 找到可能危害行车安全的障碍物。车载计算机连接显示屏用于显示合成的全景图像和被计算机检测的障碍物位置, 显示屏自带触控功能可完成人机之间的控制交互, 方便驾驶员的操控。
由于需要实时完成对最少5个摄像头的图像拼接, 还需要通过人工智能的方式自动识别车身周围的障碍物, 所以对车载计算机的要求比较高。并且由于安装在车上, 设备需要小型化。普通的嵌入式设备无法满足需求, 本文采用嵌入式人工智能计算平台, 例如Nvidia公司的JetsonTX2。JetsonTX2配置是满足了本文要求书中所提到的最低要求, 达到这些要求才能完成本文的功能效果。安装在车身底部的广角摄像头由于拍摄角度较大需要使用到鱼眼镜头, 这样能够有效的观测到目前现有汽车车底构造的较大面积区域。另外由于车身底部灰尘较多, 需要使用相机箱将其封闭, 同时配置自动清洗装置。配置的显示器可以为7寸或9寸的LED显示器, 通过支架固定在车内。显示器与车载计算机连接, 将车载计算机拼接的全景图和通过人工智能算法计算出来的障碍物位置显示出来。显示器自带的音响也可以通过语音方式提醒驾驶员车身周围和路面情况, 提高行车安全。
二、结论
本文提出在车身四周安装的4个广角相机和在车身底部安装的1个鱼眼相机实时采集图像, 5幅图像经过图像处理单元矫正和拼接后, 生成一幅车辆四周和车辆底部的全景图, 实时传送到中控台的显示设备上显示, 全面监控车身周围环境和车辆底部情况;该系统可以使用人工智能技术和图像处理技术在全景图上对可能对车辆行驶安全造成隐患的障碍物进行实时检测, 提醒驾驶员注意障碍物的位置, 整体提高了驾驶过程的安全性。
摘要：本文提出在车身四周安装的4个广角相机和在车身底部安装的1个鱼眼相机实时采集图像, 5幅图像经过图像处理单元矫正和拼接后, 生成一幅车辆四周和车辆底部的全景图, 实时传送到中控台的显示设备上显示, 全面监控车身周围环境和车辆底部情况;该系统可以使用人工智能技术和图像处理技术在全景图上对可能对车辆行驶安全造成隐患的障碍物进行实时检测, 提醒驾驶员注意障碍物的位置, 整体提高了驾驶过程的安全性。
三维全景范文第2篇
1 循声定位系统设计
本功能通过对安装在待监控场地的小麦克风阵列所接收到的外界声源进行监测, 然后经过二级放大电路增强检测到的声源信号, 再经峰值保持电路使信号保持在电路中, 以供控制端单片机采集;经过单片机AD转换程序将模拟信号转换为数字信号, 并用程序剔除杂音干扰, 由单片机比较哪个方位接收到的声源信号最强, 经过信号解耦, 就可以准确定位出声源的方向, 最后控制搭载摄像机的舵机旋转到有声源触发的方位并进行拍摄。如果声源检测端长时间检测不到信号, 则表明外部没有需要监控的对象, 可以关闭摄像机, 等到检测到一定强度的声源后再打开摄像机进行监控。
1.1 麦克风声源感应阵列
这里针对180°监控视角和360°监控视角等两种不同的监控要求, 配套使用180°转向和360°转向的舵机。一般来说, 摄像机的拍摄角度一般来说都不会小于50°, 所以将180°监控视角分成4等分, 360°监控视角分成8等分, 根据分配的监控视角来分配声源传感器, 待检测到声源信号后, 再对信号进行解耦, 最后驱动舵机。这样就可以达到无监控死角的目的。详见信号解耦部分。
1.2 信号放大电路 (图1)
为了接收到比较微弱的声源信号, 将麦克风接收到声源进入电路后经由三极管放大电路放大信号, 而由于一级放大电路达不到预期的功率输出, 故本系统选用了两级放大电路, 将采样信号进行两级放大输出信号Vin给下面的峰值保持电路。
1.3 峰值保持电路 (图2)
因为声音是一系列震动的脉冲波, 而单片机是周期性的采集信号, 所以一般情况下没有办法保证单片机采样到是某一时间段里最强的峰值, 所有这里有必要加入一个峰值保持电路。峰值采样就是采集尖峰脉冲类型。普通电路难以捕捉到脉冲信图1两级放大电路号, 且信号越陡, 越难捕捉, 甚至没有输出, 由此采用滞后 (反馈比较) 的方法提升 (保持) 电压来补偿这个缺陷。此电路的作用保持来自两级放大电路的输入信号。
电路中Vin与三极管发射极电压Ve比较, 如V in比Ve大0.7V以上, 三极管就导通, 电容电压Cin被迅速充电至电压Ve的电压, 当外部脉冲信号从波峰回落时, 由于Ve小于电容Cin两端电压, 三极管不导通, 那么外部的脉冲信号的峰值就被保持在电容Cin中。电容Cin上的电压值再由高输入阻抗的运放LF356输出到Vout, 供单片机采集, 实现峰值保持。当单片机信号采集完毕后, 就给RESET端口加一个高电平, 电容上的电量迅速放出, 电压回落, 为下次信号采集做好准备。第一个LF356的输入阻抗要求足够大以隔绝外界干扰。第二个LF356部分电路要求输入、输出阻抗要足够大, 使得电容上保持的电量不会因为测量仪器而降低。Reset端口置为高电平时, MOS管导通通过三极管放电。此电路需用±15V双电源供电, 且最小工作电压为±3V。
1.4 信号解耦
一般来说, 需要拍摄记录的图像不会刚刚好出现在放置声源传感器的那个方向上, 为了得到最好的拍摄效果, 需要对几个声源传感器的检测值进行解耦, 以获得最佳的摄像机旋转角度。另一方面, 由于摄像机有一定的监控角, 所以可以确定声源的方向一定是最强的2个麦克风所处的位置比如在图4中的4号和5号麦克风因为距离声源最近, 所以是2个接收到最强声源脉动的麦克风, 那么通过检测出最强的2个麦克风的位置就可以确定声源一定位于这2个麦克风所夹的角度里面 (也就是4号和5号麦克风所夹得135°到180°的角度内) 。以4号麦克风的位置为基量, 再加上一位偏移量作为舵机的转动方向, 具体如式 (1) 所示:
其中θ为当前需要转动的角度;x为是第x号声源传感器的;X (n) 为第n号传感器检测到的声源强度;X (m) 为第m号传感器检测到的声源强度。
2 摄像机转动模块实现方法
摄像机是固定在舵机上, 通过驱动舵机转动从而带动摄像机转动。
2.1 舵机的原理
舵机是一种位置伺服的驱动器, 适用于那些需要角度不断变化并可以保持的控制系统。其工作原理是:控制信号由接收机的通道进入信号调制芯片, 获得直流偏置电压。它内部有一个基准电路, 产生周期为20ms, 宽度为1.5ms的基准信号, 将获得的直流偏置电压与电位器的电压比较, 获得电压差输出。最后, 电压差的正负输出到电机驱动芯片决定电机的正反转。当电机转速一定时, 通过级联减速齿轮带动电位器旋转, 使得电压差为0, 电机停止转动。
2.2 舵机的控制
舵机的控制一般需要一个20ms左右的时基脉冲, 该脉冲的高电平部分一般为0.5ms～2.5ms范围内的角度控制脉冲部分。所以编写相应的PWM信号驱动舵机转到各对应转动方位的程序, 根据对声源传感器的解耦结果, 调用相对应的程序实现车灯的转动。
3 软件控制流程
4 结语
本文提出的是一种基于声音伺服的全景摄像机, 立足于原有的安防设备, 改造结果表明该方法成本低, 对声音感应灵敏, 无监控死角等优点, 如有需要可加红外检测已达到门禁检测, 一氧化碳或者烟雾气体传感器已达到危险气体检测的目的等, 可拓展性强, 实践证明了该方法的有效性和经济性。
摘要：当前很多普通的小区或者家庭都安装了监控系统, 但是原有的监控系统大都是固定的小视角的摄像头, 监控范围十分有限。本文在码头、仓库、家居等原有的老一代的监控系统上进行改造, 提出一种基于声音伺服的的全景摄像机, 有效的提高了监控范围, 满足了更高的安防需求。
关键词：声音伺服,安防监控,全景摄像
参考文献
[1] AABABI P, MAHDAVI A.The rela-tion between speech segment selectiv-ity and time delay estimation accuracy[J].In Proceedings of ICASSP, 2002, 5.
[2] Widow Bemard A microphone array for hearing aids[J].IEEE Circuits and Systems Magazine, 2000, 1 (2) ;26～32.
[3] 谷慧娟, 明宏运, 王俭.面向声源搜索的机器人z形路径算法实现[J].苏州科技学院学报 (工程技术版) , 22 (1) .
[4] 李俊杰, 何友, 宋杰.基于FPGA的实时声源定位[J].信息化纵横, 2009 (13) .