ObjectLocationandCentroidingTechniquesWithCMOSActivePixelSensors(翻译2)精要.docVIP

ObjectLocationandCentroidingTechniquesWithCMOSActivePixelSensors(翻译2)精要.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2003年12月12日,美国电气及电子工程师学会关于电子装置专题报告 基于CMOS有源像素传感器的物体定位和质心技术 Ryan D。Burns, ,美国电气及电子工程师学会成员,Joey Shah, 美国电气及电子工程师学会成员,Canaan Hong ,Srdjan Pepic′,Ji Soo Lee ,Richard I。Hornsey,Paul Thomas ,美国电气及电子工程师学会成员。 摘要 ——使用并行像素式CMOS有源传感器进行目标定位和大小估计的系统已经设计出来了。此系统是通过一个全局的阈值来区分目标和背景。用标准的CMOS技术实现了三种传感器。第一种:具有积分式比较器和三个晶体管的高填充率传感器,已经表明这种传感器的性能受器件的差异性的限制,所以设计了第二种传感器。在第二种传感器中用单一电容器设计了一个新型的固定像素模式的噪声修正电路。累积交叉读出结构能在速度不降低的情况下提供与目标有关的额外信息,从而强化系统的功能。这篇文章也讨论了此系统在采用多个阈值来确定质心方面的应用。 索引词 有源像素式传感器,质心,CMOS,图像传感器,集成电路,目标定位。 I 介绍 固态图像传感器已经用来捕获数字图像很多年了,并常常把这些图像看作最终结果。然而在很多情况中,它不是图像它本身原来的图像,仅仅在某种程度上包含图像的一点点信息。在数字图像能被处理来吸取信息的同时,总而言之,在CMOS图像传感器结合信号处理电子芯片的潜在得允许我们分发捕获的真实图像。 许多有关质心位置确定技术的芯片在以前就已经报道了,尽管有很少准确性和高设计等级的技术已经发行。一个主要传感器组织已雇佣电阻器网络来平滑图像并测定质心位置[1][,2]。在[1]中,在经过阻抗滤波和像素完成的测定位置之后,质心被定义是最大信号的位置。滤除噪音和像素尺度是需要重要考虑的事项。在[2]中一个硅芯片也是被使用的。这种传感器的频率响应被限制为几十赫兹并且没有图像信息可以在像素尺度得到应用。微小像素不能准确性的查到地址。 在[3]中,X和Y坐标轴上,一对有区别晶体管的网络可以被计算出它的质心及其边缘。专栏的质心不能被精确的计算出。对于这种传感器,读出时间是1。5 s,并且这种信息没有把机械装置质心的重要性表现出来。在[4]中,用神经元—MOSJ晶体管代替有区别对的网络是为了实现目标中心跟踪器。尽管质心的精确性还没有明白地讨论过,但是这种传感器是有能力在40 ns以内测定物体质心位置。在[5]中,图像像素沿着竖排不断累加来测定质心位置。这种结构方法是和描绘这里累积横截面的方法很相似。在[5]中,把图片信号电压与门槛相比较,也因此把它变成一个二元信号。紧接着在专栏边缘系统添加了这些跨过阵列的小块并提供了信号的总量。在每一个像素中这种具有二个跨导放大器的工具被用来执行减少填充因素。该系统被报告了展览会上仅一半的像素质心准确性和没有按照读出速度来提供信息的情况。 这份报纸将阐述几种处理在图像视野以内找到目标的技术问题。这个是一个普遍问题,这个问题可适用于极其宽广的应用领域,例如机器人-LIDAR,自由空间光学通讯,工业检查和控制手段,医学造像,及天文学。以前在这个区域的工作主要是依靠卫星跟踪,如[6]–[8]所示。 我们的技术将物体位置的运算法则纳入传感器本身建筑学,而不是信赖数字信号处理器所捕获的图像。我们的目的是要在图像呈现中去除大的数据,而用采集的所需目标位置的数据来代替。这种CMOS有源像素传感器(美联社)依靠它随机存取像素的能力而变得理想了,因此也能使系统有兴趣地选择区域。 在第二部分中描述了二元物件定位系统。这系统把图像变成两个一维的二元阵列,这个二元阵列比整个图像更迅速被检测到。在第三部分中描述了一个改良系统。这个设计通过增加完全一致和比较准确性改进原来目标的建筑风格。在第四部分中描绘了第三系统,这个系统把累积的横截面总和区段读出。这是二元物件目标系统观念的进一步扩展并提供更多信息,同时和对一个未加工图像进行图像处理相比较仍然提供了实质性的有效信息。 Fig。 1。二元物件位置系统的操作。排和专栏由于一全局的阈值上面,任何图像像素由寄存器指示排列的边缘。这些寄存器能够被连续的读出。 II 二元物件位置系统 二维(2- D)二元物件位置系统(OLS)将二维(2- D)图像信息编译为一对一维的(1- D)数据集[9](图1)。这个传感器建筑进程的操作如下所述:把每一个像素亮度和一门槛比较。如果像素亮度超过门槛亮度,像素二元编码为逻辑值1。除此之外,像素二元编码为逻辑值0。数据线沿每一个专栏延伸。在专栏里的每一个像素的输出在一种合乎逻辑与非中被连接,因此当专栏有一个亮度黑暗像素的时候,则专栏数据线将输入“1”,在亮度超过门槛亮度时即在专栏中所有的像素被照亮为逻辑值“

文档评论(0)

三哥 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档