基于zynq-7000平台的字符识别系统研究与实现-research and implementation of character recognition system based on zynq - 7000 platform.docxVIP

  • 46
  • 0
  • 约5.43万字
  • 约 66页
  • 2018-05-18 发布于上海
  • 举报

基于zynq-7000平台的字符识别系统研究与实现-research and implementation of character recognition system based on zynq - 7000 platform.docx

基于zynq-7000平台的字符识别系统研究与实现-research and implementation of character recognition system based on zynq - 7000 platform

南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过 的研究成果,也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人学位论文及涉及相关资料若有不实,愿意承担一切相关的法律责任。研究生签名: 日期: 南京邮电大学学位论文使用授权声明本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档; 允许论文被查阅和借阅;可以将学位论文的全部或部分内容编入有关数据库进行检索;可以 采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质论文 的内容相一致。论文的公布(包括刊登)授权南京邮电大学研究生院办理。涉密学位论文在解密后适用本授权书。研究生签名: 导师签名: 日期: 摘要随着机器视觉相关技术不断发展,嵌入式机器视觉相关应用已经渗透到我们日常生活的 方方面面,例如自动驾驶汽车、智能化游戏机以及工业流水线中的智能机械臂都是嵌入式机 器视觉的具体应用。但是,受传统嵌入式处理器计算能力不足的限制,很多现实场景应用(实 时高清图像处理、高帧率实时视频处理)难以达到实时处理的要求,且传统设计方法已经满 足不了产品对于小型化、低功耗以及处理庞大图像数据集的要求。本文基于 Xilinx Zynq-7000 平台,通过软硬件协同设计的方法,将字符识别系统进行软 硬件划分,其中图像预处理模块在 Zynq 平台的可编程逻辑部分实现,字符提取和字符识别模 块则在 Zynq 平台的处理器系统实现,满足了系统对高清字符图像实时处理的要求。本文主要 完成了以下几个方面的工作:首先介绍了字符识别系统的基本模块构成,以及整个字符识别系统的处理架构和处理流 程,对每个处理模块涉及的算法,进行了详细分析、验证,提出了每个模块具体的实现方案。 其次分析了 Zynq SoC 的硬件架构,详细描述 ZC702 开发板各个功能模块单元。针对 Zynq 平台,实现了嵌入式 Linux 操作系统 U-boot 的构建,完成了 Linux 内核编译以及 ramdisk 根 文件系统移植。针对特定的图像处理开发,进行了开源机器视觉库 OpenCV 移植以及交叉编译工具链构建。然后基于 Xilinx 软硬件协同开发工具 Vivado HLS,介绍了 Vivado HLS 视频处理架构以 及视频开发流程。完成了预处理硬件加速模块的功能设计,在 PC 机上进行了相关测试。针 对 Vivado HLS 视频开发流程,完成了预处理 HLS 代码设计,对 HLS 综合生成的 IP 进行相 应系统集成,给出了预处理硬件加速模块的性能分析。最后介绍了整个软硬件系统的基本架构,详细描述了硬件系统具体开发流程,完成了字 符识别系统软件部分关键代码的实现,对整个字符识别系统进行了测试。关键词:硬件加速,Zynq-7000,OpenCV,OCRIAbstractWith the continuous deepening of the machine vision technology, applications which is related with embedded machine vision have penetrated into all aspects of our daily life. Such as automatic driving car, intelligent game, as well as some industrial applications of automation equipment, areembedded in specific applications of machine vision. However,due to the limitations of traditionalPC computing power, a lot of real-life scenarios of application(real-time HD image processing, high frame rate real-time video processing) are very difficult to meet the requirements of real-time processing, and traditional design methods has failed to meet the product for miniaturization, low power consumpti

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档