[发明专利]基于ZYNQ和GPU的特征边缘检测系统和方法

说明书

本发明公开了一种基于ZYNQ和GPU的特征边缘检测系统和方法，其中检测系统中，图像采集模块将图像信号发送至ZYNQ处理模块；ZYNQ处理模块包括PL子模块、PS子模块和DDR存储器，PL子模块用于将接收到的图像信号通过DMA缓存至DDR存储器，并通过PCIE接口将图像数据传输至GPU检测模块；GPU检测模块用于运行特征边缘检测算法，以对接收到的图像数据进行特征边缘检测，并将特征边缘坐标信息输出；PS子模块用于获取GPU检测模块返回至DDR存储器的特征边缘坐标信息，并通过串口打印特征边缘坐标信息。通过本发明的技术方案，大大提高了图像处理的计算能力，实现了图像特征边缘的实时检测。

技术领域

本发明涉及数字图像处理技术领域，尤其涉及一种基于ZYNQ和GPU的特征边缘检测系统和一种基于ZYNQ和GPU的特征边缘检测方法。

背景技术

边缘检测算法是初级机器视觉领域的研究问题，是模式识别、机器人视觉、图像分割、特征提取、图像压缩等中高层任务实施的基础，是图像处理问题中的经典技术难题。传统图像处理的特定边缘检测算法，需要针对待提取的边缘人工设计特征模板和特征提取方法，但人工设计的特征提取方法在背景复杂度不高的情况下比较有效，但在实际应用情况中往往需要提取指定类型或指定区域的物体边缘信息，在存在阴影、光照较差、背景杂物较多的环境，待提取的物体边缘往往会和阴影、杂物的边缘相混淆，难以取得良好的边缘轮廓效果。

深度神经网络算法已在图像、语音识别、广告预测等领域取得众多成果。该算法极大地提升了模式识别算法的识别精度。由于深度神经网络系统拥有众多的神经元，且训练过程的算法复杂度很高，巨大的计算量成为了深度神经网络研究领域发展的巨大障碍。

现有基于嵌入式的图像采集和处理系统大多以DSP、ARM等传统CPU为核心，受限于其有限的并行能力和计算能力，已经难以满足深度神经网络算法的计算需求。

发明内容

针对上述问题中的至少之一，本发明提供了一种基于ZYNQ和GPU的特征边缘检测系统和方法，通过ZYNQ处理模块和GPU检测模块相结合，将采集到的图像信号缓存至DDR存储器中，GPU检测模块通过PCIE接口对图像数据进行高速实时通信，并利用基于深度学习中卷积神经网络的特征边缘检测算法对图像数据进行边缘检测，大大提高了图像处理的计算能力，实现了图像特征边缘的实时检测。

为实现上述目的，本发明提供了一种基于ZYNQ和GPU的特征边缘检测系统，包括：图像采集模块、ZYNQ处理模块和GPU检测模块；所述图像采集模块用于采集图像，并将图像信号发送至所述ZYNQ处理模块；所述ZYNQ处理模块包括PL子模块、PS子模块和DDR存储器，所述PL子模块用于将接收到的图像信号通过DMA缓存至所述DDR存储器，并通过PCIE接口将所述DDR存储器缓存的图像数据传输至所述GPU检测模块；所述GPU检测模块用于运行特征边缘检测算法，以对接收到的图像数据进行特征边缘检测，并将特征边缘坐标信息输出；所述PS子模块用于获取所述GPU检测模块返回至所述DDR存储器的特征边缘坐标信息，并通过串口打印所述特征边缘坐标信息。

在上述技术方案中，优选地，所述GPU检测模块包括HDMI显示接口，所述GPU检测模块将接收到的原始图像数据及所述特征边缘坐标信息通过所述HDMI显示接口输出，所述HDMI显示接口外接显示器。

在上述技术方案中，优选地，所述图像采集模块采用CMOS摄像头，所述CMOS摄像头通过外围电路与所述PL子模块的接口相连。

在上述技术方案中，优选地，所述DDR存储器通过PCIE接口与所述GPU检测模块相连，通过调用PCIE读写函数对所述DDR存储器读取或写入数据。