随着人工智能及机器人技术的迅速的发展,计算机视觉技术逐渐向多元化发展。本论文介绍了一套比较完整的计算机视觉系统的实现过程。其中包括主要的核心算法的介绍、分析以及系统的整个设计、实现过程。主要有如下几个方面: 首先,由于图象分割是图象处理的基础,本文主要介绍了采用不同于传统的阶跃型直线边缘和圆弧边缘Zernike正交矩亚象素边缘检测算法。前者可以用亚象素精度给出边缘的位置和方向信息,后者还可以亚象素地给出边缘曲率,这样就可得到边缘点在Hough空间中的映象,而不是仅利用位置信息时的一条正弦曲线,这极大地提高了参数在Hough空间的聚类效果。此外,值得一提的是由于该技术的方向信息计算精度极高,使得RHT聚类得到的参数得到了保证。从而使我们从图象获得所需要的有用边缘点,然后对这些边缘点进行野点删除等去噪处理,再利用所得到的有用点采用Hough或RHT变换来拟合曲线。 其次,考虑到计算机视觉算法往往运算量都比较大,用传统的VonNenmann结构计算机很难达到系统的实时性。所以我们在本课题中采用了DSP作为核心处理器来实现上述的视觉算法。DSP芯片采用的是程序总线和数据总线分离的哈佛设计结构,可以大大提高数据的运算速度。本课题选用的DSP芯片是TI公司的TMS320C6711浮点型。在图象采集方面,本系统采用了与TMS320C6711芯片相匹配的VIDEO TVP3026-250CPCE型图象采集卡。 最后,我们在DSP上采用了C语言以及汇编语言实现了视觉系统的核心算法,结合DSP本身的特点,采用了内联函数,线性汇编技术优化了程序代码,提高了算法的实时性。 实验结果表明,整个系统基本能够达到预先设计的要求,系统能够达到较好的实时性。