导读:本文包含了嵌入式平台论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:嵌入式,平台,模型,卡尔,缺陷,目标,报文。
嵌入式平台论文文献综述
张雷,王越[1]（2019）在《嵌入式平台下的车辆跟踪系统设计》一文中研究指出设计并实现了NVIDIA嵌入式平台Jetson TX2上的车辆跟踪系统。从摄像头采集YUV420格式的视频数据,然后将数据送到Tegra Parker硬件HEVC编码器进行编码,输出码流经过RTP封装后通过UDP广播发送,利用Gstreamer多媒体框架开发接收及解码程序,最后,针对获取的视频动态进行车辆的跟踪与显示。运行Yolo V2检测算法,对车辆进行检测,从而为跟踪系统提供跟踪对象。利用Kalman滤波算法对车辆的位置进行预测,再经过Meanshift算法进行车辆跟踪。系统能够实现帧率为60 f/s的超高清4K视频实时编码和传输,此系统中的HEVC硬件编码器编码速率比PC端x265编码器大3个数量级,PSNR比PC端x265编码器高6 dB,更加适用于智能交通中。(本文来源于《电子技术应用》期刊2019年11期）
侯建华[2]（2019）在《西门子S7协议研究及基于嵌入式平台的驱动开发》一文中研究指出S7协议是西门子专有协议,是一个通信协议族,支持西门子SIMATIC系列所有控制器。对应用广泛的基于以太网和RFC1006标准的S7通信协议进行了研究。分析了S7通信建立的过程、S7协议报文的帧结构,并基于ARM+Linux嵌入式平台设计开发了S7协议驱动程序,实现了对西门子S7-1500 PLC数据的读写操作。该研究为工程领域开发第叁方应用程序与西门子控制器双向数据通信提供了参考。(本文来源于《自动化仪表》期刊2019年09期）
郎朗[3]（2019）在《嵌入式平台下舰船电子系统缺陷自动检测分析》一文中研究指出传统的舰船电子系统缺陷自动检测方法在对检测信号进行采集分析时,会受同频干扰的影响,导致数据失真,缺乏可靠性。为解决这个问题,在嵌入式平台下设计舰船电子系统缺陷自动检测方法。在嵌入式平台中提取舰船电子系统缺陷特征,并针对不同特征类型进行分类处理,利用神经元计算模型,将其分为3类,在完成上述操作步骤后,依据舰船电子系统缺陷统计表,完成自动检测。由此完成舰船电子系统缺陷自动检测方法的设计。实验中随机在嵌入式平台中选取8个缺陷特征,采用数值对比的方式,对比2种检测方法的可靠性,由实验对比结果可知,所提方法可靠性更高。(本文来源于《舰船科学技术》期刊2019年16期）
陈国军,陈巍[4]（2019）在《嵌入式平台下船舶电子组件缺陷自动检测分析》一文中研究指出现有的电子组件缺陷自动检测分析方法均存在着检测效率低下的弊端,为此提出嵌入式平台下船舶电子组件缺陷自动检测分析方法研究。通过对电子组件图像的预处理得到电子组件缺陷目标图像,采用数据拟合方法对图像进行分割,以此为基础,对电子组件缺陷特征进行提取,利用决策树模型计算电子组件缺陷图像的决策因子,将其与标准决策因子进行比较分析,实现了嵌入式平台下船舶电子组件缺陷的自动检测分析。通过实验得到,与现有的电子组件缺陷自动检测分析方法相比,提出的电子组件缺陷自动检测分析方法得到的电子组件缺陷目标图像质量与检测效率更高,充分说明提出的电子组件缺陷自动检测分析方法具备更好的检测性能。(本文来源于《舰船科学技术》期刊2019年12期）
胡佳辉,陈心灵,朱杰华,赵增旭[5]（2019）在《基于嵌入式平台和子地图局部关联算法的AGV设计》一文中研究指出为在嵌入式平台上实现同时定位与建图(SLAM)以降低硬件成本,设计了利用激光雷达的AGV,该AGV运行机器人软件平台(ROS),并采用了包括Cortex-A9内核的i.MX6Q开发板、惯性测量单元、编码器等的硬件设计。针对在SLAM过程中如何快速并准确获取数据关联结果的问题,提出了一种基于子地图局部关联算法(SLJCBB),该方法首先是接收多帧连续的激光雷达数据构建子地图,并在子地图上划分出局部关联区域,最后在局部关联区域内采用联合兼容分支定界(JCBB)算法进行数据关联。实验结果表明,采用子地图局部关联算法在提高关联准确性的同时,大大降低了关联匹配过程的计算量,提高了运算速度,满足了嵌入式平台的运算要求。(本文来源于《电子测量技术》期刊2019年11期）
苏洋[6]（2019）在《基于嵌入式平台的带式输送机综合控制系统研究》一文中研究指出现有煤矿带式输送机控制系统存在成本高、体积大以及通信方式落后的问题,针对这些问题,设计了基于嵌入式平台的带式输送机综合控制系统,详细阐述了系统的总体结构、通信方式以及软硬件设计,重点引入了两种无线通信方式。通过对在实验室搭建的实验平台测试,表明该系统运行稳定可靠,能够满足煤矿井下的生产需要。(本文来源于《机械工程与自动化》期刊2019年03期）
万晓帆[7]（2019）在《四旋翼飞行器组合导航的嵌入式平台研究》一文中研究指出随着四旋翼飞行器技术的迅猛发展,组合导航技术已经成为该领域研究的热点。传统的组合导航平台存在精度低、容错性弱、实时性差等缺点,针对飞行器在复杂环境下高精度导航的要求,需要设计一款能够在复杂多变环境条件下实现高精度导航的嵌入式组合导航平台。本论文旨在开发一款四旋翼飞行器组合导航的嵌入式平台,实现复杂环境下的数据采集和多传感器导航数据融合,同时能够解决GPS(北斗)无效时惯性导航模块的误差累积问题,以此提高组合导航平台的精度和容错性能。首先,设计了基于S5PV210处理器、多传感器组合导航的嵌入式硬件平台和Linux操作系统软件的总体框架,对系统软件各模块进行具体设计,完成uboot、kernel和根文件的设计和移植,以及软件平台多线程的设计和数据采集系统底层驱动的编写。然后深入研究了组合导航算法,该算法基于联邦滤波模型采用分布式卡尔曼滤波方法进行惯导/GPS/单目视觉的数据融合,在误差模型基础上采用间接式卡尔曼滤波方法实现惯导/GPS和惯导/单目视觉两个子滤波器的局部估计,主滤波器根据最优系数加权的方法实现全局最优估计。最后进行了嵌入式组合导航平台的机载测试和对比实验,进一步验证了GPS无效情况下单目视觉传感器的对惯性导航模块的误差累积问题具有很好的修正能力,同时也验证了基于单目视觉的多传感器嵌入式组合导航的平台精度和容错性能明显优于单一或任意两组合导航系统,对于组合导航相关技术的研究具有实际参考意义。(本文来源于《长春理工大学》期刊2019-06-01）
墨宁宁[8]（2019）在《基于嵌入式平台的双目成像障碍物检测系统的设计与实现》一文中研究指出障碍检测技术作为室内机器人系统中一项集软、硬件为一体的关键技术,对机器人是否能够完成既定功能有着决定性的影响。复杂多变的室内环境决定了这种室内机器人要能够准确地检测和躲避障碍物,这也是目前这类室内移动机器人仍然造价较高,还难以得到普及的重要原因。通过非接触式的技术来检测障碍是当前的主流方向,主要有超声波、红外探测和激光测距等具体实现,超声波和红外技术对于反射信号面积较小的物体性能不佳,激光扫描面积大,精度高,但由于成本高昂,一时难以普及。因此,需要一种低成本,满足实际工作场景要求的检测系统。为此,本文设计并实现了一种基于视觉成像技术的障碍物检测系统。本文的主要工作与创新在于:在调研分析当前主流的室内机器人障碍检测技术优缺点的基础上,本文实现的系统基于双目视觉技术,结合低成本、高准确性的总体要求,采用“张正友标定法”完成了对基于嵌入式双摄像头的图像畸变的预处理操作,获取了后续图像处理所需的摄像头的高精度的参数。本文通过调研选择基于低成本、高集成度、功能齐全、操作简便的树莓派平台来完成设计。文章通过使用畸变消除算法和双边滤波方法完成了对摄像头采集的原始图像的预处理。本文结合应用场景的特点,对比了两种匹配方法,并通过实际的测试结果选择更适合本文所提出的场景的方法。通过不断的测试和参数调整,最终的结果表明文章提出的系统能够以超过95%的精度提取250mm～500mm范围内障碍物的距离信息。基于此测试结果,本文接下来在考虑实际场景及室内移动机器人平台的特殊性的基础上,提出了分区域进行障碍物检测的方法,该方法通过对匹配得到的特征点的叁维坐标信息作进一步处理来辅助机器人实现对障碍物的检测和躲避,实际场景的测试结果验证了该方法的有效性。针对室内机器人进行障碍检测面临的挑战和问题,在确保低成本、高准确度的条件下,本文完成了基于嵌入式平台的双目成像障碍物检测系统的设计与实现,实现了对特定范围内障碍物距离信息的准确检测功能,获取了辅助机器人完成避障功能所需的有效数据。(本文来源于《北京邮电大学》期刊2019-05-28）
余忠艺[9]（2019）在《基于嵌入式平台的目标跟踪算法与应用》一文中研究指出随着计算机硬件的发展,我们可以使用大型卷积神经网络完成计算机视觉领域中的各种任务,如图像分类、目标检测等,而且效果要远远优于传统算法。但是,如今在深度学习领域,人们已经形成了对高性能硬件的依赖,离开这些强大的计算平台,似乎就很难得到优秀的模型。而且随着智能手机、可穿戴设备等小型化设备的发展,人们希望借助这些嵌入式平台随时随地享受人工智能带来的便利。但目前优秀的神经网络模型不适合在计算、功耗资源受限的小型化嵌入式设备上运行。针对以上问题,本文从计算机视觉领域经典的算法出发,并结合近些年高速发展的卷积网络算法和各种模型压缩方法,探索了在嵌入式设备上实现优秀目标检测与目标跟踪算法的可行性。本文的工作主要有以下几点:第一,对目前常用的目标检测和目标跟踪算法进行研究,并对不同的目标检测算法进行分析和对比,同时研究了几种常用的模型压缩方法。第二,对YOLOv3模型使用卷积分解,有效减少了其参数数量,并在此基础上使用削减通道的方法对其进行二次压缩,进一步去除了模型中的冗余参数。同时,提出了基于L0和L1范数的1×1通道削减方法,在保证模型精度的情况下取得了不错的压缩效果。第叁,分析了 Deep-SORT目标跟踪算法各部分的运行情况,并提出了一种基于LDA提取表现特征的改进Deep-SORT算法。使用二次压缩后的YOLOv3和改进的Deep-SORT算法,在嵌入式平台Jetson TX2上运行并达到了实时效果。第四,将基于嵌入式的目标跟踪算法用在智能监控中,使该智能监控具有统计道路流量的功能。并将算法的计算任务全部部署在边缘嵌入式平台上,使用GSM网络与嵌入式平台进行通信,可以脱离数据中心独立运行,具有实用价值。(本文来源于《山东大学》期刊2019-05-25）
程焰明[10]（2019）在《基于嵌入式平台的无线感测网络系统构建》一文中研究指出随着人民生活水平的提高,对社区安全监控、智能楼宇控制有了比较现实的需要,无线感测网络能够很好地实现这些功能。如何提高传输速率、降低功率消耗以及突破有限的传输距离成为无线感测网络系统重点提升方向。本文提出了对基于嵌入式平台、Zigbee技术的无线感测网络系统的构建研究,并对系统的设计和实现过程进行研究。本文研究成功以Linux嵌入式平台为核心,开发无线感测网络系统。研究中使用以遵循IEEE 802.15.4标准Ubec UZ2400 Zigbee芯片搭配微控制器MCS8051开发出无线感测网络通信及控制节点。MCS51提供外围最多可连接16只引脚的IO装置和一组UART接口,可适应未来不同需求而发展出不同的应用内容。在感测网络系统部分,搭配嵌入式系统来做整体域名的控制与记录,并提供CGI网页接口方便用户可以在任何地方通过网络连线的方式来监控各个无线感测网络节点的。本系统可经由IO装置的收发命令,终端节点将其信息发送至嵌入式系统,当嵌入式系统得知此信息并同时记录,在网页也可以看到正确的结果。也可通过网页访问控制信息,经由嵌入式系统的判断将信息发送至目标节点。本文研究的以Zigbee标准的无线感测网络有效了延长节点的待机时间,提高了传输距离。通过利用嵌入式系统作为管理主机,并在嵌入式系统上运行CGI网页,有效降低了布建成本,提高了系统运行的稳定性和管理者的方便性。因此,本课题的研究具有十分重要的应用价值。(本文来源于《电子科技大学》期刊2019-05-10）
嵌入式平台论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
S7协议是西门子专有协议,是一个通信协议族,支持西门子SIMATIC系列所有控制器。对应用广泛的基于以太网和RFC1006标准的S7通信协议进行了研究。分析了S7通信建立的过程、S7协议报文的帧结构,并基于ARM+Linux嵌入式平台设计开发了S7协议驱动程序,实现了对西门子S7-1500 PLC数据的读写操作。该研究为工程领域开发第叁方应用程序与西门子控制器双向数据通信提供了参考。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
嵌入式平台论文参考文献
[1].张雷,王越.嵌入式平台下的车辆跟踪系统设计[J].电子技术应用.2019
[2].侯建华.西门子S7协议研究及基于嵌入式平台的驱动开发[J].自动化仪表.2019
[3].郎朗.嵌入式平台下舰船电子系统缺陷自动检测分析[J].舰船科学技术.2019
[4].陈国军,陈巍.嵌入式平台下船舶电子组件缺陷自动检测分析[J].舰船科学技术.2019
[5].胡佳辉,陈心灵,朱杰华,赵增旭.基于嵌入式平台和子地图局部关联算法的AGV设计[J].电子测量技术.2019
[6].苏洋.基于嵌入式平台的带式输送机综合控制系统研究[J].机械工程与自动化.2019
[7].万晓帆.四旋翼飞行器组合导航的嵌入式平台研究[D].长春理工大学.2019
[8].墨宁宁.基于嵌入式平台的双目成像障碍物检测系统的设计与实现[D].北京邮电大学.2019
[9].余忠艺.基于嵌入式平台的目标跟踪算法与应用[D].山东大学.2019
[10].程焰明.基于嵌入式平台的无线感测网络系统构建[D].电子科技大学.2019