毕业设计--基于cmos图像传感器的太阳跟踪控制器的设计(编辑修改稿)

毕业设计--基于cmos图像传感器的太阳跟踪控制器的设计(编辑修改稿)内容摘要：

上方，由马达驱动，可以随着阳光移动同步进行旋转，通过多块反光镜反射太阳光让高楼的内部各处变得如同室外一样明亮。 就现阶段国内对太阳跟踪控制器的研究情况来看，由于受太阳能应用系统成本的影响，普遍采用半自动单轴跟踪方式。 随着科学技术的不断发展，光伏转换效率的提高，太阳跟踪装置的研究会朝着全自动太阳跟踪的方向发展。 全自动跟踪太阳装置是根据地平坐标、双轴跟踪原理，采用光、机、电、图像处理等技术，通过对太阳光强或形状的检测，实现对太阳的全自动跟踪，能做到同步无偏差地跟踪太阳，大大提 高了太阳能的接收效率。 近年来，中央气象局、上海交通大学、重庆大学、南京航空航天大学等单位分别对太阳跟踪的算法进行了研究，并且都取得了一定的成果。 但总体来说，在我国，太阳跟踪技术仍不是十分成熟，从事太阳跟踪研究的人还不多，而且大部分处于理论研究阶段，实际产品还很少见。 本课题的主要内容及章节安排 本文完成了基于 CMOS 图像传感器的太阳跟踪控制器的设计，利用 CMOS 图像传感器采集太阳图像，经过数字图像处理后获取跟踪偏差。 改进后的太阳跟踪控制器具有较高的跟踪精度和可靠性。 基于本课题的研究内容和主要工作，本 文的结构如下： 第一章主要介绍了选题背景、目的和意义，以及国内外太阳跟踪的研究现状及发展。 第二章介绍了基于 CMOS 图像传感器的太阳跟踪控制器的总体方案设计、 CMOS 图像采集方案及图像分析计算。 第三章介绍了太阳跟踪控制器的硬件部分设计，主要包括单片机驱动接口电路、步进电机驱动电路、限位装置和通信电路等。 第四章介绍了太阳跟踪控制器的软件部分设计，主要包括采用 Visual C++ 编写人机交互控制平台、跟踪控制器的主程序设计、太阳高度角与方位角的软件算法、跟踪控制器校华北电力大学科技学院本科毕业设计（论文） 4 准原理、基于 MCC 实现 VC 与 MATLAB 联合编程以及单片机部分软件设计等。 第五章对课题的主要研究成果进行总结，给出下一步工作的展望。 华北电力大学科技学院本科毕业设计（论文） 5 2 太阳跟踪控制器整体方案设计及图像采集 系统总体设计 该系统主要由平面镜跟踪装置、控制和驱动电路、方位限位电路 、 CMOS 图像传感器(附巴德膜滤波片 )等部分组成。 系统总体设计框图如图 21 所示。 P c 机（ V C 与 M a t l a b 混 合 编程 ）单 片 机步 进 电 机驱 动 电 路平 面 镜 跟 踪 装 置（ 转 动 平 台 ）C M O S 图 像 传 感 器限 位 装 置 图 21 系统的总体框图 太阳跟踪控制器工作过程为：上位机根据当地的经纬度和当前时间，调用 Sun Position函数， 获取太阳的高度角与方位角，并 转 化为俯仰和水平电机的运行步数，经数据处理后，通过 RS485 总线与单片机通信，驱动水平、俯仰两个步进电机动作实现太阳的跟踪。 视日运动轨迹跟踪结束后， VC 调用 MATLAB 函数，控制图像传感器拍摄太阳图片，经图像处理后输出。 而限位装置可保证电机运行时，停在正确的位置，防止电机过位运转。 CMOS 图像采集 图像传感器选型 图像传感器产品主要分为 CCD,CMOS 以及 CIS 传感器三种。 CMOS 工艺是超大规模集成电路的主流工艺，集成度高，可以根据需要将多种功能集成在一块芯 片上。 CMOS 图像传感器包括图像阵列逻辑寄存器、存储器、定时脉冲发生器和转换器在内的全部系统。 与传统的 CCD 图像传感器相比，把整个图像系统集成一块芯片上，不仅降低了功耗，而且具有重量轻、空间占有小以及总体价格低的优点。 目前 CMOS 型不仅价格低廉 ,而且已经实现数字化输出 ,软件可编程控制 ,大大降低系统设计的难度 ,提高系统设计的灵活性、抗干扰性和稳定性。 CMOS 图像传感器满足系统设计要求。 本课题采用罗技公司的 QuickCam系列网络摄像头 ,具有功耗小、成本低、单一电源驱动、易于实现片上系统集成等特点。 其开窗特征可 以根据实际需要设置有效图像数据窗口的大小 ,从而避免了对无效数据的采集 ,减小存储空间。 图像采集方案选择 由于太阳光十分强烈 ,因此在图像采集时 ,需要给摄像头加上巴德膜滤波片。 实验表明加两层滤波片后 ,所得到的图像效果较佳。 传统的方法是使用中性灰滤光镜。 但从节约成本考虑，本课题采用的是更加新型的滤光方式，选用来自德国的发明专利 ——巴德太阳观察保护膜 AstroSolar TM。 巴德膜是一种镀了金属的树脂膜，可以用于目视和拍照。 它很薄，光华北电力大学科技学院本科毕业设计（论文） 6 学质量优异，目前可以买到的巴德膜有两种密度，分别为 (目视 )和 (拍照 )。 用于天文观测太阳，一般很难透光，只有在强光条件下才可以看到光。 图 22 和图 23 分别为摄像头加单层滤波片和双层滤波片所拍摄的太阳位置图片。 （ a）原始图像 （ b）二值图像 图 22 摄像头加单层巴德膜拍摄的太阳照片 （ a）原始图像 （ b）二值图像 图 23 摄像头加双层巴德膜拍摄的太阳照片 图像预处理 图像预处理部分主要包括灰度图像转换、中值滤波、图像分割。 彩色图像转灰度图像。 通常，用摄像头获取的图像是彩色图像，它由 R, G ,B3 个单色调配而成，各种单色都人为地从 0255 分成了 256 个级。 根据 R, G ,B 的不同组合，获取的彩色图像可以表示华北电力大学科技学院本科毕业设计（论文） 7 256256256=16777216 种颜色。 通常数字图像的处理是先将彩色图像转换为灰度图像，然后再对灰度图像进行处理。 彩色图像转换为灰度图像的公式如下： Y = + + (21) 中值滤波 图像在 拍摄或者传输过程中总会添加一些噪声，这样就影响了图像的质量。 进行中值滤波可以有效消除这些噪声，同时还实现了图像的平滑。 中值滤波是一种去除噪声的非线性处理方法，是由 Turky 在 1971 年提出的。 基本原理是：把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替。 中值的定义如下：一组数把 n 个数的大小顺序排列如下： Y=Med= (22) y 称为序列的中值。 把一个点的特定长度或形状的领域称作窗口。 在一维情形下，中值滤波器是一个含有奇数个像素的滑动窗口，窗口正中 间那个像素的值用窗口内各像素值的中值代替。 设输入序列为 , I 为自然数集合或子集，窗口长度为 n，则滤波器的输出为： (23) 其中： i 在二维情形下，可以用某种形式的二维窗口。 设 , 表示数字图像各点的灰度值，滤波窗口为 A 的二维中值滤波可定义为： = Med=Med (24) 图像分割处理 图像分割技术是把图像分成各具特性的区域并提取出感兴趣目标的技术和过程，它是由 图像处理跃入图像分析的关键步骤。 其目的是将目标和背景分离，为目标识别、精确定位等后续处理提供依据。 基于这种面向最终分析目的的思想，可选择相对形状测度、相对均匀测度和错分概率作为评估算法优劣的准则。 常用的有 9 中比较经典的阈值选取方法——极小值点阈值选取方法、最优阈值选取方法、迭代阈值选取方法、利用灰度统计直方图的凹性分析的阈值选取方法、最大熵法、模糊阈值选取方法、基于最大类间方差法求阈值、基于图像差距量的阈值选取方法、基于矩量保持的阈值选取方法。 鉴于本课题采集到太阳图像的特殊性，采用基于最大类间方差法求取图像 阈值。 最大类间方差法又叫 OTSU 算法，其求解阈值过程如下： (1)首先选择一个近似值作为图像 f (x, y)的初始阈值 = (25) 为最小、最大灰度值。 算出每个灰度出现的概率 (2)根据阈值把图像分成目标区域和背景区域 : =, = (26) 计算这两个区域出现的概率 ,及平均值 , , (27) 华北电力大学科技学院本科毕业设计（论文） 8 (3)计算的 ,方 差 , =。 = (28) (4)计算类内方差、类间方差、总体方差 =+, , =+ (29) 计算新阈值 = 和 ， k=k+1, 回到 (29)迭代计算，直到 时迭代结束，此时的阈值即为最优解。 光斑质心定位 在基于图像传感器构成的闭环式太阳跟踪系统中能否准确检测出太阳光斑质心位置是实现跟踪校正的关键，决定着系统的精度与可靠性。 一般图象处理系统对目标定位、跟踪时，确定目标位置的方法可分为两类，即波门跟踪和相 关跟踪算法。 波门跟踪算法可分为两种，即边缘跟踪和形心跟踪。 形心跟踪又可分为双边缘中心跟踪、面积平衡法跟踪、质心跟踪和亮度中心跟踪等。 本课题采用质心跟踪的方法实现对太阳光斑目标的定位。 在二值图像中，设某一待求区域内所有像素（非零像素）的坐标记为 : (210) 则该区域质心坐标可表示为： Sum(x)=, Sum(y)= (211) , (212) 在 MATLAB ，提供了 regionprops函数帮助求取图形区域质心。 regionprops 函数是用来度量图像区域属性的函数。 在调用 regionprops 之前必须将二值图像转变为标注矩阵。 如图 24 所示一个区域求取质心示意图，绿色的方框代表某一待求区域，白色正方形代表该区域内的一个像素，红色原点代表该区域的质心。 图 25 给出几种不同形状的 图形质心位置检测结果。 华北电力大学科技学院本科毕业设计（论文） 9 图 24 区域质心求取示意图 （ a）圆形质心 （ b）椭圆质心 （ c）正方形质心 （ d）三角形质心 （ e）不规则形状质心（区域内） （ f）不规则形状质心（区域外） 图 25 几种不同形状的图形质心检测结果 根据标注矩阵可以方便的给出二值图像中亮斑区域的个数，在进行抗干扰设计时，亮华北电力大学科技学院本科毕业设计（论文） 10 斑个数将会作为是否存在干扰的判断依据。 图 26 给出二值化处理后太 阳光斑图形的质心检测结果。 图 26 太阳光斑质心检测结果 获取步进电机校正步数 图 27 太阳图像中光斑位置及校正步数示意图 图 27 给出了采集太阳图像中光斑位置与校正步数示意图。 图片格式为 320*240 RGB格式，即水平方向含有 320 个像素点，垂直方向含有 240 个像素点。 采用图像坐标表示时，以图片左上顶点为坐标原点，故图像中心坐标为 (160,120)。 其中 FYP、 FYM 、 FWP、 FWM华北电力大学科技学院本科毕业设计（论文） 11 分别对应上位机控制平台中 “俯仰 +”、 “俯仰 ”、 “方位 +”、 “方位 ”运行步数。 且有 FYP +FYM =0,FWP +FWM=0。 程序中为减小变量处理个数，所有 FYM 和 FWM 均用 FYP 和 FWP 的相反数表示。 跟踪装置中方位步进电机每走一步实际走过 ()，俯仰步进电机每走一步实际走过 ()。 跟踪装置运行时，若光斑处于图像中心坐标，则向下移动出图像 FYP需运行 50 步；向左移动出图像 FWP 需运行 160 步。 校正步数 (FYP, FWP)与光斑图像坐标(X ,Y)之间的关系为： FYP= （ 213） FWP= （ 214） 由式 21 214 可知：光斑处于第三、第四象限时 Y120，可得出 FYP 为负值，实际表示 FYM 运行步数；光斑处于第一、第三象限时 X160，可得出 FWP 为负值，实际表示 FWM 运行步数。 图像处理结果分析 处于不同象限的太阳光斑质心检测及获取电机校正步数程序执行结果如下： 太阳光斑质心在第 I 象限 程序执行结果如下： （ a）原始图像 (b)二值化图像 （ c）原始图像加质心标记 图 28 太阳光斑质心在第 I 象限 图 28 为太阳光。