机器人视觉系统是现代机器人的重要组成部分,机器人视觉传感器常常担负了环境识别,自身定位、目标物识别等一系列关系到机器人智能化与自主化的关键任务。由于机器人视觉系统对于实时性有着极高的要求,一些飞行或者移动机器人又对视觉系统的体积和重量较为敏感,以计算机为核心的传统机器人视觉处理系统由于其较大的体积、较高的功耗以及实时性严重不足等缺点已经越来越无法满足机器人视觉系统的需求。为满足机器人对于视觉处理系统高实时性、低功耗、微小型体积的要求,本文研究了基于FPGA架构的并行化实时机器人视觉系统的关键技术。本文从图像数据的处理算法并行化加速出发,通过对复杂机器人视觉算法的并行化分解,实现了机器人视觉处理算法在FPGA平台上的移植。本文主要研究了实时机器人视觉系统的搭建、视觉系统畸变的实时矫正、颜色域变换、边缘检测、Harris特征点检测等算法的并行化处理方案,着重研究了基于FPGA的SIFT特征检测的硬件架构,利用FPGA高度并行化的特点大幅提高了算法的实时性。本文提出了一种基于实时机器人视觉处理技术的高速运动目标追踪算法与系统,采用并行化视觉处理以及视觉伺服技术解决了高速运动目标的追踪问题。通过一系列机器人视觉系统的应用与对比实验,充分证明了论文所提出的实时机器人视觉系统可以大幅提高机器人视觉算法的实时性,并且具有低功耗、高帧率、微小型体积等优点,满足大多数机器人领域对于视觉处理系统的需求。论文对平台搭建、视觉处理算法的硬件化及并行化加速等关键技术进行了深入研究并分别提出相应的解决方案,为实时机器人视觉系统的设计与实现提供了大量的参考和技术支撑,论文的主要工作如下:本文从机器人视觉系统的实时性不足的问题展开讨论,总结了当前机器人视觉系统在应用中依然存在的问题和难点,提出了基于FPGA处理平台的实时机器人视觉系统。本文在基于FPGA平台的实时机器人视觉系统中实现了并行化的图像预处理算法,主要包括视觉成像系统镜头畸变的实时矫正方法,该方法通过查表法的处理方法对畸变图片数据进行矫正,针对矫正带来的黑点以及像素消失问题,采用了基于FPGA的双线性插值算法进行像素实时补偿,实现了与计算机平台相同的镜头畸变矫正效果。本文实现了基于FPGA平台的图像滤波处理以及颜色空间转换等图像预处理算法。针对机器人视觉领域常用的几种图像处理算法如Sobel边缘检测、Harris特征点、SIFT特征检测等算法进行了并行化设计,使得这类视觉算法可以在基于FPGA的机器人视觉系统中实现移植及算法加速,并给出了具体的设计方案及思路。通过实验充分验证了本文所提出的硬件化图像处理算法比起计算机平台具备更加优异的实时性、高效性及低功耗的特点。本文提出了一种全景图像的硬件拼接方法,采用基于FPGA平台的SIFT特征实时检测算法实现了全景机器人视觉系统的图片实时匹配与拼接,通过加权平均值的方法实现了基于硬件架构的拼接区域灰度融合,整个拼接过程无需计算机参与,取得了优异的拼接效果,比起计算机平台的图片拼接方案具有更高的处理速度以及相同的拼接效果。本文将基于FPGA的机器人视觉系统与视觉伺服控制算法相结合,提出了一种新的高速运动目标追踪算法,利用多特征识别的方法来对高速运动目标进行识别,通过感兴趣区域智能控制算法实现了减少运算量以及提高运算速率的效果。在进行高速飞行目标追踪实验中,采用基于FPGA平台的图像处理算法并行化加速解决了高速运动目标追踪算法实时性不足的问题,取得了优异的实验效果。