原文传递
基于GPU的车辆轮对图像在线预处理系统的研究
| 论文题名： | 基于GPU的车辆轮对图像在线预处理系统的研究 |
| 关键词： | 列车轮对;磨耗检测;图像预处理技术;图形处理器 |
| 摘要： | 近来，随着铁路轨道交通运输快速发展，轮对作为车辆的重要行走部件，对其进行磨耗检测对保障我国铁路轨道交通运输安全有重要的意义。提高车辆轮对磨耗检测速度是铁路轨道交通检测技术发展趋势之一，轮对图像预处理是车辆轮对磨耗检测的重要步骤，提高其速度有利于轮对磨耗检测速度的提高。为提高轮对图像预处理的速度，提出了基于GPU的车辆轮对图像预处理技术的研究。 基于GPU的轮对图像预处理技术是将通过CCD获得的原始轮对图像经过图像预处理得到单像素连续的轮廓曲线，以便通过参数计算得到轮对磨耗参数。本文的主要研究内容有： （1）对现有的轮对图像预处理技术进行了研究和归纳,对其优缺点进行总结和分析。针对图像预处理效率低的缺点，提出了基于GPU的轮对图像预处理方案。 （2）研究了并行计算技术及其发展现状，选择CUDA作为GPU的开发和实现平台。深入研究了GPU硬件结构和CUDA编程模式，并搭建了基于GPU的软硬件实现平台，为图像预处理并行算法的设计和实现打下基础。 （3）将图像预处理的中的镜像算法在CUDA并行架构下实现，并进行性能分析，根据分析结果，通过改变执行配置对并行过程优化。 （4）针对图像预处理中的分割算法，提出了一种基于CUDA并行计算架构及k-means和STING聚类算法的针对轮对图像的快速分割算法，代替区域生长来分割轮对图像。基于CUDA架构的分割算法在保证图像分割效果的同时，大幅度提高了图像分割的速度，最后对该分割算法进行了性能分析。 （5）对图像预处理中的击中击不中细化算法进行并行性分析，得出其为一种串行细化算法的结论。然后，通过对现有并行细化算法的比较，找到一种比较适合轮对图像的并行细化算法，对此并行细化算法改进并在CUDA并行架构下实现，最后对并行细化算法进行性能分析。 （6）对图像预处理中的像素跟踪算法进行并行性分析，提出并行化方案并在CUDA架构下实现，最后对其进行性能分析。 （7）对基于CPU和基于GPU的图像预处理算法的试验结果进行了对比分析,并最终用实验结果证明了GPU在轮对图像预处理方面的优势。 |
| 作者： | 郑宗敏 |
| 专业： | 测试计量技术及仪器 |
| 导师： | 吴开华 |
| 授予学位： | 硕士 |
| 授予学位单位： | 杭州电子科技大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
