当前位置: 首页> 学位论文 >详情
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