基于ARM9的CMOS图像采集系统的设计与实现

机器视觉在国民经济、科学研究以及国防建设等领域都有着广泛的应用。在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉可以提高生产效率和自动化程度。图像采集系统是机器视觉系统的重要组成部分，目前图像采集常用的两种图像传感器为CCD与CMOS图像传感器。CCD一般输出带制式的模拟信号，需要经过视频解码器得到数字信号才能传入微处理器中，而CMOS图像传感器直接输出数字信号，可以直接与微处理器进行连接。不同的CMOS图像传感器有不同的性能，主要表现在图像分辨率大小不同、帧速率不同、曝光方式不同等，CMOS图像传感器可直接通过I2C来设置图像分辨率大小及曝光、增益等参数，而CCD图像传感器则需要对视频解码器进行设置来控制图像的曝光、增益等参数信息。相对于CCD图像传感器，CMOS图像传感器具有低功耗、小体积、高速数据传输和方便控制等优点，因此，CMOS图像传感器更适用于嵌入式系统应用中[1]。本文从实际应用出发，采用32位ARM9微处理器S3C2410A作为CPU来控制其他功能模块，设计实现面向机器视觉的CMOS图像采集系统，主要功能模块有SDRAM存储单元、图像采集单元、以太网传输模块、UART串口通信模块、Flash模块、电源模块等。与传统的“图像采集卡-PC-终端控制设备”模式的机器视觉系统相比，具有体积小、成本低、功耗低、实时性强、设计灵活等优点。

1 系统结构

典型的机器视觉系统一般包括图像采集模块、图像数字化模块、数字图像处理模块、光源系统、智能判断决策模块和机械控制执行模块[2]。其中图像采集和数字图像处理模块的速度是评价嵌入式视觉系统硬件设计的性能指标，文献[3～6]分别给出了目前常见的四种嵌入式视觉系统结构：(1)采用USB接口摄像头结构[3]：图像采集部分的硬件用USB接口的CMOS摄像头，摄像头应可与集成的USB的CPU接口直接相连。USB接口可以实现高速的串行通信，但USB摄像头要开发专门的驱动，大大增加了软件的开发量和难度。(2)引入异步FIFO结构[4]：在图像传感器和主控CPU间采用异步FIFO解决传感器输出数据频率和主控CPU采集频率不匹配的问题，当FIFO满时CPU再快速读取FIFO数据。异步FIFO可以是双口RAM或者在FPGA内开辟。

　(3)CPLD为核心的图像采集结构[5]：直接由CPLD根据图像传感器输出的时序信号，控制SRAM的读写，当一帧数据信息采集完毕后向CPU发送采集完毕信号；CPU需要对图像进行处理时，再通过CPLD到SRAM里读取数据。(4)由外部中断实现图像采集结构[6]：图像传感器的帧同步、行同步和像元同步信号分别与CPU的一个外部中断连接，CPU根据中断次数来判断一帧图像是否采集完成。