Zybo Z7-20上的汽車檢測系統

描述

介紹

如今，ADAS（自適應駕駛輔助系統）和自動駕駛汽車的話題越來越普遍。大公司和普通人都努力為這些目的創建有效的系統。

在這個領域，人們投入時間的最重要的事情之一就是目標檢測。一輛應該自行駕駛的汽車必須知道周圍有什么物體。有三種最常用于此類目的的傳感器。它是 LiDAR（光探測和測距）、RADAR（無線電探測和測距）和攝像頭。必須獲取并正確處理來自該傳感器的數據以檢測物體。非常常見的方法是融合來自許多此類傳感器的數據。它使系統輸出信息具有更高的可靠性。

通常，當算法有效地檢測對象時，它也很耗時。然而，在異構平臺上實現此類算法的試驗很少。在我們的項目中，我們想證明它是可以做到的，并且可以帶來可見的利潤。

該項目的目的是實現基于激光雷達和攝像頭數據融合的硬件-軟件汽車檢測系統。目標平臺是Zybo Z7-20。

第一步：選擇數據處理算法

第一步是決定我們應該如何檢測汽車。我們搜索了足夠的文獻——文章、會議論文等。在評估（在 MATLAB 中）和算法分析之后，我們選擇了圖 1 和圖 2 中顯示的那個。

?

圖 1 - 算法概覽 - LiDAR 數據處理

?

?

?

圖 2 - 算法概覽 - 相機數據處理和數據融合

?

?

第 2 步：MATLAB 中的軟件模型

下一步是創建參考模型。基礎是第 1 步的評估版本。我們對其進行了更改，以便它可以很好地適應 FPGA 架構，同時考慮到數據來自 LiDAR 的方式。

我們改變的最重要的事情：

• 持續分析 LiDAR 掃描，而不是緩沖和分析整個 360 度點云，
• 激光雷達周圍的空間是如何劃分成簇的，
• LiDAR 集群聚合是如何完成的。

第三步：硬件和軟件部分的算法劃分

Zybo Z7-20 的核心是異構 Zynq-7000，其中包含可編程邏輯 (PL) 和 ARM 處理器 (PS)。我們利用它并將算法的這些部分轉移到 PS，這些部分具有更多的順序“性質”。下圖（圖 3）顯示了分為 PS 和 PL 部分的算法方案。

?

?

圖 3 - 劃分為 PS/PL 的算法方案

?

?

第四步：硬件部分（PL）的實現

如何運行代碼？

包含最新代碼的 Git 存儲庫已附加到該項目。它至少需要版本。Vivado 2018.2。用戶應該選擇包含他想要調查的部分項目的文件夾。當前版本僅提供行為模擬的可能性。