×

Zybo Z7-20上的汽车检测系统

消耗积分:0 | 格式:zip | 大小:0.00 MB | 2023-07-11

卞轮辉

分享资料个

描述

介绍

如今,ADAS(自适应驾驶辅助系统)和自动驾驶汽车的话题越来越普遍。大公司和普通人都努力为这些目的创建有效的系统。

在这个领域,人们投入时间的最重要的事情之一就是目标检测。一辆应该自行驾驶的汽车必须知道周围有什么物体。有三种最常用于此类目的的传感器。它是 LiDAR(光探测和测距)、RADAR(无线电探测和测距)和摄像头。必须获取并正确处理来自该传感器的数据以检测物体。非常常见的方法是融合来自许多此类传感器的数据。它使系统输出信息具有更高的可靠性。

通常,当算法有效地检测对象时,它也很耗时。然而,在异构平台上实现此类算法的试验很少。在我们的项目中,我们想证明它是可以做到的,并且可以带来可见的利润。

该项目的目的是实现基于激光雷达和摄像头数据融合的硬件-软件汽车检测系统。目标平台是Zybo Z7-20。

第一步:选择数据处理算法

第一步是决定我们应该如何检测汽车。我们搜索了足够的文献——文章、会议论文等。在评估(在 MATLAB 中)和算法分析之后,我们选择了图 1 和图 2 中显示的那个。

 
pYYBAGOpfHOALiRMAACruiTL04c703.png
图 1 - 算法概览 - LiDAR 数据处理
 

 

 
poYBAGOpfHaAb5yVAAGLdNGhqzg482.png
图 2 - 算法概览 - 相机数据处理和数据融合
 

 

第 2 步:MATLAB 中的软件模型

下一步是创建参考模型。基础是第 1 步的评估版本。我们对其进行了更改,以便它可以很好地适应 FPGA 架构,同时考虑到数据来自 LiDAR 的方式。

我们改变的最重要的事情:

  • 持续分析 LiDAR 扫描,而不是缓冲和分析整个 360 度点云,
  • 激光雷达周围的空间是如何划分成簇的,
  • LiDAR 集群聚合是如何完成的。

第三步:硬件和软件部分的算法划分

Zybo Z7-20 的核心是异构 Zynq-7000,其中包含可编程逻辑 (PL) 和 ARM 处理器 (PS)。我们利用它并将算法的这些部分转移到 PS,这些部分具有更多的顺序“性质”。下图(图 3)显示了分为 PS 和 PL 部分的算法方案。

 

 
pYYBAGOpfIqALdnYAAXuQfaCzZg951.png
图 3 - 划分为 PS/PL 的算法方案
 

 

第四步:硬件部分(PL)的实现

如何运行代码?

包含最新代码的 Git 存储库已附加到该项目。它至少需要版本。Vivado 2018.2。用户应该选择包含他想要调查的部分项目的文件夹。当前版本仅提供行为模拟的可能性。


声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !