嘿!您似乎在 United States,您想使用我们的 English 网站吗?
Switch to English site
Skip to main content

FPGA平台的LiDAR汽车检测系统

光探测和测距 (LiDAR) 用于收集道路信息并将其传递给系统进行决策。 它现在用于自动驾驶汽车。 例如,激光雷达可以检测车辆周围的物体,以便它可以自动及时减速或加速以避免发生事故。 AGH 科技大学的学生使用 LiDAR 传感器和 FPGA 创建了一个汽车检测系统。 该系统根据激光雷达传感器收集的数据对汽车进行分类。

LiDAR 的工作原理很简单。 这些传感器通过特殊的光学系统,向特定方向发射特定波长的复合激光。 从障碍物反射过来的光束被位于同一设备中的检测器拾取。 根据发送光和接收光之间的时间,计算到障碍物的距离。

通常,处理来自传感器的数据在计算上通常很复杂,而且只能在功能强大的处理器上完成,但该项目证明图像和数据处理可以在异构平台 (FPGA + ARM) 上像处理器一样高效地完成。 使用的硬件平台是 Digilent Zybo Z7:Zynq-7000,它是一款功能丰富、随时可用的嵌入式软件和数字电路开发板,围绕 Xilinx Zynq-7000 系列构建。 Zynq 系列基于 Xilinx 全可编程片上系统 (AP SoC) 架构,该架构将双核 ARM Cortex-A9 处理器与 Xilinx 7 系列现场可编程门阵列 (FPGA) 逻辑紧密集成。

该系统中最重要的元素之一是从连接到 Zybo Z7 FPGA 板 (164-3487) (164-3486) 的 LiDAR 传感器和相机采集数据。 为了检测 3D 物体,激光雷达利用点云数据处理。 点云处理可以分为几个阶段。 第一阶段是预处理,包括去地、过滤和去除背景。 下一阶段是分割,其目的是将剩余的点云分成包含潜在对象的片段。 最后,对于每个段,提取特征并进行分类。

ZYBO Z7 FPGA Board

在系统的视觉部分,第一步是将激光雷达数据处理评估的片段投影到图像平面上,并选择相应的ROI。 提取并缩放 ROI。 最后一步是特征提取和分类(例如使用 HOG+SVM)。 算法的最后一部分是数据融合。 来自两个系统的分类分数将被融合以获得最终的对象检测概率。 该方法在 MATLAB 环境和 Vivado 仿真中进行了测试。

LiDAR measurement

下图代表了整个项目设计和功能设计实现。 线条附近的数字代表来自 LiDAR 数据单元的信号。 信号通过处理流程的每个步骤并得到分析。 此过程指示单元格在点云预处理期间是否被删除,以及它是否被标记为有效。 一组信号被转换成一个段然后被分类。 最后,该片段被转换为边界框,标记为对象,由系统验证并显示在监视器上。

ZYBO

今天,也可以使用异构平台创建汽车检测系统,如本项目所示。 使用连接到 Zybo Z7:Zynq-7000 的 LiDAR 相机和传感器,人们可以开始开发能够以低成本与自适应驾驶辅助系统 (ADAS) 集成的项目。

 

                                                                                            

awong 还没写个人简介...
DesignSpark Electrical Logolinkedin