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) 或 (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。

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。

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。

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。