Zybo Z7-20上的汽车检测系统

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。

 

图 1 - 算法概览 - LiDAR 数据处理

 

 

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。

 

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。