论文部分内容阅读
随着社会生产力的发展,我国的车辆保有量急剧上升,道路交通事故频频发生,为了有效的预防和减少交通事故的发生,车辆辅助驾驶系统(DAS)应运而生,而车辆检测是DAS的第一步。DAS对车辆检测算法的实时性要求较高,基于软件的车辆检测算法由于受通用处理器的串行运算特性影响,实时性普遍较弱。为了提高车辆检测算法的运算速度,本文使用FPGA对车辆检测算法进行加速,提出了一种基于FPGA的实时车辆检测系统的硬件设计方案。本文通过以Xilinx公司的Spartan6 XC6SLX45 FPGA芯片和OV5640COMS图像传感器为硬件平台,设计了一套实时视频采集显示系统,并将车辆检测算法移植到了该系统上,来对采集到的视频数据进行实时的车辆检测。本文的主要研究工作如下:(1)以高清视频图像的采集,处理以及显示为目标,搭建了一个实时视频采集与显示系统。系统以FPGA具体的功能实现作为标准进行模块划分,将系统划分成为了I2C配置模块,YUV转RGB模块,均值滤波模块以及VGA显示模块,并通过verilog硬件描述语言完成了其中各模块的硬件设计。(2)对车辆检测算法进行分析研究,选择采用HOG特征提取加神经网络分类器的方式来对视频数据进行车辆检测。在进行算法移植时,利用FPGA的并行运算特性,分析算法各模块之间的时序关系,设计了一个流水线与并行运算相结合的运算结构来实现车辆检测算法。考虑到标准HOG特征提取算法涉及到开根号,反三角等运算,在FPGA上实现会耗费大量的资源以及时钟,文中对传统的HOG特征提取算法进行了简化,使其更适合在FPGA上实现。针对神经网络的非线性激活函数无法直接在FPGA上实现的问题,本文提出了一种可变步长式表驱动插值法用于进行激活函数的逼近,该方法的逼近误差相对其他逼近方法较低,同时消耗资源较少,较好的解决了FPGA上激活函数实现时精度与资源消耗的折衷问题。(3)对本文设计的基于FPGA的车辆检测系统进行测试,验证了各模块的正确性以及系统整体的时序,测试结果表明该系统可以对采集到的视频数据进行实时60帧每秒的检测,且可以有效的完成对视频中车辆的检测功能。