【摘要】：車輛目標檢測是先進輔助駕駛系統(tǒng)中的一項關(guān)鍵技術(shù),對于降低交通事故的發(fā)生率有著重要意義。在進行車輛目標的檢測時,實時性是其中的一項重要指標,在汽車行駛過程中,只有及時的檢測出前方出現(xiàn)的車輛,并將信息反饋給駕駛員,才能有效避免交通事故的發(fā)生。在各種嵌入式系統(tǒng)中,FPGA具有功耗低、處理速度快、體積小等優(yōu)點,其并行性和流水線處理的特性,使其能夠達到實時視頻處理的要求。本文研究的重點是基于FPGA的車輛目標檢測系統(tǒng)。該系統(tǒng)選用xilinx Spartan6系列XC6SLX45芯片作為處理器,使用OV5640作為圖像傳感器。以此為基礎(chǔ),通過利用FPGA的并行性以及流水線處理特性,搭建一套實時車輛目標檢測系統(tǒng)。本文的主要研究工作如下:(1)本文通過對基于FPGA的嵌入式圖像處理系統(tǒng)進行分析,根據(jù)FPGA流水線處理特性以及并行性處理的特點,對整個系統(tǒng)功能進行模塊劃分。針對系統(tǒng)中的攝像頭配置模塊、數(shù)據(jù)緩存模塊、預(yù)處理模塊以及視頻顯示模塊進行了設(shè)計,實現(xiàn)基于FPGA的實時視頻顯示處理,為后續(xù)的車輛檢測算法的實現(xiàn)搭建好了基礎(chǔ)平臺。(2)對于目標檢測識別算法進行分析研究,選用基于CNN卷積神經(jīng)網(wǎng)絡(luò)加SVM分類器進行目標檢測,同時針對傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)輸入圖像尺寸固定的問題,引入ROI Pooling層,在提取的特征圖上進行多尺度窗口的滑動,將多個尺度下的特征歸一化為同一尺度,分別送入分類器進行分類。結(jié)合FPGA的處理特性,分析各個模塊之間的時序、功能之間的邏輯關(guān)系,實現(xiàn)基于FPGA的卷積神經(jīng)網(wǎng)絡(luò)模塊、ROI Pooling層模塊以及SVM分類器模塊的設(shè)計,并對卷積神經(jīng)網(wǎng)絡(luò)模塊進行一定的資源優(yōu)化。(3)對系統(tǒng)整體資源使用情況進行分析,并對各個模塊進行時序測試,同時對整個系統(tǒng)的工作效率以及功能進行分析與測試。通過測試,系統(tǒng)可以實現(xiàn)對車輛目標的實時檢測。
【學(xué)位授予單位】：武漢理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41;TP183;U463.6
【圖文】：

圖 2-1 系統(tǒng)總體結(jié)構(gòu)框圖如圖 2-1 所示，整個系統(tǒng)的處理流程如下：首先通過 I2C 對圖像傳感器進行配置，確定攝像頭采集的視頻數(shù)據(jù)格式。然后將采集而來的視頻圖像數(shù)據(jù)送入DDR3 進行緩存，在進行視頻圖像緩存時，分為雙通道緩存設(shè)計，一個通道用于視頻的送顯，另一通道的視頻經(jīng)過降采樣，降低數(shù)據(jù)量后用于車輛目標檢測模塊的計算。為了便于視頻圖像數(shù)據(jù)的傳輸與存儲，攝像頭采集的視頻圖像數(shù)據(jù)位 YUV422 格式，由于開發(fā)板采用 VGA 接口進行送顯，因此在圖像送顯之前需要對其進行格式轉(zhuǎn)換。另一路用于目標檢測的視頻圖像數(shù)據(jù)在處理前需要進行灰度化處理，將灰度圖像數(shù)據(jù)送入目標檢測模塊，將檢測出來的車輛位置信息進行存儲，最終根據(jù)目標位置信息對圖像進行標記，將標記后的圖像數(shù)據(jù)送顯2.2 硬件開發(fā)平臺2.2.1 硬件開發(fā)板

處理過程中對數(shù)據(jù)進行高速緩存電源模塊：該模塊的主要作用是模塊提供電源，使開發(fā)板能夠正開發(fā)板搭載了 50M 有源晶振和口：其用于輸出視頻圖像。該接同時輸出 VGA 信號和 DVI 信號感器統(tǒng)設(shè)計的前提，在此次設(shè)計，視的 OV5640 CMOS 圖像傳感器來500 萬像素的高性能圖像傳感器，像頭。OV5640 CMOS圖像傳感器

【相似文獻】

相關(guān)期刊論文 前10條

1 李昭慧;張建奇;劉德連;;非合作區(qū)域星載遙感圖像的車輛目標檢測[J];光電子·激光;2015年09期

2 閆小偉;鄧甲昊;孫志慧;;基于激光三維成像數(shù)據(jù)的車輛目標方位估計[J];科技導(dǎo)報;2009年08期

3 高浩軍;杜宇人;;基于背景重建的序列圖像車輛目標檢測方法[J];揚州大學(xué)學(xué)報(自然科學(xué)版);2007年01期

4 谷正氣;李健;張勇;夏威;羅倫;;一種高分辨率可見光遙感影像中車輛目標檢測方法[J];測繪通報;2015年01期

5 宋煥生;李瑩;楊瑾;云旭;張韞;解熠;;基于高速公路場景的車輛目標跟蹤[J];計算機系統(tǒng)應(yīng)用;2019年06期

6 李昭慧;張建奇;;城市街區(qū)星載光學(xué)遙感圖像車輛目標自動檢測方法[J];紅外與激光工程;2014年11期

7 杜鍇;方向;張勝;王懷璽;黃俊逸;;基于更新提升形態(tài)小波變換的車輛目標震動信號特征提取[J];振動與沖擊;2018年16期

8 蘇致遠;徐友春;李永樂;;基于三維激光雷達的車輛目標檢測方法[J];軍事交通學(xué)院學(xué)報;2017年01期

9 陸德彪;郭子明;蔡伯根;姜維;王劍;上官偉;;基于深度數(shù)據(jù)的車輛目標檢測與跟蹤方法[J];交通運輸系統(tǒng)工程與信息;2018年03期

10 袁功霖;尹奎英;李綺雪;;基于遷移學(xué)習(xí)的航拍圖像車輛目標檢測方法研究[J];電子測量技術(shù);2018年22期

相關(guān)會議論文 前3條

1 朱維;靳平;陶良小;唐云凱;;車輛目標地面振動信號的識別技術(shù)研究[A];國家安全地球物理叢書（七）——地球物理與核探測[C];2011年

2 李國令;高飛;;SAR圖像特定目標檢測的推薦方法[A];第十二屆全國信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2018年

3 黃丹;蔡可;;基于視頻的違章車輛自動識別技術(shù)研究[A];第七屆中國智能交通年會優(yōu)秀論文集——智能交通技術(shù)[C];2012年

相關(guān)重要報紙文章 前1條

1 記者 宋茜;江西推廣新能源汽車超5800輛[N];江西日報;2016年

相關(guān)博士學(xué)位論文 前1條

1 李彥兵;基于微多普勒效應(yīng)的運動車輛目標分類研究[D];西安電子科技大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 張超越;基于FPGA的車輛目標實時檢測系統(tǒng)的研究與實現(xiàn)[D];武漢理工大學(xué);2018年

2 馮飛;視覺注意與深度學(xué)習(xí)相結(jié)合的車輛目標檢測[D];西安工業(yè)大學(xué);2018年

3 張向清;高速公路場景下基于深度學(xué)習(xí)的車輛目標檢測與應(yīng)用研究[D];長安大學(xué);2018年

4 妥杏娃;超高分辨率的SAR圖像車輛目標檢測[D];西安電子科技大學(xué);2018年

5 柳絮;海量圖像背景下的特定車輛目標檢測[D];北京交通大學(xué);2017年

6 何勇;基于微運動特征的車輛目標分類研究[D];武漢理工大學(xué);2015年

7 黃宇;車輛目標類型識別算法研究與實現(xiàn)[D];電子科技大學(xué);2006年

8 范凱波;基于幾何特征的車輛目標分類研究[D];天津理工大學(xué);2012年

9 高浩軍;視頻圖像序列中車輛目標的檢測與識別研究[D];揚州大學(xué);2007年

10 張曉利;衛(wèi)星影像中城市道路區(qū)域車輛目標提取方法研究[D];北京交通大學(xué);2015年

本文編號：2713553