嵌入式系统期末报告---基于FPGA的实时检测系统应用于无人飞行器.docVIP

嵌入式系统期末报告 基于FPGA的实时目标检测系统应用于无人飞行器 姓 名： 班 级： 13电信2班 学 号： 指导老师： 日期： 2016.6.27 华南农业大学电子工程学院 电子信息工程系 Hindawi Publishing Corporation International Journal of Recon?gurable Computing Volume 2016, Article ID , 16 pages /10.1155/2016/ 研究文献 基于FPGA的实时目标检测系统应用于无人飞行器 移动目标检测在无人机(UAV)最常见的任务是在空中移动监视、发现和跟踪我们感兴趣的目标，例如协助民用的有哪些信誉好的足球投注网站、救援行动。在实时嵌入式系统使用现场可编程门阵列(FPGA) 可以实现复杂的检测算法。这篇文章通过FPGA来介绍部署开发无人机的实时移动目标检测芯片系统(SoC)。检测算法利用包括运动估计和对象分割过程的成立图像配准技术。运动目标检测系统的实现雏形为集成低成本并且配备了TRDB-D5M相机的FPGA开发板--Terasic DE2-115。该系统由Nios II处理器和面向数据流的专用硬件加速器组成，专用硬件加速器时钟频率为100 MHz，能够以30帧每秒的处理速度对640×480像素的灰度分辨率视频进行处理。 介绍 无人机(UAV)在移动空中监视操作中扮演了一个重要的角色，而且被广泛应用到不同的领域中，例如空中侦察、边境巡逻、资源勘探、战斗和军事应用。由于其移动特性,无人机还被部署到了灾难地区，通过收集高分辨率的图像完成有哪些信誉好的足球投注网站救援行动[1]。除此之外,无人机在交通监控的应用也被做过一些研究[2、3]。因为大多数监控系统需要检测和跟踪感兴趣的对象,所以移动目标探测是无人机监控系统的一个典型的步骤[4]。 移动目标检测就是通过相机捕获的一系列视觉图像之中，定位移动对象(前景)在静态场景(背景)驻留的过程。因为对象发生的位移需要在后续视频帧来定义其运动，所以至少需要对两个连续的视频帧进行处理。如果在一个对象的在不同的时间间隔选定的帧，而它位于相同背景的两个不同位置，那么这个对象会被定义为一个移动的目标。因此，在分割移动物体之前需要一个背景模型来表征即将到来的静态场景视频帧。 背景模型可以依据相机运动的类型来分类[5]，相机运动类型包括了固定式相机，可转动变焦相机，自由平面场景移动相机，和具有自由几何复杂场景运动的摄像机。移动物体在静止背景(静态摄像头)的检测和分割可以通过简单的执行背景减法技术得到[6-11]，而图像配准技术需要在对象的分割之前，使移动背景(移动相机)，包括涉及到的相机的自我估计和补偿，要跟之前选定的背景视频帧相匹配。无人机视频航拍成像被人们视为平面的一种场景[12]。平面场景的自我运动估计，可以通过单应性变换估计方法，例如建立仿射模型。因此,移动物体可以通过登记记录的视频帧为估计模型并采用背景减法处理登记模型的手段被检测出来。这种方法没有考虑到出现明显的深度变化的情况，虽然它会因为视差导致不正确的目标登记。 由于计算机视觉算法的复杂性，在航空成像检测移动目标会是一个十分耗费时间的过程。检测移动目标实际也不完全依赖地面处理站无线电线路，因为视频质量将极大地取决于无线通信的速度和稳定性。另外，完全自主的无人机是满足需要的,因为它可以在最少的人工干预条件下，针对检测目标进行操作和两者之间的反应[13]。因此,自主无人机系统要求具有高机动性和高计算能力，来完成执行对系统平台本身的检测。 使用现场可编程门阵列(FPGA)将满足无人机系统的低功耗，高计算能力和小型电路要求。FPGA系统是解决在移动平台的实时计算机视觉问题的一个好方案[14]，它可以根据应用所需来重新配置来处理不同的任务。 文章介绍了FPGA在实现无人机的实时运动目标检测系统的应用。检测算法利用图像配准技术，首先估计自我运动，然后从两个后续帧使用块匹配(成立匹配)和随机样本共识(RANSAC)算法。 完成补偿自我运动之后，帧差分,利用中值滤波和形态学方法都会被用于移动物体的分割。本文的贡献如下： （1）开发的实时移动目标检测芯片系统(SoC)，640×480像素的视频处理速度达到每秒30帧(fps)； （2）运动目标检测系统的实现雏形为集成低成本并且配备了TRDB-D5M相机的FPGA开发板--Terasic DE2-115，占领只有组合函数总量的13%和13%的总内存碎片； （3）