adas描述.docx
《adas描述.docx》由会员分享,可在线阅读,更多相关《adas描述.docx(7页珍藏版)》请在冰豆网上搜索。
adas描述
PVP是一种灵活的图像处理引擎,与Blackfin内核同时运行可以支持多达5个视觉算法,功能模块包括卷积、缩放和算术模块,可以经过优化以节省存储器带宽。
PVP能够加速对象检测、对象跟踪、对象识别3个主要方面的处理。
这些功能均可用于汽车驾驶员辅助驾驶系统(ADAS)、工业视觉、安防与监控。
在ADIBF608图像处理单元演示中,色子掷出之后,约零点几秒钟就可以完成边缘检测,图像识别,数字计算等功能。
现场演示
ADI第三方合作伙伴--北京远景蔚蓝科技有限公司从客户的角度讲解了BF60x系列处理器优势:
从硬件来说,BF60x多数外设接口不用扩展,如SD卡、USB等;支持更快的外存访问,解决存储器带宽瓶颈;提供更多基础接口,如3个SPORT;提供硬件加速功能,提高整个芯片处理能力。
从软件角度来讲,硬件PVP提供很多算法原语,减少软件实现工作量;提供新的SSDD2.0框架,接口驱动开发更容易;完全后向兼容原有Blackfin处理器,做到代码可任意迁移;全新的开发环境使得调试手段更加完善和丰富。
技术方案有哪些?
全景可视系统,也又称全景泊车等等,市面已经有产品出现,各家的方案看起来又不一样。
对全景,飞思卡尔freescale、富士通fujitsu拥有比较完整的解决方案,但也有其他公司推出自己的产品,但芯片都基本选用飞思卡尔或富士通的。
从用户角度来说,全景有以下几个分类:
图像是否有拼接?
支持哪些视角功能(广角或俯视)?
是否有3D模型?
0.几个摄像头?
目前主流是四个摄像头,采用180度以上的广角摄像头,如190度;
也有采用更多摄像头的,如6个。
1.摄像头的种类
CCD:
优点是灵敏度高,噪音小,信噪比大。
但是生产工艺复杂、成本高、功耗高。
CMOS:
优点是集成度高、功耗低(不到CCD的1/3)、成本低。
但是噪音比较大、灵敏度较低、对光源要求高。
在采用CMOS为感光元器件的产品中,通过采用影像光源自动增益补强技术,自动亮度、白平衡控制技术,色饱和度、对比度、边缘增强以及伽马矫正等先进的影像控制技术,完全可以达到与CCD摄像头相媲美的效果.
由于成本原因,车载摄像头普遍选用cmos摄像头传感器。
摄像头的分辨率:
一般车道检测的摄像头30万像素就能满足需求。
但用于全景的摄像头会采用更高分辨率。
2.摄像头的安装位置
前视摄像头位置,一般在车标附近的位置;左右摄像头一般放在倒车镜附近;后视摄像头会放在车牌上方的位置。
四个摄像头的水平位置基本相同。
另外,根据不同的车型,摄像头的安装位置和高度也不同。
3.摄像头的标定
全景摄像头的标定一般是指针对外参进行标定,得到摄像头的安装高度、安装方位角度。
而摄像头的内参在出厂时,就能拿到其参数。
在获取摄像头的内外参之后,就可以对四个摄像头的数据进行融合或拼接。
目前,市面上的产品很多都是做到标定后,直接拼接融合就完事了。
4.图像的拼接
一般单纯使用标定后的摄像头进行全景图像的拼接和融合时,在交合重叠区域,会产生盲点的现象,如经过的物体在这个很小的区域会模糊不清或消失。
这是因为物距的改变,会产生较大的拼接区域误差。
什么是景深现象?
当镜头聚焦于某一物体时,在这一物体前后一定范围内,景物记录的比较清晰,而超出这个范围,物体就显得不清晰了。
这个就景深原理。
决定景深的因素包括:
光圈(进入镜头的光线的粗细)、焦距、物距。
光圈越小,景深越大,拍摄清晰的前后范围越大。
而广角镜头的景深是比较大的。
景深的位置、范围会随焦距的不同而变化,鱼眼相机需要采用比较大F值,才能获取较大的景深。
图像配准的常见方法及优缺点:
1)基于区域的方法
a)像素点的直接的相关性,外加金字塔的多分辨率。
计算量较大,而且对旋转和缩放效果有一定影响。
b)基于频域FFT变换的方法。
在空间频域中寻找相关性,计算快,对小平移、旋转及尺度变换的图像拼接较合适,但对重叠区域较小的情况较差。
2)基于特征的方法
a)经典的方法,如基于轮廓、角点检测算法。
harris角点。
b)尺度不变特征的SIFT算法,及其改进算法。
配准精度高,但速度慢,且原始算法未公开,版权保护。
c)SURF配准算法。
配准精度高,略逊于SIFT,但速度快。
对于鱼眼相机的配准,一般需要:
1)畸变校正。
4个相机都是190或180左右的视角的情况,畸变校正后,即使损失一部分边缘图像,仍然会有一部分图像重合。
2)配准。
如果有相机内外参的先验知识的情况下,配准,可以采用基于改进的区域配准方法,效果好,且速度快。
基于特征的方法也可以尝试。
3)融合或拼接。
直接采用拼接的方式,或采用图像叠加融合的方式,或增强边缘的方式,或用小波等等。
采用配准方式进行拼接和融合的产品,效果会好很多。
由于配准会比较耗费时间,而配准的区域可能又不断变化,所以,配准过程不必对拍摄的每幅图像都进行。
5.摄像头视角如何变换?
3D模型如何建立?
俯视图:
每个摄像头都有内外参,所以,其俯视图也可以比较轻松的获取,然后进行拼接,得到车辆周围比较完整的俯视图。
俯视图,对于直立的物体会有很大的形变,看起来不舒服,一种改善的方法就是降低俯视虚拟相机的高度,这样直立物体的形变会减轻,但是对地面直线物体又会产生鱼眼式的形变,这个需要一个折中。
3D模型:
其实,就是将几个鱼眼摄像头的坐标系统一转换到一个世界坐标系中,并建立一个碗状的三维虚拟成像面,最后建立三维模型。
富士通fujitsu的方案是比较成熟的。
查了一些资料,没有翻到其详细的算法过程,估计是预先建立一个3D的投射曲面,然后,将整个鱼眼相机拼接的图像投射到这个曲面上。
这个过程可以使用查找表,能提高运算速度,简化运算过程。
这个过程需要结合摄像头的景深,内外参数,地面俯视等。
倒车辅助ParkAssist快速发展,无论是前装还是后装,都已比较成熟了。
1. 倒车辅助系统的类型有哪些?
根据传感器类型分类:
雷达
后视摄像头
雷达与摄像头融合的系统
2.雷达倒车辅助的传感器指标
倒车雷达是目前过去几年已上市车辆的标配了。
从用户角度来看,从滴滴的告警声,到LED或色彩提示距离,再到显示屏能动态模拟汽车尾部雷达探测的实况,这些都只是直观的提高用户的倒车体验,而背后的技术要求也在不断的提高。
倒车雷达种类:
超声波:
工作频率在几十KHz,探测范围在零点几米到几米,如0.3-3,0.3-1.65,0.3-1.2。
工作原理类似于超声波测距,相对比较便宜。
但在高速行驶时,受限于多普勒效应,误差大,且方向性也比较差,发散角大。
毫米波:
工作频率在几十GHz,如30G--300GHz,即平时所谓的车载高频雷达,探测范围在几米和几十名之间,如2m-12m。
目前,美国的相关部门建议利用79GHz的作为中心频率工作。
毫米波雷达检测距离远,比较稳定,不易受雨雪雾天气的影响。
但元器件偏贵。
79G的探测距离达到250米,属于长距离探测器。
欧盟与我国工信部建议使用24G作为高频雷达测距的工作距离,一般对人的测量距离达到60-70m,而对车的检测能达到150m以上,测距参数与环境和算法都相关。
毫米波的其他特性:
毫米波在大气中的传播损失主要来自水蒸汽和氧分子对电磁能量的谐振吸收。
传播损失与工作频率有一定的关系。
在各谐振点之间存在着损失较小的以35GHz、94GHz、140GHz、220GHz等频率为中心的窗口。
各窗口宽度不等,约为几十GHz。
雷达不能检测或漏检的东西:
有一定高度才能探测,低于雷达探头10-15cm以下的物体不易检测。
横着的细绳、铁丝之类。
垂直镜面之类的东西,以及光滑的斜坡。
小而光滑的圆柱杆。
目前较为常用的是压电式超声波发生器,原理是两个电晶片与一个共振板,两极加脉冲信号,当脉冲信号频率与电晶片的频率一致时,产生共振带动共振片。
安装高度:
一般离地:
车前的安装45~55:
车后的安装50~65cm。
探头个数:
2,4,8个不等,一般是4个多些,也有周围有16个雷达的,形成全覆盖探测报警。
探头探测角度:
45度辐射
分辨率:
普通雷达是10cm,好的能达到1cm
探测误差:
好的产品在3cm以内
这种雷达的性能指标就是:
准、稳、宽(范围)、快
注意事项:
不要安装在金属材质上,因为容易产生共振,产生误报。
表现形式:
声音蜂鸣报警:
只能表示紧急程度,不能清晰的看出距离
虚拟图像提示:
一般用于距离的提示,不同的距离不同的颜色表示,显示在显示屏上
3.影像辅助倒车
是目前正上市车辆的一个卖点,具有直观的优点,而且能很好的克服雷达的盲区或漏检的缺点。
摄像头类型:
倒车的camera一般是广角摄像头,若是单独的后视摄像头,一般是130广角摄像头;若是基于四个摄像头的全景视角,后视摄像头就有两个职责:
倒车与全景,一般采用190度广角摄像头,这样的摄像头畸变会更严重。
安装位置:
安装位置偏低,一般轿车会安装在车牌的上方,会受到保险杠的影响(同时保险杠也可作为参考坐标),最小视距在0.3米左右,正常视距为5米,最大视距为10米。
视角转换:
广角摄像头一般有畸变,不符合人的直接的感官。
有的也会将广角摄像头转换为正常视角,但其观测范围会变小。
启动时机:
后视摄像头,一般在挂倒车档时启动。
其他物理因素:
平时,注意摄像头的位置是否有偏移,洗车,撞击对摄像头的影响。
下雨、水雾、泥污对摄像头的影响。
(PS:
目前市面上已经出现的防雾、防水的摄像头)
倒车轨迹线:
倒车轨迹线一般是参考摄像头参数、方向盘角度、前后轮距等计算出的一个行驶轨迹。
这个一般在高端车有配置,不过从技术角度来说,这个不是难题。
性能:
1)单纯的倒车影像,直接显示在屏幕上,无视角转换,无轨迹线辅助。
这种对硬件和系统的配置要求最近。
2)将广角转换为正常视角、画轨迹线都需要额外的处理资源,若都放在CPU中,对整个系统会造成较大负担,而目前车机都配备有GPU,可以采用GPU编程,将视角转换,画轨迹线等计算放在GPU中完成。
3.雷达与摄像头的融合
充分结合雷达的精确测距和摄像头的直观性的优点。
将以上两种系统的特性都可以集成到一起。
如障碍物定位提醒、倒车轨迹线、视角转换等。
最后,一个高端的应用是自动倒车功能:
它需要前后左右都要装上雷达,自动检测合适的停车区域。