基于Zynq-7000 SoC的立體視覺(jué)系統(tǒng).pdf

1、隨著計(jì)算機(jī)科學(xué)技術(shù)的快速發(fā)展以及計(jì)算機(jī)視覺(jué)理論的不斷成熟，計(jì)算機(jī)視覺(jué)在近三十年里有了突飛猛進(jìn)的發(fā)展，而立體視覺(jué)作為計(jì)算機(jī)視覺(jué)的一個(gè)重要分支，也越來(lái)越多的應(yīng)用到各個(gè)領(lǐng)域。立體視覺(jué)是通過(guò)對(duì)同一場(chǎng)景不同視角的多個(gè)攝像機(jī)拍攝到的圖像進(jìn)行處理，獲得場(chǎng)景的深度信息，從而重建場(chǎng)景的三維結(jié)構(gòu)。立體視覺(jué)在星球車、自動(dòng)駕駛汽車、無(wú)人機(jī)、機(jī)器人、定位與導(dǎo)航、測(cè)距以及工業(yè)應(yīng)用等方面有著廣泛的應(yīng)用。
　　由于立體視覺(jué)算法的復(fù)雜性，為了獲得較快的處理速度，大

2、多數(shù)的立體視覺(jué)系統(tǒng)都是基于FPGA或FPGA+DSP的架構(gòu)實(shí)現(xiàn)的。本論文使用載有Xilinx公司新一代Zynq-7000 SoC（System on Chip）芯片的ZedBoard板卡實(shí)現(xiàn)了一套立體視覺(jué)系統(tǒng)。Zynq-7000 SoC采用FPGA+ARM的架構(gòu)，內(nèi)部集成了兩個(gè)Cortex A9處理器和大量的Artix-7 FPGA資源，該架構(gòu)具有更高的性能、更低的功耗和更強(qiáng)的設(shè)計(jì)靈活性。本論文選擇在Zynq-7000 SoC的FPGA

3、部分實(shí)現(xiàn)圖像的校正以及圖像的均值縮小算法；在ARM部分使用OpenCV的視頻處理庫(kù)實(shí)現(xiàn)立體匹配算法。
　　在圖像的較正過(guò)程中，對(duì)于傳統(tǒng)的校正方法而言，首先，需要在攝像機(jī)標(biāo)定后離線計(jì)算出校正參數(shù)和索引坐標(biāo)并存儲(chǔ)在外部Flash中；其次，為了解決Flash讀取速度過(guò)慢的問(wèn)題，系統(tǒng)啟動(dòng)時(shí)需要加載校正參數(shù)和位置索引到SDRAM中；最后，校正模塊讀取SDRAM中的校正參數(shù)和索引坐標(biāo)來(lái)完成圖像的校正過(guò)程。本論文采用了一種改進(jìn)的圖像校正算法，即

4、不需要事先計(jì)算好索引坐標(biāo)和校正參數(shù)，而是在校正模塊內(nèi)部實(shí)時(shí)計(jì)算校正參數(shù)和索引坐標(biāo),提高了圖像校正算法的效率。在對(duì)圖像進(jìn)行縮小時(shí)，采用均值縮小算法，實(shí)時(shí)地把分辨率為1080×1920的圖像縮小到分辨率為270×960的圖像，目的是減小立體匹配時(shí)的計(jì)算量；在立體匹配環(huán)節(jié)，本論文采用分水嶺算法抽取圖像的特征點(diǎn)，然后采用Block Matching（區(qū)域匹配）算法進(jìn)行立體匹配獲得視差圖并根據(jù)匹配結(jié)果計(jì)算出校正參數(shù)反饋給圖像校正模塊。實(shí)驗(yàn)結(jié)果表明