本帖最后由 dirtwillfly 于 2020-4-9 20:41 编辑
基于NXP S32V234 ADAS高级辅助驾驶方案（文末有彩蛋）
此方案是基于NXP S32V234的疲劳监测、前方碰撞、车道偏离、全景监控Eagle Eye ADAS方案。 采用恩智浦的 S32V234 作为方案主芯片，S32V234是恩智浦第二代视觉处理器系列，旨在支持图像处理的计算密集型应用，并提供了一个ISP（可以支持 1080P ）、强大的3D GPU、双APEX-2（速率达 80GMACS）视觉加速器和安全性。S32V234 适用于ADAS、NCAP前视摄像头、异物检测和识别、环视、机器学习和传感器融合应用S32V234专为汽车级可靠性、功能安全和安全措施而设计，以支持汽车和工业自动化。
file:///C:\Users\Administrator.WIN-STED6B9V5UI\AppData\Local\Temp\ksohtml13948\wps1.jpg一、疲劳监测算法基本思路
第1步：识别；Camera 输入的图像转换成灰度图像，通过进行人脸侦测，画出人脸 ROI ，在人脸 ROI 中侦测人的眼睛，画出人眼的 ROI ，计算眼睛 ROI 直方图，计算直方图平均值。
第2步：判断；根据人闭眼的程度，提前预设一个阈值，系统检测到人眼直方图的平均值，一旦超出阈值就会报警。
第3步：报警；通过外接的蜂鸣器，发出声音进行警告驾驶员。根据具体产品定义需要，甚至可以将该系统连接至车辆的中控系统，执行刹车、降速的操作。
图1.1 疲劳监测算法流程图
file:///C:\Users\Administrator.WIN-STED6B9V5UI\AppData\Local\Temp\ksohtml13948\wps2.png二、前方碰撞算法基本思路
第1步：识别；Camera 输入的图像选择对应的 ROI ，进行高斯滤波，并进行图像灰度处理，然后对图像进行二值化，通过图像的膨胀、侵蚀动作，检测到车辆的坐标，并通过光流算法计算跟前车的相对速度，得出相对距离。
第2步：判断；当跟前车的距离低于预设的阈值时，系统会发出报警。
第3步：报警；报警可通过外接的蜂鸣器，发出声音进行警告驾驶员。根据具体产品定义需要，甚至可以将该系统连接至车辆的中控系统，执行刹车、降速的操作。
file:///C:\Users\Administrator.WIN-STED6B9V5UI\AppData\Local\Temp\ksohtml13948\wps3.jpg 图2.1 前方碰撞算法流程图
file:///C:\Users\Administrator.WIN-STED6B9V5UI\AppData\Local\Temp\ksohtml13948\wps4.jpg三、车道偏离（LDW）的算法基本思路
第1步：识别；Camera 输入的图像转换成灰度图像，通过对灰度图像进行二值化，转成鸟瞰视图，下一步进行 Sobel 滤波以及中值滤波，然后进行 Hough 算法，计算出车道线在图像中的坐标值。
第2步：判断；根据车道线的坐标，计算中心值，跟车辆的中心坐标进行比对，当车辆中心的坐标值位于车道线中心右侧时，代表车辆往右侧偏移，当偏离的距离超过一定的阈值时，发出报警；反之向左侧偏移，处理方式跟右侧一致。
第3步：报警；报警可通过外接的蜂鸣器，发出声音进行警告驾驶员。根据具体产品定义需要，甚至可以将该系统连接至车辆的中控系统，执行刹车、降速的操作。
file:///C:\Users\Administrator.WIN-STED6B9V5UI\AppData\Local\Temp\ksohtml13948\wps5.jpg 图3.1车道偏离（LDW）算法流程图
file:///C:\Users\Administrator.WIN-STED6B9V5UI\AppData\Local\Temp\ksohtml13948\wps6.jpg四、全景监控的算法基本思路
第1步：鱼眼校正；选择黑白相间的棋盘图放于 Camera 的拍摄区，对拍摄到的棋盘图进行灰度处理，找到相应的角点，并进行校准，最后得出逆矩阵，并测试校正后的图像效果。
第2步：图像拼接；对校正后的 4 幅图像，根据需要进行 resize ，提取图像的相关特征，根据抓取的特征点进行特征匹配，然后进行波浪校正和缩放校正，获得图像的校正参数，接着进行图像的透视变换，获得鸟瞰图，最后进行曝光补偿，图像融合相关处理。
第3步：图像显示；经过拼接的图像通过 HDMI 传输到显示屏。
图4.1 全景监控算法流程图
| 
楼主
标题置顶
标题高亮
有些乱，建议上传一下图片，并调整下排版