团队介绍
参赛单位：上海电力大学
队伍名称：骇行队
总决赛奖项：二等奖
1.摘要
随着信息技术的发展，AGV（Automated Guided Vehicle，AGV）无人自动导航小车已被广泛应用于智能制造、智慧物流等场景。AGV搬运车的导航系统主要利用视觉、激光雷达等传感器，其主控系统大多使用多个芯片及其复杂嵌入式系统实现，成本高、功耗大、实时性差。为了解决这一问题，本设计在Xilinx FPGA平台上构建了ARM-M3软核，设计了加速双目视差图像计算的SOC及相关控制外设，验证了单个芯片引导AGV小车的基本功能。本设计主要工作体现在如下几个方面：
1) 在Xilinx Artix XC7A200T平台上构建了ARM-M3微处理器及相关外设。通过OV5640双目相机进行图像采集，经协处理器加速，ARM-M3微处理器分析周围的环境进行路径规划最终产生PWM信号驱动小车进行运动。
2）在硬件方面，本设计自制了OV5640双目相机及SiC780碳化硅电机驱动板。通过对双目视觉的原理进行分析，自制的双目相机选用了平行式双目立体视觉模式作为设计方案。得益于小车使用的麦克纳姆轮全向移动平台及自制的大电流碳化硅驱动板，小车可以自由灵活地进行各种运动。
3）在算法方面，本设计对传统的立体匹配算法进行了并行优化，使得算法的运行速度得到了极大地提升，最终实现了资源消耗、功耗、运行速度三者较好的平衡。为了消除图像的径向畸变、倾斜畸变及切向畸变，本设计采用了张正友标定法对双目相机进行标定和校正。利用Matlab的自动标定工具Stereo Camera Calibrator App得到了相机的内外参数并代入校正算法最终实现了图像的校正。
4）在测试方面，本文分析了传统立体匹配算法中存在的特征匹配耗时过长、匹配错误较多的问题，并在树莓派3B以及PC机进行了相关的对比实验。
5）在应用场景方面，采集视频数据自行构建二维码数据集，使用TensorFlow训练定点卷积神经网络，利用HLS构建CNN IP核，使之具备二维码检测能力。
2.系统功能介绍
2.1 总体介绍
本作品的目标是在ARM公司提供的ARM CortexM3 DesignStart RTL Eval处理器IP的基础上，设计AGV小车自主视觉避障专用SOC，开发出能够感知障碍物的双目深度视觉协处理器。
设计内容包括：
2.2 系统流程
本系统在Xilinx FPGA Artix XC7A200T上构建ARM Cortex-M3处理器，搭配自行设计的OV5640双目相机采集视频并利用VDMA存入DDR中。深度加速模块根据相机标定参数进行畸变矫正和立体匹配，并将所得的视差图进行缓存。M3软核从DDR中读取视差图，计算与前方障碍的相对距离并进行路径规划。最后读取帧率数据，将相机图像，视差结果，运动方向和图像帧率在LCD上显示，并根据规划结果控制小车。
