Işık Algılama ve Mesafe Ölçme (LiDAR) (Light Detection and Ranging), yoldaki bilgileri toplayarak karar verici sisteme aktarma işlemine verilen addır. Otonom araçlarda kullanılmaktadır. Örneğin, LiDAR aracın etrafındaki nesneleri otomatik olarak algılar ve duruma göre hızlandırır veya yavaşlatır. AGH Bilim ve Teknoloji Üniversitesi öğrencileri, LiDAR sensörleri ve FPGA (Field-Programmable Gate Array) kullanarak bir araba algılama sistemi oluşturdular. Bu sistem, arabaları LiDAR sensörleri tarafından toplanan verilere göre sınıflandırıyor.
LiDAR çalışma prensibi basit bir teknolojidir. Bu sensörler, özel bir optik sistem aracılığıyla, lazer ışığının bileşiğini belirli bir dalga boyunda ve belirli bir yönde yayar. Bir engelden yansıyan ışın, aynı cihazda bulunan dedektörler tarafından alınır. Işığı gönderme ve alma arasındaki süreye bağlı olarak engele olan mesafe hesaplanır.
Genellikle, sensörlerden gelen verilerin işlenmesi, hesaplama açısından karmaşıktır ve yalnızca güçlü işlemcilerde yapılır. Ancak, bu proje görüntü ve veri işlemenin heterojen platformlarda (FPGA + ARM) işlemciler kadar verimli bir şekilde yapılabileceğini göstermektedir. Kullanılan donanım platformu Digilent Zybo Z7: Zynq-7000, zengin özelliklere sahip, kullanıma hazır bir gömülü yazılım ve Xilinx Zynq-7000 ailesi etrafında oluşturulmuş dijital devre geliştirme kartıdır. Zynq ailesi, çift çekirdekli ARM Cortex-A9 işlemciyi Xilinx 7 serisi FPGA mantığıyla sıkı bir şekilde bütünleştiren Xilinx All Programmable System-on-Chip (AP SoC) mimarisine dayanmaktadır.
Bu sistemdeki en önemli unsurlardan biri, Zybo Z7 FPGA kartına bağlı LiDAR sensör ve kameradan veri alımı işlemidir. Bu ürünler: (164-3487) veya (164-3486) . Üç boyutlu nesneleri algılamak için LiDAR, nokta bulutu veri işleme tekonolisinden yararlanır. Nokta bulutu işleme birkaç aşamaya ayrılabilir. İlk aşama, zemin kaldırma, filtreleme ve arka plan kaldırmayı içeren ön işlemedir. Bir sonraki aşama, kalan nokta bulutunu potansiyel nesneleri içeren bölümlere ayırmayı amaçlayan bölümlemedir. Sonunda, her segment için özellikler çıkarılır ve sınıflandırma yapılır.
Sistemin vizyon bölümünde, ilk adım, LiDAR veri işleme tarafından değerlendirilen segmentleri görüntü düzlemine yansıtmak ve karşılık gelen ROI’yi seçmektir. ROI çıkarılır ve ölçeklenir. Son adım, özellik çıkarma ve sınıflandırmadır (örneğin, HOG + SVM kullanarak). Algoritmanın son kısmı veri füzyonudur. Her iki sistemden alınan sınıflandırma puanı, nihai nesne algılama olasılığını elde etmek için birleştirilecektir. Bu yaklaşım MATLAB ortamında ve Vivado simülasyonunda test edildi.
Aşağıdaki şekil, tüm proje tasarımını ve özellik tasarım uygulamasını temsil etmektedir. Çizgilerin yanındaki sayılar, LiDAR veri hücrelerinden gelen sinyalleri temsil eder. Sinyaller, işleme akışının her adımından geçer ve analiz edilir. Bu süreç, bir hücrenin nokta bulutu ön işlemesi sırasında kaldırılıp kaldırılmadığını ve geçerli olup olmadığını belirtir. Bir sinyal paketi, bir segmente dönüştürülür ve ardından sınıflandırılır. Son olarak, segment bir sınırlayıcı kutuya dönüştürülür, nesne olarak işaretlenir, sistem tarafından doğrulanır ve monitörde gösterilir.
Bugün, bu projede görüldüğü gibi, heterojen platformlar kullanılarak bir araba algılama sistemi oluşturulabilir. Zybo Z7: Zynq-7000’e bağlı bir LiDAR kamera ve sensörler kullanarak, Adaptive Driver Assistance Systems (ADAS) ile düşük bir maliyetle entegre olabilecek projeler geliştirmeye başlayabilirsiniz.
