基于Zynq UltraScale+ MPSoC的AprilTag算法加速器设计
b站传送门：基于ZYNQ的AprilTag视觉定位算法加速技术研究——飞驰像素团队
本项目来源于本人研究生一年级所负责的项目：陆空两栖可重构机器人“比翼鸟”，机器人实物图如下图所示。
在该项目中，为了完成两架无人机的自主对接，我们采用了AprilTag视觉基准系统和OpenMV4摄像头模块来搭建视觉定位系统，我们希望无人机在更高的高度下也能稳定识别到AprilTag标签，所以将摄像头分辨率从QQVGA(160×120)提高到VGA(640×480)，但此时视觉定位数据的刷新频率小于1Hz，无法满足无人机精确位置控制环所要求的数据更新频率。基于此，本项目旨在利用Zynq UltraScale+ MPSoC这一ARM+FPGA架构的硬件平台对该算法进行加速，以满足实时性要求。
（1）已搭建好基于的ZYNQ的图像采集与处理系统，实现对来自OV5640摄像头的视频图像的实时采集、存储、预处理与显示，如下图框图所示。
（2）我们成功将AprilTag算法部署到PS端中的ARM核上，并完成相机标定工作，使其能够输出高精度的六自由度位姿信息。
（3）将AprilTag仿真调试图像输出到显示屏，来展示AprilTag标签是如何被一步步识别到并输出定位信息的，包括自适应阈值分割、Union-Find联通域查找、边缘分割、PCA主成分分析、四边形匹配、边缘细化、解码、单应矩阵计算以及外参估计等流程，演示视频已上传到B站，欢迎观看。
（4）我们采用流水线以及并行计算等**，成功在PL端实现了AprilTag算法中的降采样、高斯模糊以及自适应阈值分割等图像处理算法，并将其封装为子模块接入到系统中，结果显示，我们取得了较为明显的加速效果。总结，算法在PS端的总运行时间时间为234ms，在经过FPGA加速后，减少为119ms，运行速度提升为原来的1.97倍，对于1280×720的实时视频流数据，算法的最终处理速度为8.4帧/秒。
（1）在ZYNQ中的PL端，实现AprilTag算法中的其余部分，终极目标是在PL端实现全部AprilTag算法，算法更新频率达到50hz以上。
（2）为使系统具有更好的扩展性和可移植性，尝试将PS端的裸机系统更换为Linux操作系统。
本项目所使用的硬件平台为黑金公司生产的AXU2CGB开发板，ZYNQ芯片的具体型号为：xczu2cg-sfvc784-1-e，摄像头为黑金公司生产的AN5641摄像头模块，图像传感器芯片为豪威科技公司生产的OV5640芯片，AN5641通过mipi协议将图像数据传输到开发板，开发板通过DP协议将图像数据传输到显示屏，硬件实物图如下图所示。
Vivado部分位于pl文件夹下，其中降采样、高斯模糊、自适应阈值分割的文件名称分别为De_Resolution,GaussBlur,Th_Seg，而连通域查找的代码文件位于uf文件夹下，暂时未接入系统中
您需要使用ps文件下的top.xsa文件来建立vitis工程，项目源代码放在src文件夹下，在创建好vitis工程后，您还需要进行一些设置，才能保证编译成功，操作教程已上传到B站，欢迎观看。