基于FPGA（De10-Nano-OpenCL）实现自动驾驶车道检测硬件加速（详细全流程）

原创

已于 2025-05-29 23:05:11 修改 · 2.1k 阅读

19 ·

CC 4.0 BY-SA版权

文章标签：

#fpga开发 #智能硬件

于 2025-01-18 03:17:39 首次发布

本实验仅供参考学习，涉及的所有软件在文中均给出了下载地址，按照本文流程可执行其他类似的硬件加速项目。
若需要执行本实验中所用到的项目文件，请向cucdlh@163.com发送请求，并说明用途。
博主水平有限，若有错误欢迎指正，欢迎交流。

一实验介绍

本实验实现了车道检测的功能，并基于FPGA实现硬件加速。具体而言，本实验基于边缘检测和霍夫变换的基本原理，使用De10-Nano开发板，通过OpenCL框架实现检测的运算加速。

设计的整体框架如下图所示，该OpenCL项目包括OpenCL Kernel（OpenCL内核）和Host Program（主机程序），内核是SoC FPGA的FPGA部分实现的，是在Quartus中开发的，要求Windows/Linux系统中安装有OpenCL SDK；主机程序并不是SoC FPGA的ARM部分，而是在安装了Intel SoC EDS的Windows/Linux系统上交叉编译的。本实验基于Windows 64。

二原理介绍

边缘检测部分（edgedetect函数）

边缘检测部分使用了经典的Canny边缘检测算法，包括以下几个步骤：

灰度转换：将输入的RGB图像转换为灰度图像。
高斯模糊：对灰度图像进行高斯模糊，以减少噪声。
Sobel算子：计算图像的梯度，找出图像中的边缘。
非极大值抑制：通过比较像素点的梯度方向，抑制非极大值点，保留边缘的细节。
双阈值检测：通过设置高低阈值，确定强边缘和弱边缘，并进行边缘连接。

霍夫变换部分（hough 函数）

霍夫变换是一种用于检测图像中几何形状（如直线、圆等）的技术，基本原理为：

在图像空间中，一条直线可以表示为 y = kx + b；
在霍夫空间中，直线可以表示为 rho = x * cos(theta) + y * sin(theta)，其中 rho 是直线到原点的距离，theta 是直线的角度；
通过遍历图像中的每个边缘点，计算其在霍夫空间中的 rho 和 theta，并在累加器数组中进行投票。最终，累加器中的峰值对应于图像中的直线。

基于De10-Nano-OpenCL实现硬件加速

De10 - Nano 是一款基于 FPGA（现场可编程门阵列）的开发板。
OpenCL是一个开放的、跨平台的并行编程框架，允许开发者使用高级编程语言（如 C、C++）来编写可以在异构计算平台（包括 CPU、GPU、FPGA 等）上运行的程序。
FPGA 内部的逻辑单元可以同时处理多个数据，，可以同时对矩阵的多个元素进行乘法和加法运算，极大地加快了运算速度。