算法實施

　　起初，我們想提供一種單處理器系統。不過很快發現，專用處理器可以簡化算法開發工作每次迭代所需的集成工作。我們把主處理器和 Foot-LITE 算法處理器隔離開來，中間用MicroBlaze? Fast Simplex Link (FSL) 總線系統來實現通信。這樣可以把兩個處理器的存儲完全隔離開來(與常見的共享存儲的做法不同)，可以大幅度簡化集成工作，因為錯誤不會通過內存損壞而從一個處理器遷移到另一個處理器上。

　　此外，這樣可以避免對處理器周期的競相爭用。這就意味著我們的合作伙伴可以放心，我們對主機應用所做的任何修改都不會影響他們的應用性能。

　　圖 2 – 基于 Spartan 的處理模塊

　　我們開發了一系列封裝功能，允許我們訪問Simulink? 編譯器生成的 C 語言程序，而無需對接口進行大幅更改。我們可通過 I2C 總線提供少量非易失板上緩存空間，用于存儲Foot-LITE 算法中的各種調節參數 (tune parameter)。這就需要一個簡單的封裝程序，以便算法在 Simulink 環境下實現輕松訪問，從而在啟動時讀取該內存，并在關斷時寫回。

　　該系統需要測量加速度和橫擺角速度，并通過CAN總線與車道和車輛檢測系統通信。由于我們已經有了底層CAN 驅動程序，而且我們擔心Linux應用在40毫秒的時間范圍內測量車輛動態信息的及時性，我們決定在系統中再增加一個MicroBlaze。這樣可以不必把 CAN 驅動程序導入Linux，而且可以通過另一個隔離的處理節點實現確定的性能。這對算法非常重要，因為算法使用的動態測量值。此外，這種方法還可以讓我們把編寫軟件的工作拆開，進行并行開發。這里我們還是使用 FSL 作為動態處理器和Foot-LITE 算法處理器之間的接口。

　　視頻捕獲與壓縮

　　系統的初步構想是把視覺系統的數據通過CAN 總線傳輸給 Foot-LITE 算法單元，為車道寬度和偏移量、與前方車輛之間的距離等提供簡單的測量。項目合作伙伴決定強化其設置，將捕獲到的視頻幀傳輸到服務器，進行離線環境分析，以轉譯系統提供的信息的含義。鑒于這項要求只針對“互聯網質量”的視頻(頻率為5 Hz 時，像素為 300x200)，我們覺得我們可以再用一個 MicroBlaze，把視頻流實時壓縮成一系列 JPEG 圖像。攝像頭捕獲的圖像是寬VGA(頻率為30Hz 時，像素為 720 x 480，)視頻流。很明顯，圖像降采樣工作應該交給硬件來做。

　　我們設計了一個簡單的外設，通過交替去掉像素和行來進行降采樣操作，生成360 x 240的圖像。該外設還每 5 幀去掉 4 幀，以獲得所需的幀率。無需進行更復雜的處理就可以獲得視覺上可以接受的結果，因為JPEG 處理會讓走樣的人為效果不可見。我們使用系統生成器來開發該外設，因為它可以直接導出到 EDK，而且我們已經有了使用系統生成器進行更加復雜的圖像處理的經驗。

　　進入連接到 JPEG 處理器的 SDRAM 的數據由降采樣外設的總線負責控制，數據隨即被逐幀壓縮，送入循環緩沖區，直到Foot-LITE算法發出標志。JPEG處理器將壓縮后的視頻幀(也是通過 FSL)發送到主機 MicroBlaze。我們使用獨立 JPEG 小組提供的代碼庫，而且發現基本不需要優化就可以工作在 5Hz 的條件下。

　　另外，通過隔離的處理器讓另一位軟件工程師(身處異地)在進行系統相同部分開發的時候，都可以并行不悖。