描述

在過去的幾年里，我一直在StreamLogic開發(fā)工具，旨在讓在邊緣構(gòu)建和部署計(jì)算機(jī)視覺變得更加容易。我最喜歡的目標(biāo)平臺(tái)之一是來自 tinyVision.ai的Vision FPGA SoM ：

很小的吧？在中心，您可以看到來自 HiMax Imaging 的小型、低功耗且價(jià)格低廉的相機(jī)模塊。我一直在尋找我可能針對此平臺(tái)的新應(yīng)用程序。

幾個(gè)月前，在一位商業(yè)伙伴提到他們使用無人機(jī)的一個(gè)農(nóng)業(yè)用例后，我退出了無人機(jī)。無人機(jī)是 tinyML 的一個(gè)很好的用例；它們需要大量傳感器數(shù)據(jù)，并且對尺寸、重量和功率敏感。我對無人機(jī)幾乎一無所知，但我整個(gè)周末都在嘗試定位和研究開源無人機(jī)。在周末結(jié)束之前，我購買了一架無人機(jī)：Holybro 的QAV250 套件。

這架無人機(jī)沒有預(yù)先組裝，并且是新手，幾個(gè)月前，我擁有所有正確的零件并將其從地面上取下來。但是，讓我們跳到故事的結(jié)尾。一旦我開始真正駕駛無人機(jī)，我就意識(shí)到 GPS 定位是多么的不準(zhǔn)確。使用自動(dòng)駕駛儀執(zhí)行自主任務(wù)時(shí)，您可能會(huì)發(fā)現(xiàn)您的無人機(jī)遠(yuǎn)離計(jì)劃的飛行路徑。這在飛行和著陸中都非常危險(xiǎn)。就在那時(shí)，我想出了這個(gè)項(xiàng)目的想法。

目標(biāo)很簡單：使用自動(dòng)駕駛儀安全著陸無人機(jī)。這有兩個(gè)部分：1）在預(yù)期的表面上著陸（在我的例子中是人行道）和 2）避免表面上的任何意外障礙物。為了實(shí)現(xiàn)這一點(diǎn)，我提出了一種計(jì)算機(jī)視覺算法來檢測無人機(jī)降落時(shí)應(yīng)該何時(shí)以及向哪個(gè)方向移動(dòng)。

算法設(shè)計(jì)

我的解決方案在高層次上非常簡單。向下的攝像頭安裝在無人機(jī)的底部。當(dāng)無人機(jī)緩慢下降著陸時(shí)，它會(huì)捕捉圖像進(jìn)行分析。首先，將無人機(jī)正下方的平方米確定為著陸點(diǎn)。其次，還對八個(gè)方向（北、東北、東、東南、南、西南、西、西北）的附近站點(diǎn)進(jìn)行評級。最后，如果附近任何一個(gè)站點(diǎn)的評分明顯優(yōu)于當(dāng)前站點(diǎn)，則無人機(jī)的位置將沿相應(yīng)方向調(diào)整。

這是從我的無人機(jī)拍攝的示例圖像：

?

如果我們繼續(xù)前進(jìn)，中間的黑色方塊就是當(dāng)前的著陸點(diǎn)。它周圍的標(biāo)記方塊是評估可能的方向變化的候選站點(diǎn)。顯然，如果我們要降落在人行道上，我們想在這種情況下向東南移動(dòng)。

嗯，這是高水平，但您可能仍然想知道 1）您如何知道一米的大小以及 2）您如何評價(jià)它？第一個(gè)很簡單，無人機(jī)已經(jīng)有一個(gè)高度傳感器，所以你可以估計(jì)無人機(jī)的高度。鑒于高度、一些相機(jī)規(guī)格和一些代數(shù)，計(jì)算當(dāng)前圖像的每米像素?cái)?shù) (PPM) 非常簡單。在這種情況下，它的計(jì)算結(jié)果為 PPM = 168 / H。

對于第二個(gè)問題，這就是計(jì)算機(jī)視覺的用武之地。我們需要能夠?qū)D像進(jìn)行任意裁剪，并獲得關(guān)于該圖像是無障礙路面的可能性的定量分?jǐn)?shù)。實(shí)際值在這里并不重要，只要我們可以比較兩個(gè)分?jǐn)?shù)來確定哪個(gè)更好。可以手工制作算法，但我選擇訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò) (CNN) 來生成分?jǐn)?shù)。

下一節(jié)將討論我是如何訓(xùn)練 CNN 的，但讓我們看一下上圖的輸出：

?

此圖顯示當(dāng)前著陸點(diǎn)（標(biāo)記為 C）和所有 8 個(gè)方向的候選點(diǎn)的得分。毫無疑問，東南部是希望的贏家。

機(jī)器學(xué)習(xí)

如上所述，我選擇使用 CNN 為候選著陸點(diǎn)生成定量分?jǐn)?shù)。具體來說，全卷積網(wǎng)絡(luò)（FCN）。這些與其他 CNN 的不同之處在于它們不以密集或全局池化層結(jié)束。最后一個(gè)卷積層的激活圖是網(wǎng)絡(luò)輸出。正如您將看到的，這非常適合此應(yīng)用程序。

訓(xùn)練 FCN 有不同的方法，但我選擇先構(gòu)建分類器 CNN，然后將其轉(zhuǎn)換為 FCN。讓我們先看看我是如何構(gòu)建分類器的。

我想創(chuàng)建一個(gè)分類器，將小圖像塊分類為好或壞。但首先，我需要數(shù)據(jù)。自然地，我花了很多時(shí)間在互聯(lián)網(wǎng)上搜索一些公共數(shù)據(jù)集。不幸的是，沒有什么真正適合我的任務(wù)。我需要?jiǎng)?chuàng)建自己的數(shù)據(jù)集，但是如何創(chuàng)建？最后，我創(chuàng)建了自己的電池供電圖像記錄器。

?

圖像記錄器每秒捕獲圖像并將它們寫入 SD 卡。這使我能夠在著陸期間從我的無人機(jī)收集圖像，如下所示：

?

手頭有許多圖像，我創(chuàng)建了三個(gè)不同類別的補(bǔ)丁數(shù)據(jù)集：

• 地面（非人行道）
• 路面
• 未知（人行道邊緣/非人行道）

我最初收集了大約 2,000 個(gè)補(bǔ)丁。然后我花了很多時(shí)間嘗試訓(xùn)練一個(gè)淺層網(wǎng)絡(luò)（2 個(gè)卷積層），但沒有取得多大成功。我嘗試了許多數(shù)據(jù)增強(qiáng)和網(wǎng)絡(luò)結(jié)構(gòu)都無濟(jì)于事。網(wǎng)絡(luò)總是會(huì)在驗(yàn)證集上生成隨機(jī)結(jié)果或做出恒定的選擇 (:sigh:)。

除了獲取更多數(shù)據(jù)外，別無他法。所以，我從我的圖像中收集了大約 1, 800 個(gè)補(bǔ)丁。Bingo，大約有 4, 800 個(gè)補(bǔ)丁，訓(xùn)練表現(xiàn)良好，經(jīng)過一些實(shí)驗(yàn)，我的網(wǎng)絡(luò)達(dá)到了 88% 的準(zhǔn)確率。這是最終的網(wǎng)絡(luò)：

model = Sequential([
    layers.Input(shape=(tgt_width,tgt_height,3)),
    layers.Conv2D(10, 5, strides=2, padding='valid', activation='relu'),
    layers.Conv2D(3, 3, padding='valid'),
    layers.GlobalAveragePooling2D(),
])

這個(gè)模型只有 1, 033 個(gè)參數(shù)！

有關(guān)完整的訓(xùn)練過程，請參閱training.ipynb代碼存儲(chǔ)庫中的 Jupyter 筆記本。

全卷積網(wǎng)絡(luò)

有了地面補(bǔ)丁分類器，是時(shí)候?qū)⑵滢D(zhuǎn)換為我們可以應(yīng)用于整個(gè)圖像的 FCN。查看上面的網(wǎng)絡(luò)，您可以看到通過移除 GlobalAveragePooling2D 層，我們最終得到了一個(gè)僅包含卷積層的網(wǎng)絡(luò)。它接受任何圖像大小并生成比例大小的激活圖。FCN 的結(jié)果實(shí)際上與以滑動(dòng)窗口方式將補(bǔ)丁分類器應(yīng)用于圖像中的所有補(bǔ)丁相同。輸出圖中每個(gè)位置的激活值是輸入圖像中相應(yīng)位置的補(bǔ)丁的分類器結(jié)果。

這真的有效嗎？我們來看一下。這是示例圖像的渲染和 FCN 的相應(yīng)輸出：

?

右圖顯示了路面類的 FCN 輸出。將正確圖像中的值與候選站點(diǎn)相加，可以得出該站點(diǎn)的分?jǐn)?shù)。

這是呈現(xiàn)相同數(shù)據(jù)的另一種方法：

?

在這張圖片中，我用一個(gè)紅色正方形覆蓋了原始圖像，其透明度是路面類輸出的倒數(shù)（即越有可能是路面，越透明）。查看目標(biāo)著陸點(diǎn)，紅色越多，得分越低。

創(chuàng)建 FCN 并將權(quán)重從訓(xùn)練的分類器轉(zhuǎn)移到 FCN 的所有詳細(xì)信息都在evaluation.ipynb代碼存儲(chǔ)庫的 Python 筆記本中。

量化

我對網(wǎng)絡(luò)進(jìn)行了量化，以使用 8 位權(quán)重和 8 位激活來獲得更好的運(yùn)行時(shí)性能。您可以遵循 Tensorflow 文檔中描述的標(biāo)準(zhǔn)程序，但我使用了我自己的方法，該方法具有更簡單的量化模型。該過程在README代碼存儲(chǔ)庫中進(jìn)行了詳細(xì)說明。

這是量化網(wǎng)絡(luò)的輸出示例：

?

這與原始網(wǎng)絡(luò)的輸出幾乎沒有區(qū)別：

?

硬件構(gòu)建

我已經(jīng)有了一個(gè)帶有 Vision FPGA SoM 的硬件堆棧和一個(gè)來自Battery-powered Image Logger項(xiàng)目的微控制器。不幸的是，結(jié)果證明微控制器太小了。計(jì)算 FCN 中每一層的輸入/輸出激活圖的大小，我們發(fā)現(xiàn)我們需要 48KB 的緩沖區(qū)空間。幸運(yùn)的是，還有另一個(gè)符合要求的 Feather 板。

Feather M4 Express 不僅速度更快，而且擁有高達(dá) 192KB 的 RAM！該項(xiàng)目不需要 SD 卡，因此我們的構(gòu)建只是堆疊在 Feather M4 Express 上的 Vision FPGA SoM 板。

?

體積小、重量輕、電池供電！

執(zhí)行

從框圖中您可以看到 FPGA 被用作相機(jī)模塊和微控制器之間的橋梁。

?

FPGA 將捕獲的圖像以圖像傳感器的原始格式（即拜耳濾波器圖像）傳遞給微控制器。FPGA 的預(yù)構(gòu)建編程文件在代碼庫中提供。

這讓微控制器的任務(wù)是：

• 將圖像從 Bayer 轉(zhuǎn)換為 RGB 格式
• 將圖像下采樣到 80x80
• 執(zhí)行 FCN 推理
• 對目標(biāo)站點(diǎn)區(qū)域求和

所有這些任務(wù)的源代碼都包含在sketch代碼存儲(chǔ)庫的文件夾中。我將在這里對代碼做一些評論。

完整的原始圖像超過 100KB，雖然這個(gè) MCU 有 192KB，但我不想不必要地浪費(fèi)空間。下采樣的圖像只需要 20KB。您將在從 FPGA 讀取圖像的循環(huán)中看到，它在讀取時(shí)執(zhí)行拜耳轉(zhuǎn)換和下采樣，一次一個(gè)塊，因此我們只需要為下采樣圖像提供足夠的空間。

這個(gè)網(wǎng)絡(luò)沒有使用 CNN 框架，而是非常簡單，以至于我實(shí)現(xiàn)了自己的卷積和激活函數(shù)。這些在gndnet.cpp文件中定義。如果您有興趣了解有關(guān)卷積如何工作的更多信息，它的編寫方式非常簡單。我并不太擔(dān)心性能，但這些可能會(huì)被 ARM神經(jīng)網(wǎng)絡(luò)庫中的函數(shù)取代以獲得更好的性能。

結(jié)果

著陸算法與無人機(jī)飛行控制器的集成超出了此概念驗(yàn)證的范圍。目標(biāo)是設(shè)計(jì)和訓(xùn)練算法，證明其有效性并獲得一些性能數(shù)據(jù)。

從質(zhì)量上看，該算法看起來不錯(cuò)。它已在用于培訓(xùn)的站點(diǎn)以及未用于培訓(xùn)的站點(diǎn)的測試圖像上進(jìn)行了評估。結(jié)果非常令人鼓舞。當(dāng)然，要投入生產(chǎn)，人們可能希望對來自多個(gè)站點(diǎn)的數(shù)據(jù)進(jìn)行訓(xùn)練。

在性能方面，從圖像捕獲到分?jǐn)?shù)計(jì)算的整個(gè)過程大約是 525 毫秒。這意味著略低于 2 FPS。這可能會(huì)起作用，因?yàn)闊o人機(jī)確實(shí)以相當(dāng)慢的速度下降。但是，這很容易得到改善。例如，如果將 Bayer 轉(zhuǎn)換和下采樣功能移至 FPGA，則時(shí)間會(huì)縮短到 200 毫秒多一點(diǎn)。那將超過 4 FPS，這絕對足夠了。