Panda 方案採用恩智浦的 S32V234 作為方案主晶片，S32V234是恩智浦第二代視覺處理器系列，旨在支援影像處理的計算密集型應用，並提供了一個ISP（可以支援 1080P ）、強大的3D GPU、雙APEX-2（速率達 80GMACS）視覺加速器和安全性。S32V234 適用於ADAS、NCAP前視攝像頭、異物檢測和識別、環視、機器學習和感測器融合應用。S32V234專為汽車級可靠性、功能安全和安全措施而設計，以支持汽車和工業自動化。Panda 方案预留了两路 MIPI 接口，一个 LVDS 视频输出接口，以及 SD 卡座，以太网，USB，CAN，JTAG等丰富的外围接口。
【1. 疲勞檢測演算法基本思路如下】
識別 ：Camera 輸入的圖像轉換成灰度圖像，通過進行人臉偵測，畫出人臉 ROI ，在人臉 ROI 中偵測人的眼睛，畫出人眼的 ROI ，計算眼睛 ROI 長條圖，計算長條圖平均值。
判斷 ：根據人閉眼的程度，提前預設一個閾值，系統檢測到人眼長條圖的平均值，一旦超出閾值就會報警。
報警 ：通過外接的蜂鳴器，發出聲音進行警告駕駛員。根據具體產品定義需要，甚至可以將該系統連接至車輛的中控系統，執行刹車、降速的操作。
1_1.場景應用圖_疲勞檢測
1_2. 產品實體圖_疲勞檢測
1_3. 演算法流程__疲勞檢測
【2. 前方碰撞（FCW）的演算法基本思路如下】
識別：Camera 輸入的圖像選擇對應的 ROI ，進行高斯濾波，並進行圖像灰度處理，然後對圖像進行二值化，通過圖像的膨脹、侵蝕動作，檢測到車輛的座標，並通過光流演算法計算跟前車的相對速度，得出相對距離。
判斷：當跟前車的距離低於預設的閾值時，系統會發出報警。
報警：可通過外接的蜂鳴器，發出聲音進行警告駕駛員。根據具體產品定義需要，甚至可以將該系統連接至車輛的中控系統，執行刹車、降速的操作。
2_1. 場景應用圖_前方碰撞（FCW）
2_2. 產品實體圖_前方碰撞（FCW）
2_3. 演算法流程__前方碰撞（FCW）
【3. 車道偏離（LDW）的演算法基本思路如下】
識別：Camera 輸入的圖像轉換成灰度圖像，通過對灰度圖像進行二值化，轉成鳥瞰視圖，下一步進行 Sobel 濾波以及中值濾波，然後進行 Hough 演算法，計算出車道線在圖像中的座標值。
判斷：根據車道線的座標，計算中心值，跟車輛的中心座標進行比對，當車輛中心的座標值位於車道線中心右側時，代表車輛往右側偏移，當偏離的距離超過一定的閾值時，發出報警。反之向左側偏移，處理方式跟右側一致。
報警：可通過外接的蜂鳴器，發出聲音進行警告駕駛員。根據具體產品定義需要，甚至可以將該系統連接至車輛的中控系統，執行刹車、降速的操作。
3_1. 場景應用圖_車道偏離
3_2. 產品實體圖_車道偏離
3_3. 演算法流程_車道偏離
【4. 全景監控的演算法基本思路如下】
魚眼校正：選擇黑白相間的棋盤圖放於 Camera 的拍攝區，對拍攝到的棋盤圖進行灰度處理，找到相應的角點，並進行校準，最後得出逆矩陣，並測試校正後的圖像效果。
圖像拼接：對校正後的 4 幅圖像，根據需要進行 resize ，提取圖像的相關特徵，根據抓取的特徵點進行特徵匹配，然後進行波浪校正和縮放校正，獲得圖像的校正參數，接著進行圖像的透視變換，獲得鳥瞰圖，最後進行曝光補償，圖像融合相關處理。
圖像顯示：經過拼接的圖像通過 LVDS 傳輸到顯示屏。
4_1. 場景應用圖_全景監控
4_2. 演算法流程__全景監控
圖像資料流基本過程：首先 Camera 獲取的每一幀圖像經過 ISP 的初步預處理，然後 ISP 將圖像存放到系統的 DDR 中，APEX 的調度程式從 DDR 獲取對應的圖像，由於 APEX 是平行計算單元，每一幀圖像會被切割成一定的局部尺寸給 APEX 的每個 CU 進行計算，APEX 的128 個 CU 同時進行計算，APEX 主要負責特徵檢測、長條圖計算功能。
展示板照片
