Rastreamento em tempo real com histograma de gradientes orientados implementado em SoC FPGA

Abstract

Com o crescimento do uso de robôs de móveis para aplicações em diversos campos, como automação industrial e robótica colaborativa, se faz necessário o rastreamento em tempo real desses agentes. Nesse contexto, este trabalho investigou a viabilidade de um sistema de rastreamento visual embarcado em System-on-Chip Field-Programmable Gate Array (SoC FPGA), formulando a estimação do deslocamento do alvo a cada frame como um problema de otimização estocástica bidimensional resolvido por meta-heurísticas bioinspiradas. A solução foi implementada na plataforma Kria KV260 Vision AI Starter Kit em regime de coprojeto hardware/software, no qual o descritor de aparência, o Histograma de Gradientes Orientados (HOG) foi desenvolvido de forma parametrizável e acelerado na lógica programá vel, permitindo a variação do tamanho da região de interesse e da granularidade dos blocos por meio de uma arquitetura modular. A comunicação entre o Sistema de Processamento (PS) e a Lógica Programável (PL) foi realizada via AXI4-Stream com AXI-DMA, garantindo inte gração eficiente entre os domínios e refletindo o desempenho do sistema híbrido completo. A metodologia contemplou dois regimes em software, um dedicado ao estudo comparativo das meta-heurísticas e outro como referência sob parametrização embarcada. Os resultados indicam viabilidade de tempo real condicionado à dinâmica do cenário. Na configuração mais robusta, com região de interesse de 64 × 64 pixels e blocos de 4 × 4 células, o PSO, utilizando 11 partículas, 3 iterações e raio de busca de 11 pixels, atingiu 16,30 FPS, com Intersection Over Union (IoU) médio de 0,8817 e Center Location Error (CLE) médio de 3,31 pixels. Na configuração equivalente com GWO, obteve-se 17,99 FPS, IoU médio de 0,8732 e CLE médio de 3,47 pixels, apresentando transições mais suaves entre quadros e maior estabilidade dinâmica. O estudo comparativo evidenciou que Grey Wolf Optimizer (GWO) e Particle Swarm Optimization (PSO) são adequados ao contexto investigado, sendo o PSO potencialmente superior mediante sintonização de seus parâmetros internos, enquanto o Fi refly (FFA) mostrou-se inadequado às restrições temporais impostas pelo sistema embarcado. Embora o uso de Filtro de Partículas tenha sido inicialmente considerado, sua implemen tação foi descartada por elevar o custo temporal na lógica programável, priorizando-se o throughput e a estabilidade operacional do sistema.