随着车辆的增多和路况复杂度的增加,因司机看不见汽车盲区而引发的交通事故也越来越多,盲区监测技术也成为了汽车行业研发的重点。然而,基于两点原因,现有的盲区监测系统价格居高不下:一是难以降低算法对算力需求,而高算力的芯片技术被国外巨头垄断;二是现有算法大多完全基于雷达或雷达与摄像头融合实现,其中雷达的造价较高。针对以上缺点,本文选用低价、低算力的车规级芯片T5,完全以环视摄像头为传感器,研发了包含全景监测、目标检测、目标测距三个功能的汽车盲区监测技术,并对算法进行了轻量化、并行计算加速等处理,使其可在T5上流畅运行,真正实现一款低成本、高准确度的盲区监测系统。其中,全景监测技术可将包含盲区在内的车周360°画面呈现给司机,即通过装于车身的四颗环视摄像头获取图像并基于张正友标定法进行矫正;且改进了Harris算法以检测远距离标定布的角点;并在此基础上进行逆透视变换以得到四张俯视图,最后确定角点在等比缩小俯视图中的位置,基于此拼接为一幅完整的全景监测图。另外,本文通过ADAM收敛、量化对anchor-free的Nano Det目标检测网络进行优化和加速,并基于自采集的鱼眼畸变样本训练了AP＿50达95%以上的环视摄像头车辆检测模型,解决了环视摄像头难以检测畸变目标的问题。此外,本文基于环视摄像头结构和全景监测图提出了一种目标距离估计方法,若通过距离判断到盲区有车辆,则在全景监测图的相应方位显示警报,预防事故发生。最后,本文将基于环视摄像头的盲区监测算法移植到了车规级So C全志T5上。其中,本文基于Open GL在GPU上实现了全景监测功能,基于MNN使Nano Det网络可在So C上运行,并基于Open CL并行计算对目标检测网络加速。经测试,全功能在嵌入式上运行的帧率可达12FPS,且对盲区来车报警的准确率可达94%,满足功能需求,真正在低成本的国产芯片T5上,完全基于环视摄像头,实现了兼具大视野、实时性、准确性的汽车盲区监测技术。