科研之友
微信
新浪微博
Facebook
分享链接
摘要
车载目标检测系统作为自动驾驶中的重要组成部分,可有效降低交通事故的发生。以卷积神经网络为代表的目标检测算法相较浅层机器学习算法在检测精度方面有了明显提升,但也为低功耗、小型化的嵌入式实现带来了困难。文中使用多核异架构ZYNQ-SOC平台,采用软硬件协同设计的原则,设计了一款车载目标检测系统。针对卷积神经网络结构复杂的问题,提出了一种软硬件划分的改进方法;针对运算量巨大的问题,提出了使用FPGA算法实现卷积运算的并行加速。试验结果表明,该系统设计在各种复杂路况和光照条件下检测结果准确,在功能上体现了良好的鲁棒性。在加速性能方面,相对于ARM cortex-A9吞吐量提高了百倍级,运算效能也达到了60倍左右。在检测精度方面,使用YOLOv2算法在不同检测场景下准确率和覆盖率均超过80%。系统的各项指标达均到了项目设计要求,满足了车载目标检测的应用需求。
-
单位自动化学院; 天津工业大学
