自动驾驶汽车计算机视觉与深度学习算法的硬件实现讲座报告.docx_计算机视觉应该用哪个硬件资源-CSDN文库

版权申诉

计算机视觉

97 浏览量 2022-07-06 09:22:35 上传评论收藏 11KB DOCX 举报

资源推荐

资源详情

资源评论

自动驾驶汽车计算机视觉与深度学习算法的硬件实现

在老师的推荐下，我观看了哔哩哔哩一个 up 主的一个视频讲座，这个讲

座的主题是《自动驾驶汽车计算机视觉与深度学习算法的硬件实现》。虽然我现

在的专业是机械设计制造及其自动化，但是我对自动驾驶汽车很有兴趣，而且我

看到视频里涉及到了 python 的知识，我之前也学习过一些 python 的知识，因此

我果断选择了这个主题，虽然在听的过程中有很多知识听不懂，但是整个过程我

却听得津津有味，以下是我看完整个视频后的一些感想体会。

首先博主向我们介绍了自动驾驶汽车的定义。与我想象的不一样，自动驾驶

竟然可以分为五级，而我们平常开的车竟然才是 0 级，这有点出乎了我的意料。

而等级越高我发现，汽车对环境处理的要求也越来越高，在 0、1、2、3 级中都

需要一个驾驶员来辅助驾驶，而 4、5 级则真正实现了完全自主，区别在于第四

级并不涵盖所有驾驶场景。然后博主向我们详细介绍了第五级别。第五级别的汽

车使用激光脉冲扫描环境。而不是采用雷达的无线电波，原因是激光脉冲精确度

更高，如果加上摄像头，则精确度会更高。扫描完成后，汽车的计算机将传感器

GPS 和 IMU 的输入聚集起来构建地图。

接着博主向我们讲解了什么是计算机视觉——利用数字处理和智能算法来

解释图像或视频的意义。这些视觉需要用到很多算法和传感器，而且每秒需要十

亿次的操作。因此要求中央处理器要求要有高的响应性，还要高带宽和低延迟，

所需的数据也都要实时处理，这对中央处理器提出了更高的要求。那么我们的中

央处理器怎么处理这么多的数据呢？目前自动驾驶汽车很多用了高达 6 个高清

摄像头，单个摄像头每秒需要向中央处理器传达多达一亿多的像素。因此一些

CPU 速度不够快或者效率不够高，则不能胜任。还有其它的处理器，比如数字信

号处理器 DSP、GPU 系统、FPGA、专用集成电路 ASIC、IP 和 ASIC 中的专用 AI

和CV 处理器或加速器。目前应用最广泛的就是最后一种，这也是许多服务器的

目标。

然后博主向我们介绍了计算机视觉的两种设计/算法方法。第一种：也就是

经典的方法——计算机视觉/图像处理。这是一种基于一维或者二维卷积滤波器

的提取图像的方法。但是这种方法计算率非常高、非常复杂。还有一种比较现代

的方法——神经网络深度学习（CNN）。这是基于多层并行卷积的特征检测与提取

图像的方法。CNN 是将深度学习和计算机视觉结合在一起的卷积神经网络，并且

CNN 非常适合图像分类。卷积神经网络需要学习和实施。接着博主介绍了弹射器

HLS 平台，由于这部分听不懂，这里先不做介绍。

另外，博主指出，HLS 比 RTL 更有效率，因为 HLS 将功能与实现分离，并具

有强大的工具功能来控制实现。在硬件设计中，功耗是比较重要的环节，HLS 提

供最低功率 RTL。博主还说到，我们的设计一开始的时候一般用 FPGA 来做，因

为这样可以很容易做出一个样品，到展示的时候再转变成 eFPGA(嵌入式 FPGA)。

另外一个方面，HLS 使设计人员能够在 C 级验证功能并符合现有的 RTL 方法。C++

或者是 C 做验证要比 RTL 要快 100 倍以上，这再一次证明了 HLS 的优越性。

最后，博主讲到了 You Only Look Once YOLO（顾名思义，就是对图片仅进

行一次扫描就能同时识别多个物体，并标记出物体的位置。）但是这个软件我没

有安装，而且目前还用不到，因此这里不做进一步介绍。

看完这个视频，前面还有点听得懂，但后面明显是很专业的知识，所以有很

多没有听懂。但是他为我打开了一座新世界的大门。让我初步了解了自动驾驶汽

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

内容反馈

版权申诉

G11176593

粉丝: 6646
资源: 3万+

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip