现在的位置: 首页资讯>正文
自动驾驶系统:基于Zynq的CNN(卷积神经网络)系统
2018年02月08日 作者: 暂无评论 676+ 0

最近几年关于自动驾驶汽车的新闻不断出现在头条新闻,各大传统汽车制造商与互联网公司结合纷纷杀入自动驾驶这个“蓝海”市场,与其说这是汽车行业所经历的一场巨大革命,倒不如说是人工智能(AI)的兴起,自动驾驶的根本原理就是利用机器视觉系统。当然自动驾驶汽车的发展也是一步一步的并且需要经验的积累,目前我们看到特斯拉、百度等厂商都推出了辅助自动驾驶系统,还远远没有实现完全的自动驾驶,此外自动驾驶汽车真正上路还必须得到国家机动车管理部门的政策许可,因此不得不承认自动驾驶汽车还有很长的一段路要走。

Zynq1

图1:自动驾驶汽车要能够实时感知路况信息

机器视觉技术可以应用于自动驾驶系统中实现路况信息的采集和检测,其中CNN(卷积神经网络)在机器视觉系统中用于图像处理具有压倒性的优势。CNN网络根据复杂度可以划分为很多个“网络层”,典型的卷积神经网络可以划分为卷积层、池化层和全连接层,它能够将数量庞大的图像识别问题进行不断的降维处理,最终被训练后用于高效的图像识别。

来自韩国的ATUS公司实现了基于Zynq的CNN(卷积神经网络)系统,并且移植到汽车上进行了上路测试(如下视频所示),通过视频我们可以看到它能够实现道路上行人、汽车、动物和道路标志等的实时检测与识别。

ATUS公司的这个解决方案采用的是Xilinx Zynq-7020 SoC处理器,移植的是YOLO图像处理算法,YOLO(You Only Look Once)是基于GoogleNet的物体检测深度网络,实时和有效是YOLO网络的最大的特点和优势,这两点也是自动驾驶和ADAS系统所必须具备的,该系统的视频流速度可达到46.7fps(@416x234)。

Xilinx推出的Zynq-7000和UltraScale+ MPSoC系列是机器视觉应用的理想选择,能够为复杂多任务的并行设计提供无与伦比的性能,并且满足降低的成本和功耗要求。尤其是它们所支持的reVISION Stack能够提供丰富的算法、IP和应用开发资源,支持最流行的神经网络,帮助工程师更快的开发视觉导向的智能系统。

搜索爱板网加关注,每日最新的开发板、智能硬件、开源硬件、活动等信息可以让你一手全掌握。推荐关注!

【微信扫描下图可直接关注】

aiban

相关文章

英特尔看中神经网络处理器,聚焦人工智能生态

近日,英特尔聚焦于拓宽其人工智能生态,收购Naveen Rao,押宝神经网络处理器。从整体来看,目前全球人工智能的格局尚未明朗,属于各自做技术探索的局部战,尚未进入群雄逐鹿的总体战。

称台积电7nm生产工艺已准备好大规模生产

援引彭博社上月报道,台积电已经开始为2018年款iPhone生产7纳米工艺的A12处理器,比iPhone 8和iPhone X目前使用的10纳米芯片体积更小、速度更快、效率更高。

定位低端应用场景:Imagination推出神经网络加速芯片AX2185和AX2145

在Series2NX NNA所针对的嵌入式和移动领域,当时已经有大量的AI硬件,比如CEVA的NeuPro、寒武纪为麒麟 970设计的神经处理单元(NPU),以及ARM尚未敲定的“Project Trillium”。

中国铁路启动智能高铁自动驾驶系统现场试验 时速高达350公里

央视新闻客户端6月7日报道,当日上午,中国铁路总公司在京沈高铁辽宁段启动高速动车组自动驾驶系统现场试验,这标志着中国铁路在智能高铁关键核心技术自主创新上取得重要阶段成果

克莱斯勒自动驾驶规划:2021年实现三级自动驾驶

克莱斯勒自动驾驶规划:2021年实现三级自动驾驶 虽然自动驾驶和半自动驾驶企业近期遭遇一些负面新闻,但并没有阻止菲亚特-克莱斯勒公司继续实施这项技术的5年规划。该公司旗下的Jeep、阿尔法...

给我留言

您必须 [ 登录 ] 才能发表留言!