搜索新闻

以 Zynq SoC 实现毫秒级边缘 AI 感知

来源：投影时代　更新日期：2022-03-22 作者：佚名

伴随人工智能、大数据等新一代信息技术与智慧道路建设运营实际需求的结合，车路协同（ V2X ）在高速公路的落地应用将得到有力推动。据估计，中国有 15 万公里高速公路和 25 万个城市路口将开展智能化、网联化改造。

激光雷达作为车路协同中核心传感器，凭借卓越的主动感知特性，有望实现爆炸式增长。但与此同时，其对路侧 AI 边缘计算机的性能也提出了更高要求。

雪湖科技聚焦于智慧交通的的激光雷达 AI 感知，推出了嵌入式 AI 感知边缘计算机 LiDAREYE?。该平台内置赛灵思 Zynq? UltraScale+? ZU7EV 和雪湖科技自研的 AI 硬件加速引擎与 AI 算法，专为激光雷达 3D 点云的 AI 感知计算而设计。它能在低于百毫秒级时间内实现对目标物的识别，并提供目标位置、尺寸、速度及方向等多种检测参数，从而助力道路车辆实时判断交通状况，以便调节行驶状态、选择行驶车道，有效避免碰撞和其他交通事故。

目前，雪湖科技在智慧交通和车路协同基础设施系统（ CVIS ）方面，已与多家行业头部企业就 LiDAREYE? 部署开展深入合作。

图：雪湖科技 AI感知边缘计算机LiDAREYE?

项目挑战

区别于大多数 AI 边缘计算场景，智慧交通场景具有其自身的特殊性，在 AI 感知和边缘计算场景下面临三大挑战。

高精度感知算法需求

不同于室内或封闭环境，汽车必须应对道路上的各种对象。此外，汽车还必须解决速度和复杂的气象条件对激光点云的感知准确性造成的影响。尽管 3D 深度学习算法能够提升精度，但 GPU 架构本身存在性能局限，因此处理帧率远远无法满足应用需求。

低时延要求

为了实现全息路口、车路协同和自动驾驶等上层应用，动辄需要对十多万点形成的点云进行 AI 实时处理。如何在感知计算层保障高性能计算，同时满足低时延的数据处理要求，成为智慧道路边缘计算方案的关键指标，也是设计面临的主要挑战之一。虽然 GPU 能够提供出色的并行计算能力，但面对稀疏点云的计算依然捉襟见肘。

恶劣的运行环境

在很多国家，道路的气候条件纷繁复杂，这就对计算设备的可靠性提出了更加严苛的要求。通常，AI 计算平台大多为室内使用所设计，无法支持在宽温度范围和复杂气候条件下长时间运行。

解决方案

为了应对上述挑战，雪湖科技研发团队选择了赛灵思的工业级 Zynq UltraScale+ ZU7EV MPSoC 器件作为其核心芯片平台。

在设计上，高度集成的 ZU7EV 工业级平台将特性丰富的 64 位四核 ARM? Cortex?A53 处理器、双核 Cortex-R5 处理系统（ PS ）与赛灵思可编程逻辑（ PL ）UltraScale FPGA 架构集成在单个器件中。借助该平台的价值优势，雪湖科技实现了如下技术突破：

高性能计算能力：

相较于较 2D 算法，雪湖科技 LiDAREYE 的 3D 点云感知引擎将精度提升了 5%，从而提供了更高的激光点云 AI 感知精度。

低时延：

Zynq 器件独特的 PL 特性提供了高水准的软硬件可重配置能力与并行计算功能，支持雪湖科技为神经网络的预处理和后处理以及网络本身进行全流水加速，从而实现小于 100 毫秒的超低时延，可以完美满足车路协同场景下的性能需求。

宽温度范围：

Zynq 平台支持宽泛的工作温度范围，允许 LiDAREYE 在 -20 至 70 摄氏度的范围内可靠运行。

设计成效