解决自动驾驶数据处理与传输难题,Zynq平台横空出世

作者:清风流云

背景:
My Pappy said
Son,you’re gonna
Drive me to Dribkin’
If you don’t stop drivin’
That Hot Rod Lincoln——Commander Cody & His Lost Planet Airmen

相信大家一定听过上面这首歌,这首歌整体来说只有一个意思,那就是你需要一个自动驾驶汽车。对于很多关注机器学习或者是喜欢看美国大片的创客都对自动驾驶汽车这个概念不再陌生了,那就来说说关于自动驾驶最近的消息吧。

Perrone Robotic MAX:
在过去的14年中,Perrone Robotic一直将目光聚焦为自动驾驶汽车创建一个集成的创新平台上,这个平台允许汽车制造商快速集成多个各种各样用途的传感器和控制算法并可以应用在自动驾驶汽车上。而公司开发的MAX(Mobile Autonomous X)正是一个综合的全栈的模块化的具有实时分析能力并且可定制的可以用于自动驾驶汽车或者是专用机器人中的软件平台。

实现自动驾驶汽车所需要的传感器主要包括摄像头、激光、雷达、超声波以及GPS。而所有的这些传感器交叉在一起将会产生大量数据——对于Perrone测试平台来说大概是1MB/s 的数据量,设计人员还需要将不同传感器的数据分配到不同的任务中,然后在根据不同的任务将数据分配给不同的多个处理器进行处理,然后再将各个处理器处理的传感器数据(传感器融合)结果融合在一起,然后将结果应用到实现实时的确定性汽车性能上,然后,对于要求最高的任务,软件处理却无法发送回足够快的数据响应。

最关键的是,自动驾驶系统中的自驱动系统必须根据事实传感器数据在一秒中内作出100个决定,正如你永远都不知道你下一步将会面对什么。

根据Perrone首席营收官Dave Hofert描述,在此系统中,应用Xilinx Zynq UltraScale+ MPSoC内部的多个ARM Cortex-A53和-R5处理器以及其强大的可编程逻辑,可以为有效及时的处理所有这些关键性任务提供一个解决方案,为获得足够的处理能力,此系统还加入了机器学习的知识。

总结:
在自动驾驶以及机器学习炒得如火如荼的今天,各个研究部分都知道要实现自动驾驶必须加入机器学习,却一直忽略了一个问题,那就是软件处理和传输的速度从根本上将是无法与硬件处理和传输速率匹敌的,所以在自动驾驶的实现过程中,加入Xilinx FPGA,必定事半功倍。

声明:本文为原创文章,转载需注明作者、出处及原文链接,否则,本网站将保留追究其法律责任的权利