ChipNet：基于 FPGA 的实时 LiDAR 处理用于可行驶区域分割
信号处理
2019-03-07 v4 图像与视频处理
摘要
本文提出了一种基于卷积神经网络 (CNN) 的分割算法的现场可编程门阵列 (FPGA) 设计，能够实时处理光探测与测距 (LiDAR) 数据。对于自动驾驶车辆，可行驶区域分割是为规划任务设定静态约束的关键步骤。传统的可行驶区域分割算法多基于相机数据开发，因此其性能易受光照条件和道路标线质量的影响。LiDAR 传感器可高精度获取车辆周边的三维几何信息。然而，实时处理大量 LiDAR 数据在计算上具有挑战性。本文提出并训练了一种卷积神经网络模型，利用来自 LiDAR 传感器的数据进行语义分割。提出了一种高效的硬件架构并在 FPGA 上实现，可在 17.59 ms 内处理每次 LiDAR 扫描，远快于以往工作。使用 Ford 和 KITTI 道路检测基准进行评估，所提方案在性能上达到高准确率，在速度上实现实时处理。
引用
@article{arxiv.1808.03506,
title = {ChipNet: Real-Time LiDAR Processing for Drivable Region Segmentation on an FPGA},
author = {Yecheng Lyu and Lin Bai and Xinming Huang},
journal= {arXiv preprint arXiv:1808.03506},
year = {2019}
}
备注
11 pages. IEEE Transactions on Circuits and Systems I: Regular Papers (2018)