[發明專利]一種基于FPGA的點云網絡的目標檢測處理系統和方法

在審

• 申請號: 202110017635.2
• 申請日: 2021-01-07
• 公開（公告）號: CN112732633A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 張震
• 申請（專利權）人: 上海雪湖科技有限公司
• 主分類號: G06F15/78
• 分類號: G06F15/78;G06F5/06;G06K9/62
• 代理公司: 上海浙晟知識產權代理事務所(普通合伙) 31345
• 代理人: 楊小雙

本發明涉及到點云網絡技術領域，尤其涉及到一種基于FPGA的點云網絡的目標檢測處理系統和方法，該系統包括篩選模塊和匹配模塊；篩選模塊包括有三級比較器、閾值比較器、第一標記計數器、寄存器和FIFO輸出端口；匹配模塊包括第二標記計數器、標記匹配模塊；通過本發明技術方案系統和處理方法可以大幅提高處理速度降低網絡的整體時延，可以實現在較少資源的使用的同時達到了很高的計算效率。

技術領域

本發明涉及到點云網絡技術領域，尤其涉及到一種基于FPGA的點云網絡的目標檢測處理系統和方法。

背景技術

點云是在三維空間中點集的定義，點云已經成為三維表示中最重要的數據格式之一。由于激光雷達等采集設備的可用性不斷提高，以及在機器人、自主駕駛、增強和虛擬現實等領域的應用越來越多，它越來越受歡迎，尤其是今年來車路協同和新基建逐漸成為熱門，激光雷達的解決方案能避免很多傳統圖片處理的很多痛點。以車路協同為例，安全性不僅僅需要傳統駕駛領域中物理層面的保障更需要算法層面的保障，傳感器對周圍環境的感知的正確與否是車路協同的關鍵，實際使用環境中周圍的環境往往是十分多變的。目前用的最多的傳感器就是攝像頭，但是攝像頭經常會出現過曝和欠曝的情況非常不穩定，因此車路協同普遍使用多傳感器，除了攝像頭外常用的還有GPS，激光雷達等等，其中激光雷達作為車路協同的重要傳感器之一。

FPGA(Field Programmable Gate Array)即現場可編程門陣列，它是在PAL、GAL、CPLD等可編程器件的基礎上進一步發展的產物，它是作為專用集成電路(ASIC)領域中的一種半定制電路出現的，既解決了定制電路的不足，又克服了原有可編程器件門電路數有限的缺點；其并行計算的特點非常適合用來實現卷積神經網絡，在深度學習領域越來越多的人選擇了FPGA。

深度學習現在是計算機視覺中最強大的數據處理工具，成為分類、分割和檢測等任務的首選技術。深度學習技術主要應用于具有結構化網格的數據，而點云則是非結構化的，點云的非結構性使得利用深度學習直接對其進行處理非常具有挑戰性。早期的方法通過將點云預處理為結構化網格格式來克服這一挑戰，代價是增加計算成本或丟失深度信息，但是最近許多最先進的方法可直接在點云上操作的深度學習技術不斷出現，兩者由于數據特點的不同很多方面的處理都跟傳統意義上的圖像不一樣。以目標檢測(Detection)為例，傳統目標檢測算法的框都是正框，框的邊平行于坐標軸，兩框交集均為矩形，計算交并比的時候只需計算出交集的長和寬就可以計算交集的面積。但是對于點云算法框均為帶旋轉角度的斜框，框的邊不一定會平行與坐標軸，兩框交集為多邊形，交集面積非常不好計算，這就導致點云網絡的Detection比傳統目標檢測算法的Detection復雜且效率低，所以利用FPGA并行計算的特點，如果能在卷積運算的同時將目標檢測的部分操作提前處理掉，就可以很大程度上降低整體網絡的時延。

發明內容

鑒于上述技術問題，本發明提供了一種基于FPGA的點云網絡的目標檢測處理系統和方法，可以大幅提高處理速度降低網絡的整體時延，可以實現在較少資源的使用的同時達到了很高的計算效率。

一種基于FPGA的點云網絡的目標檢測處理系統，其特征在于，所述系統包括篩選模塊和匹配模塊；

所述篩選模塊包括有三級比較器、閾值比較器、第一標記計數器、寄存器和FIFO輸出端口，所述三級比較器用于進行若干框的置信度的篩選，并得出最大的置信度和該置信度對應的分類標記；所述閾值比較器用于對所述最大的置信度和該置信度對應的分類標記進行置信度的閾值比較，比較后將有效的置信度和該置信度對應的分類標記通過FIFO輸出端口輸出；

其中，所述第一數據標記計數器通過所述寄存器對所述有效的置信度和該置信度對應的分類標記進行數據標記，之后通過所述FIFO輸出端口輸出；

所述匹配模塊包括第二標記計數器、標記匹配模塊；所述第二標記計數器啟動并通過標記匹配模塊中存儲的標記與FIFO輸出端口輸出的置信度、分類標記、數據標記進行匹配，匹配相同則輸出至下另一FIFO輸出端口。