以下文章來源于OpenFPGA，作者碎碎思

之前已經(jīng)介紹過《FPGA在汽車電子中應(yīng)用-ADAS》，但是很多人留言說是沒有相關(guān)例程，應(yīng)用不夠直觀，所以，今天他來了-使用FPGA制作一個便攜式 ADAS 系統(tǒng)（源碼開源）。

ADAS 到底是什么？

ADAS 是車輛中的電子系統(tǒng)，使用先進技術(shù)來協(xié)助駕駛員。它們提供重要信息，自動執(zhí)行困難任務(wù)并提高整體安全性。功能包括：

車道偏離警告 (Lane Departure Warning，LDW)：當車輛開始偏離車道時，系統(tǒng)會向駕駛員發(fā)出警報。顯然，我們都需要一位數(shù)字伴侶陪伴在身邊。

自適應(yīng)巡航控制 (Adaptive Cruise Control ，ACC)：自動調(diào)整車速，與前車保持安全距離。

防撞系統(tǒng)（Collision Avoidance Systems）：警告駕駛員可能發(fā)生的碰撞，甚至可以自動剎車。

盲點檢測（Blind Spot Detection）：通知駕駛員可能看不到的盲點中的車輛。換句話說，它可以防止因空間意識差而導(dǎo)致駕駛失誤。

有了這些功能，計劃創(chuàng)建一個可以讓每個人的駕駛都更安全的系統(tǒng)。

軟件

1、Vivado 設(shè)計套件

DPU IP

這里真正的主角是DPU（深度處理單元）IP 。這項神奇的技術(shù)直接在 FPGA 上運行 AI 模型，使一切變得更快、更高效。可以將其視為系統(tǒng)實時處理數(shù)據(jù)所需的腎上腺素。

在 DPU 中運行模型：

在 FPGA 的可編程邏輯 (PL) 中的 DPU 上運行 AI 模型。這是 ADAS 系統(tǒng)的核心，處理所有密集的 AI 計算，例如車道檢測和物體識別。

面臨的挑戰(zhàn)：

安裝難題：Vivado在發(fā)行版系統(tǒng)（例如Ubuntu 或者 Centos）里安裝會相對簡單，但是也很容易出現(xiàn)問題。

解決方案：在 Linux 中先安裝libcurse Vivado 是解決問題的靈丹妙藥。

2、CARLA 模擬器

CARLA 是一款開源自動駕駛模擬器，旨在支持 ADAS 和自動駕駛系統(tǒng)的開發(fā)、訓(xùn)練和驗證。換句話說，這是一款為想要假裝自己在工作的成年人準備的電子游戲。

為什么要使用 CARLA？

模擬真實駕駛場景對于測試和改進 ADAS 應(yīng)用至關(guān)重要。CARLA 為實驗提供了安全且可控的環(huán)境，而沒有實際道路測試的風(fēng)險。

面臨的挑戰(zhàn)：

XServer 錯誤：如何修復(fù)？

exportVK_ICD_FILENAMES="/usr/share/vulkan/icd.d/nvidia_icd.json"

如果電腦配置比較低，需要執(zhí)行下面語句：

./CarlaUE4.sh-quality-level=Low

3. Vitis AI

Vitis AI 是 Xilinx 推出的一款開發(fā)平臺，用于在 AMD 和 Xilinx 硬件上進行 AI 推理，可以在 FPGA 和 ACAP 上部署 AI 模型。

為什么要使用 Vitis AI？

Vitis AI 對于開發(fā)和優(yōu)化 ADAS 系統(tǒng)的 AI 模型至關(guān)重要。它提供了量化和編譯模型的工具，以便在 DPU 上高效運行。

面臨的挑戰(zhàn)：

模型優(yōu)化：要使 AI 模型在 DPU 上高效運行，需要了解量化和編譯技術(shù)。這就像將方形釘子裝入圓孔中，只不過釘子是神經(jīng)網(wǎng)絡(luò)。

工具鏈復(fù)雜性：使用 Vitis AI 工具鏈是另一個陡峭的學(xué)習(xí)曲線。這就像解決魔方一樣，只不過每次眨眼時它都會改變顏色。

4.PetaLinux

PetaLinux 是 Xilinx 硬件平臺的嵌入式 Linux 發(fā)行版。它允許開發(fā)自定義應(yīng)用程序并直接在 FPGA 上運行它們。

為何使用 PetaLinux？

PetaLinux 為在 KR260 上運行應(yīng)用程序提供了一個強大而靈活的環(huán)境。它是將所有東西粘合在一起的粘合劑，確保軟件和硬件和諧地工作。就像花生醬和果凍一樣，只是有更多的命令行界面。

使用和配置PetaLinux可以自行查找資料，按照官方資料很容易構(gòu)建PetaLinux系統(tǒng)。

構(gòu)建ADAS系統(tǒng)簡易過程

步驟 1：從 CARLA 收集數(shù)據(jù)

用它來收集數(shù)據(jù)以訓(xùn)練和測試 ADAS 模型。

面臨的挑戰(zhàn)：

數(shù)據(jù)管理：收集和整理數(shù)據(jù)是一個耗時的過程。必須確保數(shù)據(jù)干凈且標簽正確。

第 2 步：車道和物體檢測

面臨的挑戰(zhàn)：

AI 模型訓(xùn)練：訓(xùn)練 AI 模型以準確檢測車道和物體需要嘗試不同的架構(gòu)和技術(shù)。

性能調(diào)優(yōu)：優(yōu)化模型以使其在 DPU 上高效運行涉及量化和微調(diào)。

步驟 3：在 FPGA 上啟動 PetaLinux

第四步：系統(tǒng)聯(lián)調(diào)

集成所有組件并確保它們有效通信就像是編排一曲復(fù)雜的交響樂。確保傳感器、FPGA、AI 模型和 CARLA 模擬器無縫協(xié)作。

面臨的挑戰(zhàn)：

通信協(xié)議：了解并實施組件之間的正確通信協(xié)議至關(guān)重要。這涉及學(xué)習(xí) I2C、SPI 和以太網(wǎng)等接口。

同步：確保系統(tǒng)同步并協(xié)調(diào)運行是一項挑戰(zhàn)。它需要精確的時間和協(xié)調(diào)。

下一步計劃

自動駕駛：實現(xiàn)自主導(dǎo)航、決策和控制算法。這需要集成更多傳感器并優(yōu)化 AI 模型。

提高性能：增強系統(tǒng)的性能和可擴展性，可能升級硬件并優(yōu)化軟件組件。

在真實場景中測試：在真實場景中進行更廣泛的測試，確保穩(wěn)健性和可靠性。下一輪測試中，我可能需要更多的虛擬消防栓。

總結(jié)

這是一個偏AI應(yīng)用的開源項目，適合想用FPGA進行AI研究人群研究。