无人车地面目标识别及其优化技术研究

针对智能目标识别算法在无人车嵌入式硬件上的应用需求,研究基于卷积神经网络的地面目标识别算法及其硬件适应性优化技术,提出了基于双正则项的自适应网络裁剪优化算法及面向FPGA的神经网络INT8量化优化算法。针对裁剪及量化后的YOLO V3算法,完成了基于Xilinx公司的UltraScale+MPSoC系列的XCZU7EV器件验证平台的智能算法程序部署,并利用无人车的可见光数据集和红外数据集进行了仿真验证。结果表明,YOLO V3算法在两类优化算法有效结合并保持网络精度的前提下,在无人车嵌入式硬件平台上可获得4.5倍的加速比,能够满足无人车地面目标识别的精度与实时性要求。所提出的优化算法思想为神经网络在嵌入式硬件平台上的部署提供了新的技术思路。