Применение и прогресс ПЛИС в области автомобильно-дорожного сотрудничества

Использование жидкостей - одна из самых эффективных форм охлаждения, появившаяся недавно. Наиболее распространенной жидкостью, используемой в процессе охлаждения, является дистиллированная вода, поскольку вода имеет высокую удельную теплоемкость, а также обладает теплопроводностью.Системы жидкостного охлаждения в компьютере очень похожи на двигатели внутреннего сгорания в большинстве автомобилей. Сначала на процессор устанавливается водоблок, и через него охлаждающая вода проходит через процессор, прежде чем попадает в радиатор. Часто радиатор нуждается в собственном охлаждении и охлаждается с помощью вентилятора или кулера Пельтье. Жидкостное охлаждение - довольно сложный метод, который, несмотря на свою эффективность, редко используется в ЭВМ. Реальная опасность, связанная с жидкостным охлаждением, заключается в том, что в случае утечки охлаждающей жидкости вода может проникнуть во все критически важные части ЭВМ и может необратимо повредить ваш процессор.Число Эйлера двоичного изображения является важной топологической характеристикой для многих приложений обработки изображений, анализа изображений, распознавания образов и компьютерного зрения.Традиционный алгоритм, основанный на прогоне, обрабатывает строки данного изображения одну за другой сверху вниз за одну фазу. Для каждой строки он находит прогоны в строке и записывает начальные и конечные местоположения каждого прогона для вычисления соседних прогонов.Число Эйлера (также известное как характеристика Эйлера)- это общее количество объектов на изображении за вычетом общего количества отверстий в этих объектах. conn определяет возможность подключения. Объекты представляют собой связанные наборы пикселей, то есть пиксели, имеющие значение 1.Программируемая пользователем вентильная матрица (FPGA)- это интегральная схема, предназначенная для настройки заказчиком или разработчиком после изготовления - отсюда и термин «программируемая на месте».ПЛИС преимущественно программируются с использованием HDL (языков описания оборудования), таких как Verilog и VHDL. Эти языки, появившиеся в 1980-х годах и прошедшие несколько изменений, находятся на очень низком уровне с точки зрения абстракции, предлагаемой пользователю.Как запрограммировать первое устройство FPGAШаг 1. Создайте программный проект Intel® Quartus®.Шаг 2: Создайте файл HDL. Язык описания оборудования (HDL) Изменение частоты мигания.Шаг 3: Создайте модуль Verilog.Шаг 4: Выберите «Назначение контактов».Шаг 5: Создайте файл SDC.Шаг 6: Скомпилируйте код Verilog.Шаг 7: Тестирование программы FPGA.Метод аппаратного ускорения для Tiny-yoloTiny-YOLO занимается обнаружением объектов с добавлением геометрических данных. Это современная система обнаружения объектов в реальном времени. На PascalTitan X он обрабатывает изображения со скоростью 30 кадров в секунду и имеет карту памяти 57,9% на тесте COCO test-dev.Высокопроизводительный ускоритель FPGA на основе OpenCL для алгоритма обнаружения объектов YOLOv2 на ПЛИС Arria-10 GX1150. Предлагаемая аппаратная архитектура использует масштабируемую конструкцию конвейера для поддержки входного изображения с несколькими разрешениями и полного 8-битного канала данных с фиксированной точкой для улучшения использования аппаратных ресурсов. Технология слияния слоев, объединяющая свертку, Пакетная нормализация и Leaky-ReLU также разработаны, чтобы избежать передачи промежуточных данных между FPGA и внешней памятью. Экспериментальные результаты показывают, что окончательная конструкция обеспечивает максимальную пропускную способность 566 GOP / с при рабочей частоте 190 МГц. Ускоритель может выполнять вычисление логического вывода YOLOv2 (288 × 288 разрешение) и крошечный YOLOv2 (416 × 416 разрешение) со скоростью 35 и 71 FPS соответственно.YOLOv3 использует несколько приемов для улучшения обучения и повышения производительности, в том числе: многомасштабные прогнозы, улучшенный классификатор магистрали и многое другое.Предыдущие созданные системы обнаружения перепрофилируют классификаторы или локализаторы для выполнения обнаружения. Они применяют модель к изображению в разных местах и ​​в разных масштабах. Области изображения с высокими оценками считаются обнаружениями.Данная нейронная сеть делит изображение на области и предсказывает ограничивающие рамки и вероятности для каждой области. Эти ограничивающие прямоугольники взвешиваются по прогнозируемым вероятностям.Модель имеет ряд преимуществ перед системами на основе классификаторов. Он смотрит на все изображение во время тестирования, поэтому его прогнозы основываются на глобальном контексте изображения. Она также делает прогнозы с одной оценкой сети, в отличие от таких систем, как R-CNN, которые требуют тысячи для одного изображения. Это делает его чрезвычайно быстрым, более чем в 1000 раз быстрее, чем R-CNN, и в 100 раз быстрее, чем Fast R-CNN.ЗаключениеВ наше время активно развивается автономная техника. Конкретное применение FPGA включает в себя цифровую обработку сигналов, биоинформатику, контроллеры устройств, программно-определяемое радио, случайную логику, прототипирование ASIC, медицинскую визуализацию, эмуляцию компьютерного оборудования, интеграцию нескольких SPLD, распознавание голоса, криптографию, фильтрацию и кодирование связи и многое другое.C помощью FPGA можно проектировать дорожную системустереозрения в реальном времени на базе FPGA, систему обнаружения дорожных знаков на базе FPGA, разработку на ПЛИС системы управления камерой для дорожного движения, обнаружение дорог и полос в реальном времени.Информация о дороге, такая как полосы движения, стоп-линии, пешеходные переходы и направляющие линии, является самой основной и важной информацией для беспилотного и других автомобилей. Чтобы точно распознавать эту информацию, необходимо отделять дороги только от реальной городской дорожной среды, Разработка автономного вождения автомобиля-робота возможна при помощи ПЛИС.Технологический прогресс не стоит на месте, планируется развитие систем ПЛИС в 2020 году:1. Будут успешные серверные микросхемы ЦП + ПЛИС или ПЛИС с прямым доступом к иерархии кеш-памяти ЦП. Некоторые говорят «да», а некоторые - нет.2. Микросхемы ПЛИС SoC (система на кристалле) будут расти и расширяться, в частности, в медицинской, телекоммуникационной и автомобильной промышленности.3. Разработчики будут использовать FPGA, чтобы делать удивительные вещи и делать мир лучше, но им придется скрывать тот факт, что внутри FPGA есть.4. Название FPGA останется, и будут построены микросхемы, называемые FPGA, но все внутри будет совершенно другим.5. Поскольку мы отказываемся от оптимизации (потока данных), чтобы упростить программирование ПЛИС, производительность ПЛИС будет снижена, поэтому они больше не будут конкурировать с ЦП, которые всегда будет проще программировать.6. Появятся ПЛИС с динамической маршрутизацией, развивающимися межсоединениями и перемещением данных с гибкими возможностями выполнения.7. Программное обеспечение для размещения и маршрутизации, а также полный стек программного обеспечения поверх FPGA будут иметь открытый исходный код. Уже ведутся первые попытки разработки ПЛИС Yosys и Lattice.8. Все полупроводниковые архитектуры будут объединены в отдельные микросхемы с комбинациями TPU, GPU, CPU, ASIC и FPGA. Некоторые могут быть комбинациями каждого из них целиком. Остальные будут комбинациями частей каждого.9. Больше микросхем будет ориентировано на ограниченные области применения, а меньше - на микросхемы общего назначения. В некотором смысле, все становится SoC.Список литературы1. Чанг, E. 2011. CoRAM: внутренняя архитектура памяти для вычислений на базе FPGA. Кандидат наук. защитил диссертацию в Университете Карнеги-Меллона.2. Программируемые заказные вычислительные машины. 2012. Прогнозы FCCM; https://www.fccm.org/past/2012/Previous.html .3. Немет, Т., Стефани, Дж., Лю, В., Даймонд, Р., Пелл, О., Эргас, Р. 2008. Реализация уравнения акустической волны. В материалах 78-го собрания Общества геофизиков-разведчиков , Лас-Вегас.4. Расс Джон С. Изображение Справочник по обработке, Шестое издание, Северная Каролина состояние Университет, CRC Пресса, 2011. 5. Никсон Метки. и АгуадоАльбеrto С. Характерная черта Добыча & Образ Обработка за Компьютер Видение. Третье издание, Oxford, Newnes, 2012. 6. Гонсалес Рафаэль С, В ODS RiЧард Э. Цифровая обработка изображений, Третье издание, Прентис-Холл, 2008. 7.АчарьяТинку, Рэй Аджой К. Принципы и приложения обработки изображений. Джон ВИли и сыновья, 2005. 8.Хуэйю Чжоу, ЦзяхуаВу, ЦзяньгоЧжан. Цифровая обработка изображений - Часть I, 2010.9.Хуэйю Чжоу, ЦзяхуаВу, ЦзяньгоЧжангл. Цифровая обработка изображений - Часть II, 2010.10. Руководство пользователя платы Altera DE2, версия 1.5, 2012 г.