为了解决路口等非结构化场景中无人驾驶车辆的运动规划问题,提出了一种改进型的矢量场直方图(Vector Field Histogram,VFH)算法。上述方法充分的考虑了车辆的动力学和运动学模型,使得依据上述方法规划的运动轨迹是可执行的和可到达的,...为了解决路口等非结构化场景中无人驾驶车辆的运动规划问题,提出了一种改进型的矢量场直方图(Vector Field Histogram,VFH)算法。上述方法充分的考虑了车辆的动力学和运动学模型,使得依据上述方法规划的运动轨迹是可执行的和可到达的,一方面,因为考虑到了最小转弯半径,能够保证在新的活动区域中的所有状态点对车辆来讲都是可到达的;另一方面,改进的代价函数综合考虑了轨迹的安全性和平滑性,保证了最终规划的运动轨迹对执行机构来讲是可执行的,实验结果表明了上述算法的有效性。展开更多
近年来,微电子技术进入到纳电子/集成微系统时代,SIP(System in Package)和SOC(System on Chip)是微系统实现的两种重要技术途径;基于神经网络的深度学习技术在图形图像、计算机视觉和目标识别等方面得以广泛应用。卷积神经网络的深度...近年来,微电子技术进入到纳电子/集成微系统时代,SIP(System in Package)和SOC(System on Chip)是微系统实现的两种重要技术途径;基于神经网络的深度学习技术在图形图像、计算机视觉和目标识别等方面得以广泛应用。卷积神经网络的深度学习技术在嵌入式平台的小型化、微型化是一项重要研究领域。如何将神经网络轻量化和微系统相结合,达到性能、体积和功耗的最优化平衡是一难点。介绍了一款将SIP技术和基于FPGA的卷积神经网络相结合的微系统实现方案,它以Zynq SOC和FLASH、DDR3存储器为主要组成,利用SIP高密度系统封装技术进行集成,在其中的PL端(FPGA)采用HLS来设计CNN(Convolutional Neural Network,卷积神经网络)中的卷积层和池化层,生成IP核,分时复用构建微系统,设计实现了Micro_VGGNet轻量化模型。测试采用MNIST手写数字数据集作为训练和测试样本,该微系统能够实准确识别手写数字,准确率达到98.1%。体积仅为30 mm×30 mm×1.2 mm,在100 MHz工作频率下,图像处理速度可达到20.65 FPS,功耗仅为2.1 W,实现了轻量化神经网络微系统的多目标平衡(性能、体积和功耗)。展开更多
文摘为了解决路口等非结构化场景中无人驾驶车辆的运动规划问题,提出了一种改进型的矢量场直方图(Vector Field Histogram,VFH)算法。上述方法充分的考虑了车辆的动力学和运动学模型,使得依据上述方法规划的运动轨迹是可执行的和可到达的,一方面,因为考虑到了最小转弯半径,能够保证在新的活动区域中的所有状态点对车辆来讲都是可到达的;另一方面,改进的代价函数综合考虑了轨迹的安全性和平滑性,保证了最终规划的运动轨迹对执行机构来讲是可执行的,实验结果表明了上述算法的有效性。
