作者：Steve Leibson，編譯：Stark

最近幾年關(guān)于自動(dòng)駕駛汽車的新聞不斷出現(xiàn)在頭條新聞，各大傳統(tǒng)汽車制造商與互聯(lián)網(wǎng)公司結(jié)合紛紛殺入自動(dòng)駕駛這個(gè)“藍(lán)?！笔袌?chǎng)，與其說(shuō)這是汽車行業(yè)所經(jīng)歷的一場(chǎng)巨大革命，倒不如說(shuō)是人工智能（AI）的興起，自動(dòng)駕駛的根本原理就是利用機(jī)器視覺(jué)系統(tǒng)。當(dāng)然自動(dòng)駕駛汽車的發(fā)展也是一步一步的并且需要經(jīng)驗(yàn)的積累，目前我們看到特斯拉、百度等廠商都推出了輔助自動(dòng)駕駛系統(tǒng)，還遠(yuǎn)遠(yuǎn)沒(méi)有實(shí)現(xiàn)完全的自動(dòng)駕駛，此外自動(dòng)駕駛汽車真正上路還必須得到國(guó)家機(jī)動(dòng)車管理部門的政策許可，因此不得不承認(rèn)自動(dòng)駕駛汽車還有很長(zhǎng)的一段路要走。（圖1：自動(dòng)駕駛汽車要能夠?qū)崟r(shí)感知路況信息）

機(jī)器視覺(jué)技術(shù)可以應(yīng)用于自動(dòng)駕駛系統(tǒng)中實(shí)現(xiàn)路況信息的采集和檢測(cè)，其中CNN（卷積神經(jīng)網(wǎng)絡(luò)）在機(jī)器視覺(jué)系統(tǒng)中用于圖像處理具有壓倒性的優(yōu)勢(shì)。CNN網(wǎng)絡(luò)根據(jù)復(fù)雜度可以劃分為很多個(gè)“網(wǎng)絡(luò)層”，典型的卷積神經(jīng)網(wǎng)絡(luò)可以劃分為卷積層、池化層和全連接層，它能夠?qū)?shù)量龐大的圖像識(shí)別問(wèn)題進(jìn)行不斷的降維處理，最終被訓(xùn)練后用于高效的圖像識(shí)別。

來(lái)自韓國(guó)的ATUS公司實(shí)現(xiàn)了基于Zynq的CNN（卷積神經(jīng)網(wǎng)絡(luò)）系統(tǒng)，并且移植到汽車上進(jìn)行了上路測(cè)試（如下視頻所示），通過(guò)視頻我們可以看到它能夠?qū)崿F(xiàn)道路上行人、汽車、動(dòng)物和道路標(biāo)志等的實(shí)時(shí)檢測(cè)與識(shí)別。

ATUS公司的這個(gè)解決方案采用的是Xilinx Zynq-7020 SoC處理器，移植的是YOLO圖像處理算法，YOLO（You Only Look Once）是基于GoogleNet的物體檢測(cè)深度網(wǎng)絡(luò)，實(shí)時(shí)和有效是YOLO網(wǎng)絡(luò)的最大的特點(diǎn)和優(yōu)勢(shì)，這兩點(diǎn)也是自動(dòng)駕駛和ADAS系統(tǒng)所必須具備的，該系統(tǒng)的視頻流速度可達(dá)到46.7fps（@416x234）。

視頻播放請(qǐng)點(diǎn)擊https://v.qq.com/x/page/y0543u6v4bz.html

Xilinx推出的Zynq-7000和UltraScale+ MPSoC系列是機(jī)器視覺(jué)應(yīng)用的理想選擇，能夠?yàn)閺?fù)雜多任務(wù)的并行設(shè)計(jì)提供無(wú)與倫比的性能，并且滿足降低的成本和功耗要求。尤其是它們所支持的reVISION Stack能夠提供豐富的算法、IP和應(yīng)用開(kāi)發(fā)資源，支持最流行的神經(jīng)網(wǎng)絡(luò)，幫助工程師更快的開(kāi)發(fā)視覺(jué)導(dǎo)向的智能系統(tǒng)。