智驾感知算法的稳定性评估指标

当前NVDIA Orin X是绝对主流的智驾芯片。

DLA是的NVDIA在OrinX退出的第二代深度学习加速器。

感知算法是深度学习的模块，所以需要通过DLA int8测试，并评估每一帧的算法耗时，以及算法的稳定性。

算法耗时评估

算法耗时评估是评估Lidar对每一帧点云的算法处理时长。单帧算法耗时过长，之后一帧的数据就会被丢弃（丢帧），所以算法耗时是极其重要的指标。主要指标：平均耗时&3σ最大耗时。

例如，感知端的输入帧率是10帧左右，当前的算法耗时需要与帧率匹配，平均耗时&3σ最大耗时至少要小于90ms（预留10ms buffer）。

稳定性评估

稳定性评估是通过评估感知结果的丢帧数量及比例来评估。

同时要评估内存泄漏的状态、RAM占用情况、CPU占用情况。

DLA

Deep Layer Aggregation，深度聚合

是一种对点云进行特征的提取和聚合的算法。

DLA有两种聚合方法：

• IDA，Iterative deep Aggregation，迭代深度聚合；

  • 逐级提炼分辨率和聚合的尺度

• HDA，Hierarchical deep Aggregation，分层深度聚合

  • 在空间尺度上，对不同级别的特征进行提取融合，形成各种模组和通道。

• 

DLA是把IDA和HDA融合

红框标注的即为HDA的类树形结构，黄线即为IDA的迭代方法，作者通过DLA将两者结合，通过HDA将数据（图片）的浅层与深层表达进行更好地融合，在阶段之间用IDA，在每个阶段内部使用HDA，在各个阶段之间通过池化进行下采样。

参考资料：

[1] DLA简述

[2] Deep Layer Aggregation