fpga 浮点运算 应用_FPGA+CPU架构的自动驾驶平台性能分析

1. 介绍

由于在自动驾驶领域需要对传感器的数据作大量的基于深度内神经网络的复杂运算，GPU和FPGA被不约而同地用来作为对CPU的一种加速器被使用。这样做不仅可以提高计算性能，并且可以大幅度地降低能耗。FPGA+CPU架构的自动驾驶平台凭借其灵活性，高效率，低能耗等特点，正越来越多地被一大批拥有技术实力的公司使用，比如Waymo,百度，福特，通用等。

在这里本文试图探讨如何对FPGA+CPU自动驾驶平台的性能进行估计，目的是希望帮助开发者在选择FPGA+CPU自动驾驶系统平台时初步掌握一种对系统性能的评估方法。

本文将以Xilinx 推出的Zynq UltraScale+ MPSoC ( Part#=ZU19EG )为例，来阐述其方法。

由于作者知识水平和写作方法的局限，如读者能指出错误纰漏之处，将万分感谢。

2. 基于FPGA+CPU的自动驾驶平台系统设计

图一 是比较典型的基于FPGA+CPU的自动驾驶系统原理图。一般来说配置一个多核的应用处理器单元-Application Processor Unit(简称AP)用来跑一个或者多个操作系统,主要用来任务调度，管理等工作，而大数据的处理：比如图像的特征值提取，目标类别识别，多目标跟踪，运动预测等复杂运算多放在FPGA 的可编程逻辑模组Programmable Logic(简称PL)来处理。

衡量自动驾驶平台的性能，关键点在几方面：

1. 系统对大数据的处理能力，在这里就是要了解FPGA的PL模组的运算能力。
2. 复杂多任务的处理能力，即应用处理器CPU的运算能力。
3. 高速海量数据的传递，即传感器的数据接收，以及PL和AP之间的数据通讯能力。

由于篇幅原因，本文将只对第1点进行详细叙述，而第2，3点只做简单叙述。

图一：基于FPGA+