基于ZYNQ的车载目标检测系统设计与实现

目录

声明

第一章 绪论

1.1 课题的背景及意义

1.2 国内外研究现状

1.2.1 传统机器学习的检测方法

1.2.2 基于深度学习的检测方法

1.3 硬件加速平台研究

1.4 研究内容与论文结构

第二章 目标检测算法分析

2.1 YOLO算法解析

2.1.1 YOLOv1版本

2.1.2 YOLOv2版本

2.1.3 YOLOv3版本

2.2 YOLO组件分析

2.2.1 卷积层

2.2.2 激活函数层

2.2.3 池化层

2.3 本章小结

第三章 系统的总体方案设计

3.1运算加速改进方法

3.1.1 任务划分方法

3.1.2 FPGA加速优化方法

3.1.3 卷积运算优化方法

3.2 硬件系统方案设计

3.2.1 需求分析

3.2.2 总体方案设计

3.2.3 主要器件选型

3.3 外围电路设计

3.3.1 OV5640图像输入模块

3.3.2 HDMI图像输出模块

3.3.3 DDR内存模块

3.3.4 SD卡外存储器模块

3.3.5 ZYNQ结构配置

3.4 本章小结

第四章 目标检测的硬件加速FPGA算法实现

4.1 硬件加速工具介绍

4.1.1 高层次综合介绍

4.1.2 高层次综合设计流程

4.2 YOLO模型的硬件加速改进设计

4.2.1 多通道输入输出

4.2.2 数组分割

4.2.3 卷积并行运算

4.2.4 浮点转定点

4.3 设计实现

4.3.1 设计结果

4.3.2 资源评估

4.4 本章小结

第五章 ARM端软件设计

5.1 目标检测算法ARM端软件设计

5.2 HDMI图像输出模块

5.3 OV5640图像输入模块

5.4 系统集成

5.4.1 生成全局比特流

5.4.2 生成FSBL启动信息

5.4.3 搭建交叉编译环境

5.4.4 U-boot移植

5.4.5 Linux系统移植

5.4.6 应用程序编译

5.6本章小结

第六章 测试结果对比与分析

6.1 系统实现

6.1.1 软件环境实现

6.1.2 硬件环境实现

6.1.3 路况实测

6.2 速度对比分析

6.3 精度对比分析

6.4 功耗能效对比分析

6.5 本章小结

第七章 总结与展望

7.1 总结

7.2 展望

参考文献

发表论文和参加科研情况说明

致谢