[发明专利]基于智能加速卡的地面无人平台自主导航系统设计方法

说明书

本发明涉及一种基于智能加速卡的地面无人平台自主导航系统设计方法，属于地面无人平台环境感知领域。本发明的自主导航系统包括目标识别算法、可视化模块、相机/激光雷达融合模块、目标区域生成模块、导航模块和规划模块，其中，目标识别算法、可视化模块运行于寒武纪智能加速卡MLU100中，相机/激光雷达融合模块、目标区域生成模块、导航模块和规划模块运行于自主导航计算机上。本发明以地面无人平台的自主避障为牵引，对通用目标检测算法YOLOv3进行适应性改造，实现了算法在国产智能芯片上的部署和移植。最后，通过图像和点云的融合策略，完成了二维图像位置向三维空间位置的映射，实现目标检测，以此完成相应的自主导航任务。

技术领域

本发明属于地面无人平台环境感知领域，具体涉及一种基于智能加速卡的地面无人平台自主导航系统设计方法。

背景技术

地面无人平台在实际作战场景中，能够利用自身的环境感知设备，如激光雷达、相机、毫米波雷达和红外相机等，感知敌我双方的装甲车辆或士兵目标，以此进行自主导航行驶。准确高效地识别感兴趣目标的位置是地面无人平台自主导航系统能力提升的关键。Grishick首次将卷积神经网络用于目标检测，代替传统手工设计的描述子提取目标特征，提升了目标检测的速率和精度。随后，国外学者又提出YOLO系列、SSD系列模型，能够同时兼顾目标检测的速度和精度，达到了实时性检测需求。

地面无人的环境感知能力除了依赖目标检测算法的提升外，也需要具备强大并行运算能力的硬件支撑。英伟达公司的边缘计算设备Xavier的计算能力能够达到30TOPS，典型运行状态下的功率为30W；特斯拉公司的计算设备的计算能力能够达到144TOPS，典型运行状态下的功率为72W，主要用于提升量产车型的环境感知能力。

为了满足地面无人平台恶劣的工作环境，必须对边缘计算设备进行物理封装，以满足冲击振动、高低温、天候和电磁干扰等相关要求。目前边缘计算设备为了提高计算能力，功率也相应增加，而地面无人平台内部紧凑布局不利于封装后的边缘计算设备散热，相应地抑制了算力的进一步提升。同时，针对地面无人平台关键技术的逐步突破，开展装备型号研制是未来的发展趋势。为此，本发明以装备的国产化需求为牵引和驱动，开展国产智能加速卡的研究和目标识别算法适配性移植和部署，实现目标识别算法与自主导航系统软件的系统集成，提供一种低功耗、高算力的自主导航系统集成方案。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是如何提供一种基于智能加速卡的地面无人平台自主导航系统设计方法，以解决国产智能加速卡的研究和目标识别算法适配性移植和部署问题。

(二)技术方案

为了解决上述技术问题，本发明提出一种基于智能加速卡的地面无人平台自主导航系统部署方法，该方法包括如下步骤：

S11、选择寒武纪智能加速卡MLU100作为通用处理器的外接设备，通过PCIe总线完成自主导航计算机上的处理器和加速卡之间的信息交互，实现加速卡的系统集成；

S12、UNREAL半实物仿真和物理环境下采集装甲车辆图像，通过OpenCV开源库对原始数据进行增加；

S13、利用Labelme工具对图像中的装甲车辆进行标注，根据装甲车辆在图像中的项目位置和装甲车类别制作JSON文件，形成自制装甲车辆数据集；VOC2007、VOC2012图像检测公开数据集与自制装甲车辆数据集进行结合，形成多类样本数据库，构成YOLOv3识别模型的训练与测试数据，其中的80％用于训练，20％用于测试；

S14、在通用服务器上部署基于残差神经网络改进的Darknet53框架下的YOLOv3识别算法，并对上述数据集进行迭代训练，初始学习率设为0.001，遗忘因子设为0.9，迭代次数设为50000，训练过程中通过平均准确率自适应调整训练参数，使用多尺度训练、多标签分类方法得到最终的目标识别模型；