基于FPGA的机器人计算

1星价 ¥79.2 (8.0折)

2星价￥79.2 定价￥99.0

作者：刘少山万梓燊俞波汪玉著

出版社：机械工业出版社

暂无评论

图文详情

ISBN：9787111762362
装帧：平装-胶订
册数：暂无
重量：暂无
开本：16开
页数：175
出版时间：2024-10-01
条形码：9787111762362 ; 978-7-111-76236-2

本书特色

本书由PerceptIn公司的技术专家与清华大学等高校的学者联袂撰写，提出FPGA是机器人应用的*佳计算基板。本书全面概述基于FPGA的机器人计算加速器设计，证明了FPGA是加速神经网络的理想选择，也是加速运动规划内核的理想选择。此外，本书还介绍了PerceptIn为自动驾驶汽车开发车载计算系统所做的努力。

内容简介

本书全面概述基于FPGA的机器人计算加速器设计。本书首先对FPGA技术的背景进行介绍，然后深入介绍基于FPGA的机器人感知神经网络加速器设计，并对机器人感知中的各种立体视觉算法及其FPGA加速器设计进行讨论，验证了FPGA是加速神经网络的理想选择。接着，介绍在FPGA中实现并集成现有算法的关键原语的通用定位框架，并讨论运动规划模块，证明了FPGA是加速运动规划内核的理想选择。之后，探讨如何在多机器人探索任务中使用FPGA，以及PerceptIn为自动驾驶汽车开发车载计算系统所做的努力。zui后，介绍过去20年中FPGA在太空机器人中的应用。本书适合机器人领域的研究者、工程师以及高校相关专业的学生阅读及参考。

目　　录
Robotic Computing on FPGAs
译者序
前言
作者简介
第1章　概览　1
1.1　传感　3
1.2　感知　4
1.3　定位　5
1.4　规划和控制　5
1.5　机器人应用中的FPGA　6
1.6　深度处理流水线　7
1.7　小结　8
第2章　FPGA技术　10
2.1　FPGA技术简介　10
2.1.1　FPGA的类型　11
2.1.2　FPGA的架构　11
2.1.3　FPGA的商业应用　13
2.2　部分重配置　14
2.2.1　什么是部分重配置　14
2.2.2　如何使用部分重配置　15
2.2.3　实现高性能　17
2.2.4　实际案例研究　21
2.3　在FPGA上运行ROS　21
2.3.1　ROS　21
2.3.2　ROS兼容的FPGA　23
2.3.3　优化ROS兼容的FPGA的
通信延迟　25
2.4　小结　26
第3章　感知—深度学习　27
3.1　为什么选择FPGA用于深度
学习　28
3.2　基础：深度神经网络　29
3.3　设计方法和标准　30
3.4　面向硬件的模型压缩　32
3.4.1　数据量化　32
3.4.2　权重缩减　34
3.5　硬件设计：高效架构　35
3.5.1　计算单元设计　35
3.5.2　循环展开策略　38
3.5.3　系统设计　40
3.6　评估　43
3.7　小结　46
第4章　感知—立体视觉　47
4.1　机器人的感知　47
4.2　机器人的立体视觉　49
4.3　FPGA上的局部立体匹配　50
4.3.1　算法框架　50
4.3.2　FPGA设计　52
4.4　FPGA上的全局立体匹配　52
4.4.1　算法框架　52
4.4.2　FPGA设计　53
4.5　FPGA上的半全局匹配　53
4.5.1　算法框架　53
4.5.2　FPGA设计　53
4.6　FPGA上的高效大规模立体
匹配　56
4.6.1　ELAS算法框架　56
4.6.2　FPGA设计　57
4.7　评估和讨论　58
4.7.1　数据集和准确性　58
4.7.2　功率和性能　61
4.8　小结　62
第5章　定位　63
5.1　预备知识　63
5.1.1　背景　63
5.1.2　算法概述　65
5.2　算法框架　67
5.3　前端FPGA设计　71
5.3.1　概述　71
5.3.2　利用任务级并行性　72
5.4　后端FPGA设计　73
5.5　评估　74
5.5.1　实验设置　74
5.5.2　资源消耗　75
5.5.3　性能　76
5.6　小结　77
第6章　规划　78
6.1　运动规划背景概述　78
6.1.1　概率路线图　79
6.1.2　快速探索随机树　80
6.2　利用FPGA实现碰撞检测　81
6.2.1　运动规划计算时间剖析　81
6.2.2　基于通用处理器的解决
方案　82
6.2.3　基于专用硬件加速器的
解决方案　83
6.2.4　评估和讨论　89
6.3　利用FPGA实现图搜索　91
6.4　小结　93
第7章　多机器人协作　95
7.1　多机器人探索　95
7.2　基于FPGA多任务的INCAME
框架　98
7.2.1　ROS中的硬件资源冲突　99
7.2.2　带ROS的可中断加速器（INCAME）　100
7.3　基于虚拟指令的加速器中断　102
7.3.1　指令驱动加速器　103
7.3.2　如何中断：虚拟指令　105
7.3.3　何处中断：在SAVE/
CALC_F后　105
7.3.4　延迟分析　106
7.3.5　虚拟指令ISA　108
7.3.6　指令编排单元　109
7.3.7　虚拟指令示例　110
7.4　评估和结果　110
7.4.1　实验设置　110
7.4.2　基于虚拟指令的中断　113
7.4.3　基于ROS的多机器人
探索　115
7.5　小结　115
第8章　自动驾驶汽车　116
8.1　PerceptIn案例研究　116
8.2　设计约束　117
8.2.1　车辆概览　117
8.2.2　性能要求　118
8.2.3　能耗和成本因素　119
8.3　软件流水线　121
8.4　车载处理系统　122
8.4.1　硬件设计空间探索　122
8.4.2　硬件架构　124
8.4.3　传感器同步　126
8.4.4　性能特征　128
8.5　小结　129
第9章　太空机器人　130
9.1　太空计算的辐射容错　130
9.2　基于FPGA的太空机器人算法
加速　132
9.2.1　特征检测和匹配　133
9.2.2　立体视觉　133
9.2.3　深度学习　134
9.3　FPGA在太空机器人任务中的
应用　135
9.3.1　火星探测车的任务　135
9.3.2　火星科学实验室的任务　136
9.3.3　火星2020的任务　137
9.4　小结　138
第10章　总结　139
10.1　本书主要内容回顾　139
10.2　展望未来　140
参考文献　142

展开全部

作者简介

刘少山　PerceptIn公司创始人兼首席执行官。他在自动驾驶技术和机器人学方面发表了70多篇研究论文，拥有40多项美国专利和150多项国际专利。他是IEEE计算机协会杰出演讲人、ACM杰出演讲人，还是IEEE自动驾驶技术特别技术社区的创始人。他拥有加利福尼亚大学尔湾分校博士学位。

万梓燊　佐治亚理工学院电气与计算机工程博士在读。他对超大规模集成电路设计、计算机体系结构、机器学习和边缘智能有着广泛的研究兴趣，重点关注自主机器的能效、鲁棒性硬件和系统设计。他曾获得DAC 2020和CAL 2020*佳论文奖。他拥有哈佛大学硕士学位。

俞波　PerceptIn公司首席技术官。他目前的研究兴趣包括机器人和自动驾驶汽车的算法及系统。他是IEEE自动驾驶特别技术社区的创始成员。他拥有清华大学博士学位。

汪玉　清华大学电子工程系长聘教授、系主任。他的研究兴趣包括特定应用硬件计算、并行电路分析和功率/可靠性感知系统设计方法。他曾获得ASPDAC 2019、FPGA 2017、NVMSA17、ISVLSI 2012*佳论文奖，并且是2018年DAC 40岁以下创新者奖的获得者。他是Deephi Tech（2018年被Xilinx收购）的联合创始人。他拥有清华大学博士学位。

本类五星书