终检评审通过 创新训练 510电子与通信技术 智能制造校级

随着道路行车数量的不断增多，智能交通及无人驾驶需求越来越迫切。快速准确的智能车联网电子监测系统可以有效地减少交通阻塞、避免车辆碰撞、降低交通事故发生率。本课题基于卷积神经网络，对车辆行驶环境进行感知和检测，识别行驶过程中的人、车、物、交通线等。在此基础上，基于FPGA加速平台，设计并搭建面向无人驾驶的辅助驾驶系统深度学习通过卷积神经网络对道路车辆进行准确的识别，以及对交通状况的快速分析，发出相应指令远程对车辆进行交通指挥，实现了安全高效的智能车联网电子监测系统。但是，随着车辆的增多以及计算复杂度的加大，深度学习算法对高速准确的实时计算和识别提出了挑战。 本课题拟搭建基于FPGA加速平台的智能车联网电子监测系统，利用FPGA快速运算的优势，实现对道路交通信息的快速实时处理，并完成基于FPGA的算法优化和加速。前端为手机APP界面，显示车辆周围道路信息与驾驶建议；后端搭建云服务器，通过车辆上传数据规划路线。