借助PointPillars模型实现多类别的3D目标检测

在自动驾驶和移动机器人等应用中，基于激光雷达点云数据的低时延3D感知是一个关键任务。但是其天然稀疏的特性和巨大的计算量也给小型的嵌入式系统设计带来了很大的挑战。

本次我们借助于Vitis AI完成端到端的软硬件协同优化，在Xilinx ZU+ MPSoC平台上实时地运行业界领先的PointPillars模型，实现高精度的多类别3D目标检测。

Vitis™ AI 开发环境是 Xilinx 的开发平台，适用于在 Xilinx 硬件平台（包括边缘器件和 Alveo 卡）上进行人工智能推断。它由优化的 IP、工具、库、模型和示例设计组成。Vitis AI 以高效易用为设计理念，可在 Xilinx FPGA 和 ACAP 上充分发挥人工智能加速的潜力。

您的开发如何与人工智能协作：

支持主流框架和最新的模型，能够执行不同的深度学习任务

提供一系列全面的预先优化模型，这些模型现已就绪，可随时部署在 Xilinx 器件上。您可以找到最相似的模型，开始针对您的应用重新训练！

提供功能强大的开源量化器，支持剪枝和未剪枝的模型量化、校准和微调。

AI 分析器提供逐层分析，有助于解决瓶颈问题

AI 库提供高层次 C++ 和 Python API，可实现从边缘到云端的最大可移植性。

可以从吞吐量、时延和电源角度定制可扩展的高效 IP 内核，满足您对许多不同应用的需求。

责任编辑：haq