在来看，不晓得在Zynq UltraScale+这款芯片上，是不是一脉相承的技术完成，从功能上还是很强的。其次要的打工流程和功能目标如下图所示：支持11路mipi的摄像头，11个摄像头，应该足够一个车需求用到的摄像头。反正可以支持到这麼多摄像头的芯片，我印象中还是最多的。除此之外，最重要的是，这颗芯片FPGA可编程资源十分丰厚：256K logic Cell; (logic cell 外部就是LUT和REG ）。 其在333Mhz 其配置在可编程逻辑的 深度学习处置器DPU才能到达1.3Tops。除了智摄像头，还有一些其他的使用可以供不同使用选择例如智能驾驶，语音辨认，安防检测等等。这里重点提一下ADAS（初级驾驶辅佐零碎）应用装置于车上的各式各样的传感器， 在第一工夫搜集车内外的环境数据， 停止静、静态物体的辨识、侦测与追踪等技术上的处置， 从而可以让驾驶者在最快的工夫发觉能够发作的风险， 以惹起留意和进步平安性的自动平安技术。包括驾驶员疲劳预警和身份辨认，人脸辨认在乘用车的特性化驾驶舱，以及将来的商业形式都是十分必要的。也有一些原型在做。总结一下：1：处置才能：KV260用了zynq ultrascale+ mpsoc 这颗芯片，外部有四核应用途理器，GPU，实时处置器，以及256K LC的FPGA，硬件资源足够来处置人工智能方面的使用。2：外设接口：KV260支持11路摄像头，可以支持相似汽车辅佐设备ADAS ，先进驾驶辅佐零碎这类使用。3：软件配套：除了硬件之外，还有很多的软件套件，例如人脸辨认，入侵检测，自动驾驶等等一些使用，方便二次开发。FPGA经过深度学习可以到达毫秒级别的使用，吞吐量大，时延低，这个能够一个劣势。后面的人脸测试中，同时辨认22张人脸，也正面阐明了人脸辨认的数量很多，延时较低。为何是22张，是由于找的视频中也就是22张人脸。当然，这个测试只是提供一个肉眼可以感受的角度。实践的使用可以依据需求停止测试，从测试后果停止评价，从而减速design in的进程。我用FPGA搭的智能相机，最多可以同时辨认多少张人脸4.1 万播放 · 23 赞同视频