伴隨人工智能、大數據等新一代信息技術與智慧道路建設運營實際需求的結合，車路協同（ V2X ）在高速公路的落地應用將得到有力推動。據估計，中國有 15 萬公里高速公路和 25 萬個城市路口將開展智能化、網聯化改造。

    激光雷達作為車路協同中核心傳感器，憑借卓越的主動感知特性，有望實現爆炸式增長。但與此同時，其對路側 AI 邊緣計算機的性能也提出了更高要求。

    雪湖科技聚焦于智慧交通的的激光雷達 AI 感知，推出了嵌入式 AI 感知邊緣計算機 LiDAREYE™。該平臺內置賽靈思 Zynq® UltraScale+™ ZU7EV 和雪湖科技自研的 AI 硬件加速引擎與 AI 算法，專為激光雷達 3D 點云的 AI 感知計算而設計。它能在低于百毫秒級時間內實現對目標物的識別，并提供目標位置、尺寸、速度及方向等多種檢測參數，從而助力道路車輛實時判斷交通狀況，以便調節行駛狀態、選擇行駛車道，有效避免碰撞和其他交通事故。

    目前，雪湖科技在智慧交通和車路協同基礎設施系統（ CVIS ）方面，已與多家行業頭部企業就 LiDAREYE™ 部署開展深入合作。

圖：雪湖科技 AI感知邊緣計算機LiDAREYE™

    項目挑戰

    區別于大多數 AI 邊緣計算場景，智慧交通場景具有其自身的特殊性，在 AI 感知和邊緣計算場景下面臨三大挑戰。

    1

    高精度感知算法需求

    不同于室內或封閉環境，汽車必須應對道路上的各種對象。此外，汽車還必須解決速度和復雜的氣象條件對激光點云的感知準確性造成的影響。盡管 3D 深度學習算法能夠提升精度，但 GPU 架構本身存在性能局限，因此處理幀率遠遠無法滿足應用需求。

    2

    低時延要求

    為了實現全息路口、車路協同和自動駕駛等上層應用，動輒需要對十多萬點形成的點云進行 AI 實時處理。如何在感知計算層保障高性能計算，同時滿足低時延的數據處理要求，成為智慧道路邊緣計算方案的關鍵指標，也是設計面臨的主要挑戰之一。雖然 GPU 能夠提供出色的并行計算能力，但面對稀疏點云的計算依然捉襟見肘。

    3

    惡劣的運行環境

    在很多國家，道路的氣候條件紛繁復雜，這就對計算設備的可靠性提出了更加嚴苛的要求。通常，AI 計算平臺大多為室內使用所設計，無法支持在寬溫度范圍和復雜氣候條件下長時間運行。

解決方案

    為了應對上述挑戰，雪湖科技研發團隊選擇了賽靈思的工業級 Zynq UltraScale+ ZU7EV MPSoC 器件作為其核心芯片平臺。

    在設計上，高度集成的 ZU7EV 工業級平臺將特性豐富的 64 位四核 ARM® Cortex®A53 處理器、雙核 Cortex-R5 處理系統（ PS ）與賽靈思可編程邏輯（ PL ）UltraScale FPGA 架構集成在單個器件中。借助該平臺的價值優勢，雪湖科技實現了如下技術突破：

    高性能計算能力：

    相較于較 2D 算法，雪湖科技 LiDAREYE 的 3D 點云感知引擎將精度提升了 5%，從而提供了更高的激光點云 AI 感知精度。

    低時延：

    Zynq 器件獨特的 PL 特性提供了高水準的軟硬件可重配置能力與并行計算功能，支持雪湖科技為神經網絡的預處理和后處理以及網絡本身進行全流水加速，從而實現小于 100 毫秒的超低時延，可以完美滿足車路協同場景下的性能需求。

    寬溫度范圍：

    Zynq 平臺支持寬泛的工作溫度范圍，允許 LiDAREYE 在 -20 至 70 攝氏度的范圍內可靠運行。

設計成效

    雪湖科技 LiDAREYE 現已在中國各地的重要智慧交通與車路協同項目中獲得采用，并因性能優異、可靠性高而贏得客戶的高度認可。