【技术实现步骤摘要】
本专利技术涉及车联网目标检测，特别是涉及一种基于risc-v架构的车联网多场景目标检测系统和方法。
技术介绍
1、随着智能交通系统的快速发展，车联网(v2x)技术成为了实现自动驾驶和提高道路安全的关键因素。在车联网环境中，车辆与周围环境(包括其他车辆、行人、基础设施等)之间的实时通信至关重要。为了有效处理复杂的交通场景，需要高性能的目标检测算法来识别潜在的安全风险。传统的嵌入式处理器架构在功耗、成本和灵活性方面无法满足这一需求。
2、risc-v是一种基于精简指令集计算(risc)原则的开放式指令集架构(isa)，旨在为行业提供一套自由、开放的标准。然而，目前涉及车联网目标检测领域尚缺乏专门基于risc-v架构的研究。
3、另外，目标检测图像由于每帧图像数据通常占用较大的内存空间，现有技术中，在每处理一帧数据时都进行了反复的大容量的内存申请和释放，导致性能下降；在处理每帧图像时都会重新加载yolov5模型，鉴于yolov5模型的参数量可达百万乃至千万级别，这不仅增加了处理时间，还导致了不必要的内存占用；在图像数据模型推理完成后通常将推理结果保存到文件中，然后再从文件中读取结果，最后将其边界框结果渲染到原始图像上，这种方法不仅增加了额外的i/o操作，还导致处理延迟。
技术实现思路
1、鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于risc-v架构的车联网多场景目标检测系统和方法，用于解决车辆目标检测系统效率低、内存占用高、能耗高、响应速度慢等技术
2、为实现上述目的，本专利技术提供一种基于risc-v架构的车联网多场景目标检测方法，包括：
3、步骤s1：将获取的图像数据存储在risc-v硬件计算模块上预设的dma缓存区中，dma缓存区设为固定大小；
4、步骤s2：利用mmap机制在risc-v硬件计算模块上将dma缓存区的图像数据映射到进程的地址空间；
5、步骤s3：利用rvv指令对图像数据进行预处理；
6、步骤s4：在首次加载yolov5n目标检测模型参数后，利用risc-v硬件计算模块支持的缓存一致性协议，将预处理后的图像数据缓存至异构共享内存中，进行模型推理，并得到感知信息；
7、步骤s5：通过自定义的后处理函数对模型推理结果进行后处理，并得到展示信息。
8、本专利技术还提供一种基于risc-v架构的车联网多场景目标检测系统，包括：
9、数据获取模块，用于捕获车辆的周边图像数据；
10、目标检测模块，用于处理捕获到的图像数据以得到展示信息；
11、数据通信模块，用于获取自身车辆的展示信息并共享给其他车辆，同时获取来自其他车辆的展示信息；
12、用户交互模块，用于获取并呈现来自身车辆以及来其他车辆的展示信息；
13、目标检测模块和用户界面交互模块均设置在risc-v硬件计算模块上；
14、目标检测模块按照如上所述的方法进行目标检测。
15、本专利技术的有益效果在于：本专利技术在risc-v硬件计算模块上预设固定大写的dma缓存区，能够减少内存的重复申请和释放，从而提高了目标检测的实时帧率和系统的整体性能；步骤s2实现了虚拟地址到物理地址的映射，避免每帧数据处理时的重复映射和内存重新分配；通过这种方式，地址映射可以重复使用，从而减少了内存管理的开销，并提升了内存访问效率。另外，利用risc-v架构开发板的低功耗特性，使得本方法能够在有限的能源条件下持续高效运行，降低能耗；此外，risc-v架构开发板的灵活可扩展性确保了本方法的高度适应性和可升级性，为车联网多场景目标检测提供了卓越的性能和实用性，提高了其可移植性和灵活性。
16、相对步骤s4，以往方法在处理每帧图像时都会重新加载yolov5模型，鉴于yolov5模型的参数量可达百万乃至千万级别，这不仅增加了处理时间，还导致了不必要的内存占用；本方法步骤s4，risc-v硬件计算模块支持的缓存一致性协议通过确保多核处理器间缓存的数据一致性，避免了在处理每帧图像时重复加载模型参数，有效减少了内存占用，同时提升了本方法所应用的系统的整体响应速度。
17、相对步骤5，以往方法是在模型推理完成后，将模型推理结果保存到文件中，然后再从文件中读取模型推理结果，最后将其边界框结果渲染到原始图像上，这种方法不仅增加了额外的i/o操作，还导致处理延迟；而本方法则在模型推理完成后，直接通过自定义的后处理函数对模型推理结果直接对图像数据进行后处理，从而减少了不必要的i/o操作，提升了系统的实时性和处理效率。
本文档来自技高网...【技术保护点】
1.一种基于RISC-V架构的车联网多场景目标检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，加载的目标检测模型为YOLOv5模型。
3.根据权利要求1所述的方法，其特征在于，步骤S3中的预处理过程包括对图像数据的缩放和滤波操作。
4.根据权利要求1所述的方法，其特征在于，步骤S3中的预处理过程中利用向量加载和存储指令访问图像数据。
5.根据权利要求1所述的方法，其特征在于，在步骤S4中的模型推理中，利用RISC-V硬件计算模块中的NPU并行处理多通道卷积和矩阵乘法。
6.根据权利要求1所述的方法，其特征在于，所述后处理包括，将感知信息中包含的边界框绘制渲染到对应的图像上。
7.根据权利要求1所述的方法，其特征在于，还包括，利用多个计算核心单元，通过流水线机制并行处理步骤S3-步骤S5。
8.根据权利要求7所述的方法，其特征在于，还包括，预分配一个核心A执行预处理工作任务，在核心A内，分配多个Harts并行处理不同的图像区域或处理步骤，其中，Hart1负责图像的缩放，Har
9.根据权利要求1所述的方法，其特征在于，还包括步骤S6：将，各车辆将自身车辆的展示信息与其他车辆共享，并同时呈现来自自身和其他车辆的展示信息。
10.一种基于RISC-V架构的车联网多场景目标检测系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于risc-v架构的车联网多场景目标检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，加载的目标检测模型为yolov5模型。
3.根据权利要求1所述的方法，其特征在于，步骤s3中的预处理过程包括对图像数据的缩放和滤波操作。
4.根据权利要求1所述的方法，其特征在于，步骤s3中的预处理过程中利用向量加载和存储指令访问图像数据。
5.根据权利要求1所述的方法，其特征在于，在步骤s4中的模型推理中，利用risc-v硬件计算模块中的npu并行处理多通道卷积和矩阵乘法。
6.根据权利要求1所述的方法，其特征在于，所述后处理包括，将感知信息中...
【专利技术属性】
技术研发人员：欧沛鑫，刘凯，李荣振，盘虹兵，梅诗远，
申请(专利权)人：重庆大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。