本项目着重于深度学习与机器人的结合应用,设计在复杂环境下智能探测、识别的自主探测机器人,利用PYNQ实现BNN二值神经网络,将物体识别深度模型移植到嵌入式终端应用,并且设计了轮腿式复合运动方式,提高探测机器人的运动能力。
本项目主要研究的是最短路径神经网络模型的仿真与硬件设计问题。System Generator是Xilinx公司开发的基于Simulink图形环境的DSP开发工具,同时也是一个基于FPGA的信号处理建模和设计工具。本文采用 System Generator 与 Vivado 联合设计,用 System Generator 进行系统建模,生成模型化的数字系统,将设计转换成硬件电路,最后在 Vivado 中完成仿真、综合、实现及芯片配置。以 Xilinx Nexys4 DDR 开发板为硬件平台,实现神经网络的硬件实现。
Let's use Python on various hardwares for productivity!
陪伴每一名参赛者享受实践创新的乐趣,一起释放天性,探索未知!