摘要：为了满足机载显示器画面显示多元化的要求，提出了一种基于FPGA的视频转换与叠加技术，该技术以FPGA为核心，搭配解码电路及信号转换电路等外围电路，可实现XGA与PAL模拟视频信号转换为RGB数字视频信号，并且与数字图像信号叠加显示，具有很强的通用性和灵活性。实验结果表明，视频转换与叠加技术能够满足机载显示器画面显示的稳定可靠、高度集成等要求，具备较高的应用价值。

摘要：随着智能驾驶、机器人等技术的高速发展，在这些场景下常规的二维检测算法并不能满足环境感知的要求，需要三维目标检测去获得精准的环境信息。但是，目前大多主流的多源数据融合的三维目标检测模型都依赖于高算力、高功耗的平台，难以在性能较低的嵌入式平台实现。针对这些问题提出了一种在低功耗的FPGA平台上实现多源融合的三维目标检测的方法，通过融合激光雷达点云与摄像头图像数据，来弥补点云特征信息的不足，以实现更高的准确率和检测的稳定性。同时结合FPGA平台的特点，对融合的特征进行筛选及处理，并结合量化策略对模型进行压缩。经过实验，融合方式明显提升小物体的准确度，量化后的模型在三维检测平均精度损失小于3%的情况下在端侧FPGA平台成功运行。

摘要：针对可见光成像、红外成像在越来越多的场景得到应用，采用一体化设计理念，设计一款小型双模成像图像处理平台。该双光图像处理平台采用RK3588与ZYNQ作为主协处理器，可完成1080P可见光图像与1 280×1 024分辨率非制冷红外图像的并行实时处理，在软件算法的控制下可实时完成目标跟踪识别。经实物样机外场测试与高低温测试，该平台性能稳定可靠、结构紧凑，能够满足车载、船载、机载的多种应用场景需求。

摘要：针对道路缺陷检测中传统方法泛化能力低、易受环境干扰，以及深度学习模型部署在计算平台时存在的高功耗、低速度等问题，提出一种基于低功耗FPGA平台的语义分割模型的加速与部署策略。首先，构建包含道路裂缝与坑洞的多源数据集，通过数据增强技术平衡样本分布；其次，针对UNet模型的特征提取网络与上采样网络分别进行通道裁剪，并结合量化技术将模型权重从FP32压缩至INT8，进一步降低计算量；最后，利用Vitis AI工具链完成模型量化与编译，部署至FPGA平台，充分发挥其并行计算能力。实验结果表明，优化后的模型在保证平均交并比（MIoU）损失小于5%的前提下，推理速度达到了17 ms，模型参数量与计算量大幅度降低，并且功耗显著降低。该方法在边缘端实现了高效、低功耗的道路缺陷检测，为沥青道路自动化养护评估提供了可行方案。