数码系统

相机 win10

测评 win11

手机智车

华为 Tesla

小米理想

苹果蔚来

游戏软件

LOL 抖音

原神微信

当前位置：首页

AI资讯

热点详情

基于Vitis AI的ADAS目标识别技术

AI热点日报时间：2026-07-20

热点解读

一、基础知识（一）Vitis™ AI开发环境在AI加速领域，Vitis AI开发环境算是一个绕不开的名字。它专门针对赛灵思的硬件平台——无论是边缘器件还是Alveo翻跟斗卡——都能提供高效的AI推断加速。这套环境里集成了经过深度优化的IP核、工具、库、模型和设计示例，核心目标就两个：高效、易用。

一、基础知识

（一）Vitis™ AI开发环境

在AI加速领域，Vitis AI开发环境算是一个绕不开的名字。它专门针对赛灵思的硬件平台——无论是边缘器件还是Alveo翻跟斗卡——都能提供高效的AI推断加速。这套环境里集成了经过深度优化的IP核、工具、库、模型和设计示例，核心目标就两个：高效、易用。说白了，就是想让开发者不用去关心底层可编程逻辑那些复杂的细节，即便没有FPGA背景，也能比较顺畅地搞定深度学习推断应用的开发。这其实正是赛灵思SoC和自适应计算加速平台（ACAP）想要释放的潜力。

（二）Vitis AI Model Zoo

Vitis AI里有个很重要的组件，叫Vitis AI Model Zoo。你可以把它理解成Vitis AI的“模型商城”——里面存放了大量已经过预训练和优化的深度学习模型，可以直接在赛灵思平台上加速部署。这些模型覆盖的场景相当广泛，从ADAS/AD、视频监控，到机器人、数据中心，基本都有涉及。开发者完全可以从这些现成的模型起步，省去不少从头训练的时间和算力成本。

Vitis AI Model Zoo 包含经过最优化的深度学习模型，可在赛灵思平台上加速部署深度学习推断。这些模型涵盖了不同的应用，包括 ADAS/AD、视频监控机器人学和数据中心等。用户可从这些经过预训练的模型开始着手，享受深度学习加速所带来的诸多利益。

（三）ADAS

ADAS，全称是高级驾驶辅助系统（Advanced Driving Assistance System）。它通过车上搭载的各种传感器——毫米波雷达、激光雷达、摄像头、卫星导航——在车辆行驶过程中实时感知周围环境，收集数据，对静态或动态物体进行识别、追踪，再结合导航地图信息，做系统性的运算和分析，最终目的就是提前预警潜在危险，提升驾驶的舒适性和安全性。这几年ADAS市场增长很快，早期这类系统主要出现在高端车型上，现在已经开始往中端市场渗透。同时，一些低门槛的技术方案也在入门级乘用车中越来越常见，加上新型传感器技术的不断改进，整个系统部署的想象空间正在被打开。

二、环境搭建

Vitis AI库的安装方式主要有两种：一种是通过配置PetaLinux来重构整个系统，另一种是直接在线安装Vitis AI库，之后再安装它的从属库。两种方式各有适用场景，可以根据实际需求选择。

（一）系统下载&安装

PetaLinux，说实话，之前没怎么接触过。但既然要玩Vitis AI，那就硬着头皮上吧。先从官网下载PetaLinux系统镜像，下载前需要先注册AMD账号，填一些基本信息。压缩包大约3.3G，解压后变成8.8G。这里有个细节需要注意：文件命名里明确标注了Vitis AI版本是V3.0.0，这个信息后面会派上用场——因为坑就在这儿等着呢。把IMG文件烧录到TF卡，上电启动，PetaLinux的界面就出来了：

root@xilinx-kv260-starterkit-20222:~/Vitis-AI# uname -aLinux xilinx-kv260-starterkit-20222 5.15.36-xilinx-v2022.2 #1 SMP Mon Oct 3 07:50:07 UTC 2022 aarch64 aarch64 aarch64 GNU/root@xilinx-kv260-starterkit-20222:~/Vitis-AI#

映入眼帘的是两个文件夹，其中一个就是鼎鼎大名的Vitis-AI：

接下来，大部分操作都会在这个文件夹里进行。

（二）准备图像包

从官方链接下载`vitis_ai_runtime_r3.0.0_image_video.tar.gz`，里面包含了demo所需的图像和视频文件。下载后解压，先放一边备用。

三、ADAS目标识别

Vitis AI提供了不少示例，其中就包括一个ADAS目标识别的demo，路径在`Vitis-AI/examples/vai_runtime/adas_detection`。里面的可执行CPP程序已经提前编译好了，可以直接运行。

执行demo之前，先看看readme，了解一下具体步骤。

Before running the program, please download the corresponding model and install it.The model required by this sample is: yolov3_adas_pruned_0_9You can find the detailed informantion of this model under   Vitis-AI/models/AI-Model-Zoo/model-list/dk_yolov3_cityscapes_256_512_0.9_5.46G_1.3/model.yamlIn the model.yaml, you will find the model's download links for different platforms.Please choose the corresponding model and download it.Take ZCU102/ZCU104 as an example, execute the following commands to download and install the model.        wget https://www.xilinx.com/bin/public/openDownload?filename=yolov3_adas_pruned_0_9-zcu102_zcu104_kv260-r2.5.0.tar.gz -O yolov3_adas_pruned_0_9-zcu102_zcu104_kv260-r2.5.0.tar.gz        mkdir -p /usr/share/vitis_ai_library/models        tar -xzvf yolov3_adas_pruned_0_9-zcu102_zcu104_kv260-r2.5.0.tar.gz        cp yolov3_adas_pruned_0_9 /usr/share/vitis_ai_library/models -r

把非KV260的内容去掉，readme的核心意思就是：去Vitis AI Model Zoo下载对应的模型并安装。那就照着guideline来操作。先把之前图形包中的adas.webm文件拷贝到当前目录，然后执行：

./adas_detection adas.webm /usr/share/vitis_ai_library/models/yolov3_adas_pruned_0_9/yolov3_adas_pruned_0_9.xmodel

结果，出错了：

**注意，坑来了！** 系统提示`Please re-compile xmodel`。是不是要去重编xmodel？仔细一看问题，原来是系统版本是Vitis AI V3.0，而xmodel却是V2.5的，导致CHECK fingerprint失败。解决方式很简单：直接从Vitis AI Model Zoo下载一个V3.0版本的xmodel即可。说干就干。

root@xilinx-kv260-starterkit-20222:~/Vitis-AI/examples/vai_runtime/adas_detection# wget https://www.xilinx.com/bin/public/openDownload?filename=yolov3_adas_pruned_0_9-zcu102_zcu104_kv260-r3.0.0.tar.gz -O yolov3_adas_pruned_0_9-zcu102_zcu104_kv260-r3.0.0.tar.gz
--2023-09-27 06:52:41--  https://www.xilinx.com/bin/public/openDownload?filename=yolov3_adas_pruned_0_9-zcu102_zcu104_kv260-r3.0.0.tar.gz
Resolving www.xilinx.com... 223.119.248.58, 223.119.248.90
Connecting to www.xilinx.com|223.119.248.58|:443... connected.
HTTP request sent, awaiting response... 302 Moved Temporarily
Location: https://xilinx-ax-dl.entitlenow.com/dl/ul/2023/01/06/R210771244/yolov3_adas_pruned_0_9-zcu102_zcu104_kv260-r3.0.0.tar.gz?hash=PJrrJ06TWqMoH_m1gKVgXw&expires=1695855161&filename=yolov3_adas_pruned_0_9-zcu102_zcu104_kv260-r3.0.0.tar.gz [following]
--2023-09-27 06:52:41--  https://xilinx-ax-dl.entitlenow.com/dl/ul/2023/01/06/R210771244/yolov3_adas_pruned_0_9-zcu102_zcu104_kv260-r3.0.0.tar.gz?hash=PJrrJ06TWqMoH_m1gKVgXw&expires=1695855161&filename=yolov3_adas_pruned_0_9-zcu102_zcu104_kv260-r3.0.0.tar.gz
Resolving xilinx-ax-dl.entitlenow.com... 223.119.244.25
Connecting to xilinx-ax-dl.entitlenow.com|223.119.244.25|:443... connected.
HTTP request sent, awaiting response... 302 Moved Temporarily
Location: https://amd-ax-dlf.entitlenow.com/dl/ul/2023/01/06/R210771244/yolov3_adas_pruned_0_9-zcu102_zcu104_kv260-r3.0.0.tar.gz?hash=PJrrJ06TWqMoH_m1gKVgXw&expires=1695855161&filename=yolov3_adas_pruned_0_9-zcu102_zcu104_kv260-r3.0.0.tar.gz [following]
--2023-09-27 06:52:45--  https://amd-ax-dlf.entitlenow.com/dl/ul/2023/01/06/R210771244/yolov3_adas_pruned_0_9-zcu102_zcu104_kv260-r3.0.0.tar.gz?hash=PJrrJ06TWqMoH_m1gKVgXw&expires=1695855161&filename=yolov3_adas_pruned_0_9-zcu102_zcu104_kv260-r3.0.0.tar.gz
Resolving amd-ax-dlf.entitlenow.com... 223.119.248.34, 223.119.248.40, 2402:4f00:4002:400::df77:f828, ...
Connecting to amd-ax-dlf.entitlenow.com|223.119.248.34|:443... connected.
HTTP request sent, awaiting response... 200 OK
Length: 1875420 (1.8M) [application/octet-stream]
Sa ving to: 'yolov3_adas_pruned_0_9-zcu102_zcu104_kv260-r3.0.0.tar.gz'

yolov3_adas_pruned_0_9-zcu102_ 100%[==================================================>]   1.79M  1.54MB/s    in 1.2s

2023-09-27 06:52:50 (1.54 MB/s) - 'yolov3_adas_pruned_0_9-zcu102_zcu104_kv260-r3.0.0.tar.gz' sa ved [1875420/1875420]

下载完成后，执行以下命令解压并安装：

root@xilinx-kv260-starterkit-20222:~/Vitis-AI/examples/vai_runtime/adas_detection# tar -xzvf yolov3_adas_pruned_0_9-zcu102_zcu104_kv260-r3.0.0.tar.gz
yolov3_adas_pruned_0_9/
yolov3_adas_pruned_0_9/meta.json
yolov3_adas_pruned_0_9/yolov3_adas_pruned_0_9.xmodel
yolov3_adas_pruned_0_9/md5sum.txt
yolov3_adas_pruned_0_9/yolov3_adas_pruned_0_9.prototxt
yolov3_adas_pruned_0_9_acc/
yolov3_adas_pruned_0_9_acc/yolov3_adas_pruned_0_9_acc.prototxt
yolov3_adas_pruned_0_9_acc/yolov3_adas_pruned_0_9_acc.xmodel
root@xilinx-kv260-starterkit-20222:~/Vitis-AI/examples/vai_runtime/adas_detection# cp yolov3_adas_pruned_0_9 /usr/share/vitis_ai_library/models -r

四、ADAS目标识别体验

（一）目标识别

接上HDMI显示器、键盘和鼠标，在KV260上直接执行（如果通过SSH或串口执行，会提示cv::Exception）：

`./adas_detection video/adas.webm /usr/share/vitis_ai_library/models/yolov3_adas_pruned_0_9/yolov3_adas_pruned_0_9.xmodel`

从视频效果来看，识别的准确性和实时性都还不错，FPS基本稳定在40左右。

（二）dashboard监测

KV260在PetaLinux上还提供了一个“Hardware Platform Statistics”页面，用来展示系统硬件资源的实时消耗情况，挺有意思的。监控内容包括CPU使用率、内存空闲与消耗、电压、温度等。

下面这张图是执行ADAS目标识别后的CPU使用情况，可以看到CPU使用率瞬间拉高了不少。A53的资源确实还是有点紧张，要是换成A72估计会好很多。

最后

马上中秋和国庆就要到了，终于在节前把第三篇作业赶了出来。祝各位节日快乐！

热点追踪提示词

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：基于Vitis AI的ADAS目标识别技术要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题

来源：https://m.elecfans.com/article/2260015.html

上一篇：OpenAI拟以800-900亿美元估值出售股份

下一篇：电力行业首个自主可控大模型发布百度文心支持

游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。