本书由PerceptIn公司的技术专家与清华大学等高校的学者联袂撰写，提出FPGA是机器人应用的很好计算基板。
本书全面概述基于FPGA的机器人计算加速器设计，证明了FPGA是加速神经网络的理想选择，也是加速运动规划内核的理想选择。此外，本书还介绍了PerceptIn为自动驾驶汽车开发车载计算系统所做的努力。

本书全面概述基于FPGA的机器人计算加速器设计。本书首先对FPGA技术的背景进行介绍，然后深入介绍基于FPGA的机器人感知神经网络加速器设计，并对机器人感知中的各种立体视觉算法及其FPGA加速器设计进行讨论，验证了FPGA是加速神经网络的理想选择。接着，介绍在FPGA中实现并集成现有算法的关键原语的通用定位框架，并讨论运动规划模块，证明了FPGA是加速运动规划内核的理想选择。之后，探讨如何在多机器人探索任务中使用FPGA，以及PerceptIn为自动驾驶汽车开发车载计算系统所做的努力。zui后，介绍过去20年中FPGA在太空机器人中的应用。本书适合机器人领域的研究者、工程师以及高校相关专业的学生阅读及参考。

目    录<br />Robotic Computing on FPGAs<br />译者序<br />前言<br />作者简介<br />第1章  概览  1<br />1.1  传感  3<br />1.2  感知  4<br />1.3  定位  5<br />1.4  规划和控制  5<br />1.5  机器人应用中的FPGA  6<br />1.6  深度处理流水线  7<br />1.7  小结  8<br />第2章  FPGA技术  10<br />2.1  FPGA技术简介  10<br />2.1.1  FPGA的类型  11<br />2.1.2  FPGA的架构  11<br />2.1.3  FPGA的商业应用  13<br />2.2  部分重配置  14<br />2.2.1  什么是部分重配置  14<br />2.2.2  如何使用部分重配置  15<br />2.2.3  实现高性能  17<br />2.2.4  实际案例研究  21<br />2.3  在FPGA上运行ROS  21<br />2.3.1  ROS  21<br />2.3.2  ROS兼容的FPGA  23<br />2.3.3  优化ROS兼容的FPGA的<br />通信延迟  25<br />2.4  小结  26<br />第3章  感知—深度学习  27<br />3.1  为什么选择FPGA用于深度<br />学习  28<br />3.2  基础：深度神经网络  29<br />3.3  设计方法和标准  30<br />3.4  面向硬件的模型压缩  32<br />3.4.1  数据量化  32<br />3.4.2  权重缩减  34<br />3.5  硬件设计：高效架构  35<br />3.5.1  计算单元设计  35<br />3.5.2  循环展开策略  38<br />3.5.3  系统设计  40<br />3.6  评估  43<br />3.7  小结  46<br />第4章  感知—立体视觉  47<br />4.1  机器人的感知  47<br />4.2  机器人的立体视觉  49<br />4.3  FPGA上的局部立体匹配  50<br />4.3.1  算法框架  50<br />4.3.2  FPGA设计  52<br />4.4  FPGA上的全局立体匹配  52<br />4.4.1  算法框架  52<br />4.4.2  FPGA设计  53<br />4.5  FPGA上的半全局匹配  53<br />4.5.1  算法框架  53<br />4.5.2  FPGA设计  53<br />4.6  FPGA上的高效大规模立体<br />匹配  56<br />4.6.1  ELAS算法框架  56<br />4.6.2  FPGA设计  57<br />4.7  评估和讨论  58<br />4.7.1  数据集和准确性  58<br />4.7.2  功率和性能  61<br />4.8  小结  62<br />第5章  定位  63<br />5.1  预备知识  63<br />5.1.1  背景  63<br />5.1.2  算法概述  65<br />5.2  算法框架  67<br />5.3  前端FPGA设计  71<br />5.3.1  概述  71<br />5.3.2  利用任务级并行性  72<br />5.4  后端FPGA设计  73<br />5.5  评估  74<br />5.5.1  实验设置  74<br />5.5.2  资源消耗  75<br />5.5.3  性能  76<br />5.6  小结  77<br />第6章  规划  78<br />6.1  运动规划背景概述  78<br />6.1.1  概率路线图  79<br />6.1.2  快速探索随机树  80<br />6.2  利用FPGA实现碰撞检测  81<br />6.2.1  运动规划计算时间剖析  81<br />6.2.2  基于通用处理器的解决<br />方案  82<br />6.2.3  基于专用硬件加速器的<br />解决方案  83<br />6.2.4  评估和讨论  89<br />6.3  利用FPGA实现图搜索  91<br />6.4  小结  93<br />第7章  多机器人协作  95<br />7.1  多机器人探索  95<br />7.2  基于FPGA多任务的INCAME<br />框架  98<br />7.2.1  ROS中的硬件资源冲突  99<br />7.2.2  带ROS的可中断加速器（INCAME）  100<br />7.3  基于虚拟指令的加速器中断  102<br />7.3.1  指令驱动加速器  103<br />7.3.2  如何中断：虚拟指令  105<br />7.3.3  何处中断：在SAVE/<br />CALC_F后  105<br />7.3.4  延迟分析  106<br />7.3.5  虚拟指令ISA  108<br />7.3.6  指令编排单元  109<br />7.3.7  虚拟指令示例  110<br />7.4  评估和结果  110<br />7.4.1  实验设置  110<br />7.4.2  基于虚拟指令的中断  113<br />7.4.3  基于ROS的多机器人<br />探索  115<br />7.5  小结  115<br />第8章  自动驾驶汽车  116<br />8.1  PerceptIn案例研究  116<br />8.2  设计约束  117<br />8.2.1  车辆概览  117<br />8.2.2  性能要求  118<br />8.2.3  能耗和成本因素  119<br />8.3  软件流水线  121<br />8.4  车载处理系统  122<br />8.4.1  硬件设计空间探索  122<br />8.4.2  硬件架构  124<br />8.4.3  传感器同步  126<br />8.4.4  性能特征  128<br />8.5  小结  129<br />第9章  太空机器人  130<br />9.1  太空计算的辐射容错  130<br />9.2  基于FPGA的太空机器人算法<br />加速  132<br />9.2.1  特征检测和匹配  133<br />9.2.2  立体视觉  133<br />9.2.3  深度学习  134<br />9.3  FPGA在太空机器人任务中的<br />应用  135<br />9.3.1  火星探测车的任务  135<br />9.3.2  火星科学实验室的任务  136<br />9.3.3  火星2020的任务  137<br />9.4  小结  138<br />第10章  总结  139<br />10.1  本书主要内容回顾  139<br />10.2  展望未来  140<br />参考文献  142