摘要：针对当前目标检测技术在智能汽车上所需的体积小、能效比高、检测速度快、精度高等要求,提出了一种新型嵌入式道路交通目标检测设计。该方案以YOLOv3为基础网络模型,通过新增网络检测层和网络剪枝技术分别提升网络的检测精度和检测速度,在硬件端以深度处理单元(Deep Learning Processing Unit,DPU)为核心搭建了底层硬件平台,对网络的卷积计算进行并行加速,改进后的模型通过量化和编译后可以部署至FPGA+ARM异构平台。经测试,在KITTI数据集上的检测精度为85.32%,功耗为8.2 W,检测帧率为31.2 Hz,算力功耗比达到58.3 GOPs/W,是RTX 2060 super型GPU的3.9倍,Intel i7-12400型CPU的9.3倍。实验结果表明,该方案满足道路交通目标检测设计要求,相较常用目标检测平台GPU,所提方案的部署空间小、功耗低,更适于灵活部署在空间紧凑、能源供给受限的智能汽车中。