根据国家智能网联汽车创新中心的预测，2025年中国L2/L3渗透率将达到50%，2030年将达到70%。激光雷达则凭借着探测距离长、精度高、实时性好，且可构建环境 3D 模型等诸多优势，已经成为了实现L2+/L3及以上等级自动驾驶的核心传感器，并且正被越来越多中高端车型所集成。

而在L2+/L3自动驾驶系统中，如何处理激光雷达点云数据并进行部署，是软件和算法开发人员最关心的问题之一。目前，学术界对于激光雷达点云的感知算法是丰富多样的，涉及到FCN、PointNet、PointPillars、Voxel等多种方法。不过，为了在量产项目中加速点云处理，工程化主流采用的是PointPillars算法。

但是，当前一代的ADAS SoC芯片擅长于加速稠密卷积，芯片中的深度学习加速器多为MAC阵列结构，且主要面向卷积计算，即吞吐量小、权重重用性高。这样对于稀疏卷积、大量全连接并不友好。

2020年，黑芝麻智能发布华山二号A1000芯片，并于2022年实现量产上车。该芯片内置了自主研发的ISP、图像畸变处理、图像缩放处理等CV加速器，能够有效地加速算法的前处理。芯片内还包含了4个独立的DSP核心，而DSP上有许多已优化的传统CV算子库，可以加快新算子部署速度。

为了帮助开发者更好地了解A1000芯片有哪些加速器可以用于感知加速处理，以及如何使用PointPillars模型进行激光雷达点云处理。9月20日晚7点，黑芝麻智能联合智东西公开课策划推出的黑芝麻智能自动驾驶技术公开课将开讲。公开课由黑芝麻智能系统架构高级经理仲鸣主讲，主题为《激光雷达感知算法在黑芝麻智能A1000芯片上的部署》。

仲鸣首先会比较主流激光雷达点云感知算法的优劣势，之后对A1000芯片内置的自主研发的加速器进行解析。最后，仲鸣还会深入讲解PointPillars算法在A1000上的部署实现。

公开课信息

主 题

《激光雷达感知算法在黑芝麻智能A1000芯片上的部署》

提 纲

1、主流激光雷达点云感知算法比较
2、黑芝麻智能A1000芯片内的加速器解析
3、PointPillars算法在A1000上的部署实现

主 讲 人

仲鸣，黑芝麻智能系统架构高级经理。主要负责黑芝麻智能芯片业务系统架构设计，包括下一代软件架构、算法功能规划、软硬件优化和量产项目的工作。曾负责过目前国内市面已经大量量产的AVM、APA、AVP平台的软硬件系统设计和芯片技术支持。在目前的L2+等量产项目中，负责黑芝麻智能自研算法的功能定义与软硬件系统方案的设计。

课程信息

直 播 时 间 ：9月20日19:00-20:00
直 播 地 点 ：智东西公开课直播间