Road Lane Markings Detection and Classification Design with Integration of Front Vehicle Recognition based-on Memory-centric Computing

도로 차선을 분류하는 것은 도로 안전에 매우 중요하며 자율 주행 차량 개발에 특히 중요하다. 기존 프로세서 기반 방법은 메모리 벽 문제 및 폰 노이만 병목 현상과 같은 중요한 문제에 직면하여 차선 감지 프로세스의 비효율로 이어진다. 본 논문에서는 실선, 이중선, 점선과 같은 세 가지 유형의 도로 차선을 감지하고 분류하기 위한 메모리 중심 컴퓨팅 방법을 제안하고 구현하였다. 알고리즘은 OpenCV를 사용하여 Python에서 개발되었으며, 이후, Xilinx Vitis High-Level Synthesis (HLS) 도구를 사용하여 RTL로 구현하였다. 시스템은 Xilinx Alveo U50 FPGA Accelerator에서 구현되었다. 결과적으로, 메모리 컴퓨팅 기반의 차선 분류와 전방 차량 탐지를 통합한 알고리즘이 기존 CPU 처리방식의 알고리즘 대비 70.72%의 낮은 전력 소비와 프레임당 평균시간 9.7ms의 향상된 속도로 구현하였다.