Acceleration on FPGA of an SVM classifier for road condition sensor

Abstract

Ever since the advent of mass-produced affordable car in the early 20th century, the concept of autonomous driving has captivated the minds of engineers, science-fiction novelists and exhausted commuters alike. The promise of a vehicle that takes control of the wheel and pedals, while also providing absolute safety, comfort and precision may seem unlikely - and yet, many project it to become a reality within our lifetimes. Transitioning to fully autonomous driving poses a grave set of challenges. The next generation of vehicles mandates the use of near bleeding-edge data acquisition and processing systems, while still preserving reliability and cost-effectiveness. These modern algorithms and data models require more processing power, and are in a constant process of evolution incompatible with the current processing architectures. For the future of mobility to materialize, it is imperative a shift to platforms capable of metamorphosis. This thesis covers the adaptation of an existing road condition sensor prototype for an FPGA platform. The apparatus, intended to be mounted under a vehicles license plate, exploits a refined optical sensing solution mated to pre-trained AI-inference algorithms. These produce a classification of the driving surface, categorized in terms of the presence (or absence) of water, in either liquid or solid form. Some of the artefacts produced for this work include: 1) a both simple and high-performing data acquisition system implemented in reconfigurable logic, 2) a scalable, fixed-point linear SVM architecture optimized for the FPGA’s architecture, and 3) the integration of a thermal management loop, all in a single chip. The validity of this approach is demonstrated, while the main advantages and drawbacks are discussed in the context of a resource and time constrained research and innovation project.

O conceito de condução autónoma captou a imaginação de engenheiros, escritores de ficção científica e também condutores presos no trânsito, desde o surgimento do automóvel moderno no início do século 20. A promessa de um veículo que se encarregue do volante e dos pedais, capaz de segurança e conforto total pode parecer uma fantasia improvável - no entanto, a indústria prepara-se para a tornar numa realidade nas próximas décadas. A transição para a condução inteiramente autónoma apresenta graves obstáculos. A próxima geração de veículos autónomos requer os algoritmos de inteligência artificial mais avançados, que devem ser integrados de uma forma segura e não dispendiosa. Estas novas tecnologias não são compatíveis com os sistemas empregues nos carros de hoje. O futuro do automobilismo depende da adoção de novas plataformas capazes de metamorfose. Esta tese de mestrado apresenta a adaptação de um protótipo do sensor de condição do piso para uma arquitetura baseada em FPGAs. O aparelho original, concebido para ser montado na dianteira do carro, é munido de sensores óticos sofisticados e integra algoritmos de classificação pré-treinados. Esta configuração será capaz de classificar a estrada por onde o veículo se desloca com base na presença (ou ausência) de água, gelo ou neve. Os artefactos desenvolvidos neste trabalho demonstram: 1) a implementação em hardware reconfigurável de um sistema de aquisição de dados de alta performance, 2) uma arquitetura para algoritmos SVM optimizada para FPGAs, e 3) a integração do sistema de controlo de temperatura num único circuito integrado. A validez da abordagem proposta é demonstrada, enquanto que as maiores vantagens de desvantagens são discutidas no contexto de um projeto que dispõem de tempo e recursos monetários limitados.