地平线J5和J6芯片部署参考算法（2025.01.20）

已于 2025-01-20 10:18:13 修改
阅读量6.1k 收藏 34
点赞数 9
分类专栏： 论文笔记 文章标签： J5 模型部署 BEV 3D检测 J6 地平线 Map
于 2023-07-27 22:28:50 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/cg129054036/article/details/131968841
版权

本文主要是记录地平线官方提供的可在J5芯片上部署的参考算法：

参考算法数据集FPS
PointPillarsKITTI116 (双核)
CenterPointNuscenes98.72（双核）
Lidar MultiTaskNuscenes98.72（双核）
FCOS3DNuscenes589 (双核)
PETRNuscenes8.3（双核）
bev_mt_lssNuscenes138（单核）
bev_mt_ipmNuscenes106（单核）
bev_mt_ipm_4dNuscenes213（双核）
bev_mt_gktNuscenes42（单核）
bev_cftNuscenes35.11（双核）
双目深度估计SceneFlow249.68（双核）
DETRCOCO62.29（双核）
GANet（车道线检测）CULane2431（双核）
MOTR（多目标跟踪）mot1773.98（双核）
关键点检测CarFusion3290.12（双核）
DenseTNTArgoverse 11826（双核）
MixVarGENetImageNet5837（双核）
Swin TransformerImageNet133（双核）

地平线官方提供的可在J6芯片上部署的参考算法：

参考算法数据集J6E FPSJ6M FPS
FlashOccNuscenes68.696.23
QCNetArgoverse235.80208.39
Sparse4DNuscenes29.44 / 62-
BEVFormerNuscenes20.48-
MapTRNuscenes26.68 / 67.54-
BEVFusionNuscenes30.96-

文章目录

J5参考算法

1 PointPillars（Kitti）

算法介绍： https://developer.horizon.ai/forumDetail/118364000835765874

在这里插入图片描述

2 Centerpoint (Nuscenes)

算法介绍：https://developer.horizon.ai/forumDetail/163807121354434630

在这里插入图片描述

3 Lidar MultiTask (Nuscenes)

算法介绍： https://developer.horizon.cc/forumDetail/173442588425246842

在这里插入图片描述

4 FCOS3D (Nuscenes)

算法介绍：https://developer.horizon.ai/forumDetail/146177165367615529

在这里插入图片描述

5 PETR (Nuscenes)

算法介绍： https://developer.horizon.ai/forumDetail/146177165367615527

在这里插入图片描述

6 BEV参考算法 (Nuscenes)

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

7 双目深度估计（SceneFlow）

算法介绍：https://developer.horizon.cc/forumDetail/189779523032809474

在这里插入图片描述

8 DETR（COCO）

算法介绍：https://developer.horizon.cc/forumDetail/191823650440318976

在这里插入图片描述

9 GANet (CULane)

算法介绍：https://developer.horizon.ai/forumDetail/163807121354434982

在这里插入图片描述

10 MOTR (mot17)

算法介绍：https://developer.horizon.cc/forumDetail/174216017545977856

在这里插入图片描述

11 关键点检测（CarFusion）

算法介绍： https://developer.horizon.cc/forumDetail/174216054053200930

在这里插入图片描述

12 DenseTNT (Argoverse 1)

算法介绍： https://developer.horizon.cc/forumDetail/174216054053200932

在这里插入图片描述

13 MixVarGENet (ImageNet)

算法介绍： https://developer.horizon.ai/forumDetail/143772473308124160

在这里插入图片描述

14 SwinTransformer （ImageNet）

算法介绍：https://developer.horizon.ai/forumDetail/143772473308124166

在这里插入图片描述

J6参考算法

1. FlashOcc（Nuscenes）

算法介绍：https://auto-developer.horizon.cc/developerForum?fullPath=/home/community/bbsdetail?bid=616200747446865920

在这里插入图片描述

2. QCNet（Argoverse2）

算法介绍（V1.0）：https://auto-developer.horizon.cc/developerForum?fullPath=/home/community/bbsdetail?bid=617251105929596928

在这里插入图片描述

算法介绍（V2.0）：https://developer.horizon.auto/blog/10004
在这里插入图片描述

3. Sparse4D（Nuscenes）

算法介绍（V1.0）：https://auto-developer.horizon.cc/developerForum?fullPath=/home/community/bbsdetail?bid=617251450993881088
在这里插入图片描述

算法介绍（V2.0）：https://developer.horizon.auto/blog/12622

模型数据集Input shapebackbonenum_anchorNDSmAPFPSLatency
SparseBevOENuscenes6x3x256x704HENET3840.5424/0.530.40406213.28ms

4. BEVFormer（Nuscenes）

算法介绍 (V1.0)：https://auto-developer.horizon.cc/developerForum?fullPath=/home/community/bbsdetail?bid=617255194813960192
在这里插入图片描述

算法介绍 (V2.0)：https://developer.horizon.auto/blog/10006
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

5. MapTR（Nuscenes）

算法介绍（V1.0）：https://auto-developer.horizon.cc/developerForum?fullPath=/home/community/bbsdetail?bid=617626747555655680

在这里插入图片描述

算法介绍（V2.0）：https://developer.horizon.auto/blog/10142
在这里插入图片描述
在这里插入图片描述

6. BEVFusion（Nuscenes）

算法介绍：https://developer.horizon.auto/blog/10003

在这里插入图片描述

基于地平线J5/J3部署深度学习模型
xiaomu_347的博客
07-09 913
模型转换的第一步是模型检查，该步骤将分析模型与硬件平台的兼容性。在模型检查阶段，模型将被拆分为适合BPU和CPU运行的子图，理想情况下，我们期望仅存在一个运行在BPU上的子图。在进行ONNX模型转换时，需注意X3硬件架构的特定要求：它仅支持ONNX Opset 11版本，且模型输入维度限定为NCHW或NHWC，同时只支持批次为1的操作。地平线X3硬件平台的BPU单元主要支持INT8，尽管市场上如华为Atlas200 NPU等产品也支持FP16精度，但在以卷积计算主导的网络输出中，这两者间的精度差异并不大。
地平线J5芯片与同级别芯片的对比
汽车电子软件领域知识分享
06-28 881
地平线J5芯片与同级别芯片的对比
地平线量化J6
最新发布
kiko_butterflies的博客
12-11 822
VDI中搭建地平线J6m量化环境以及示例参考链接：链接1：https://auto-developer.horizon.cc/bloggerdetail?
地平线征程6系列发布
CHEK_的博客
04-24 2436
车控快讯（文/每日一CHEK）地平线公司今日发布了六款全新的征程6系列产品，型号为J6P、J6H、J6M、J6E、J6L和J6B，这些产品基于共享的硬件架构和统一的软件栈设计，极大优化了开发流程，提高了研发效率。车控CHEK社区，国内首推汽车跑分+AI车评人的汽车发烧友社区，关注智能汽车、竞品对标、数据报告、智能驾驶、接管率、危险接管里程、续航达成率、泊车成功率、揉库次数、智能座舱、评价指标、车主群...坚信上半场电动化，下半场智能化，目前地平线征程系列在比亚迪上的出货量最大，接下来会继续用上征程6。
【学习笔记】地平线J3&J5&J6E对比
weixin_42098658的博客
09-26 8595
地平线J5 SoC系列是根据ISO26262开发的，并且具有全面的安全方案，以达到较高的汽车安全完整性水平（ASIL），这对ADAS和自动驾驶应用至关重要。安全子系统是一个中央错误收集和处理系统。它由双核锁步皮层MStar、FCHM模块和丰富的外设组成，包括以太网、CAN FD、UART、SPI、PVT、CMM、计时器、SPIN_LOCK、WDT、I2C等。双核锁步Cortex MStar处理器有指令TCM和数据TCM，每个都有双字数据宽度。
地平线 J5
汽车电子软件领域知识分享
04-08 669
地平线J5平台介绍。
【自动驾驶技术】自动驾驶汽车AI芯片汇总——地平线篇
使者大牙ℂypher的博客
06-02 1万+
地平线公司自动驾驶SoC芯片介绍，重点是征程6芯片产品的介绍。
地平线与jetson nano部署
kiminoamae的博客
08-06 567
地平线 基本流程就是 飞桨模型训练->使用paddle2onnx转化成onnx模型->进行模型推理->模型量化->板子上测试 假设，我们已经训练好了一个paddle的模型，现在使用 pip install paddle2onnx onnx 安装paddle2onnx和onnx两个包，在进行模型转化的时候一定要把BCHW的B设置为1 # 定义输入数据 input_spec = paddle.static.InputSpec(shape=[1, 3, 224, 224], dtype='
地平线部署心得
linsl1986的博客
08-05 258
百度自研的Ai芯片部署目标检测还是比较方便的 由于是百度自研，所以服务还是比较周到的，很多demo能直接改一下就能使用了
地平线J5 Camera调试记录
weixin_44433432的博客
02-01 1163
app/bin/tuning_tool/run_tuning.sh a // a 是出 Yuv + Raw。可使用重新挂载的方法，将该目录链接到/userdata下。然后将so推到链接后的目录下，重启后会恢复版本原始配置。system目录比较重要，目前不支持写权限。
算法部署-在地平线Horizon芯片上部署YOLOv8-obb旋转目标检测算法-附量化+模型转换+推理代码+效果展示-优质项目
10-20
算法部署_在地平线Horizon芯片上部署YOLOv8-obb旋转目标检测算法_附量化+模型转换+推理代码+效果展示_优质项目实战
ADAS技术市场总结展望（2021年-2022年）
吴建明wujianming_110117
01-18 8409
ADAS技术市场总结展望（2021年-2022年） NV AGX 和TI的TDA4平台哪个好？ 作为自动驾驶的平台，NV好像用的人比较多，但TI的TDA4看起来也是不错的东西，有高手能够做个对比分析么？ 从CPU架构及主频来看，TDA4 介于 NV AGX的 Xavier 及 Orin 之间；但算力肯定比不上精于GPU的英伟达，毕竟 TI 是比较擅长的是 DSP 领域。 再从社区及厂商采用度来看，NV AGX明显要占优势。国内的三大新能源企业都用的是NV AGX：小鹏P7（Xavier），理想 One （
百度飞浆AI训练营第六课|地平线部署教程
m0_51340931的博客
08-06 272
另外还有基于Hub Serving的微信小程序模型部署的学习 PaddleHub是飞桨生态下的预训练模型管理工具
地平线征程5开发平台简介
热门推荐
weixin_41896321的博客
05-18 1万+
地平线征程5开发平台，基于立讯LS500 uSOM基础开发套件。
地平线征程5-Yolo模型部署-pt转bin
qq_52659547的博客
10-02 1132
两个模型的推理结果差不多（有小幅度的模型精度丢失属于正常情况），均达到预期，说明模型转化成功，可以将bin模型放到板端进行推理了。3、打开 export.py文件,将opset_version=12中的12替换为11。运行04_inference.sh使用原onnx或量化后的onnx模型进行推理测试。在文件中搜索 permute，一共有8处，这里是修改模型输出节点维度信息。在model_output文件夹下会生成量化完成的模型文件。下载yolov7.pt权重文件和yolov7代码。其中7处按照以下修改。
JAVA:实现SkylineAlgorithm地平线算法(附完整源码)
希望我的博客，能帮上你解决学习中工作中所遇到的问题
08-10 483
JAVA:实现SkylineAlgorithm地平线算法(附完整源码)
地平线正式批算法凉经
IT荻的博客
09-13 1012
0.自我介绍 1.介绍了一下在地平线这段时间实习的工作，着重介绍量化算法包的研发。 2.结果噩梦开始了。。。最有用的trick是什么，我说了cos decay，然后怼原理，公式，写出来，画图是什么样的。这里就有点卡住了。 3.给定一个模型的lr，weight decay，之前的权重W和当前的反向传播梯度grad，求出新的W权重。。。写公式，当时不记得怎么把weight decay加上去，位置不知道...
cesium - 地平线剔除算法
子枫
03-31 1140
cesium地平线剔除算法 原文链接 Horizon Culling | cesium.com 文章目录cesium地平线剔除算法前言一、相对于球体的地平线下点剔除二、计算某点位于平面的哪一侧三、计算某点位于平面的哪一侧四、推广到椭球体的情况代码展望实际应用 前言 在开发 Cesium 程序时，需要快速确定场景中的对象什么时候不可见，从而判断它不需要渲染。 一种方法是使用视锥体平视剔除，但是还有另一种重要的剔除方法是地平线剔除。 上图中，绿色点是 viewer 内可见的。红色点是不可见的，因为它们在视
地平线双目深度估计参考算法 StereoNetPlus 优化思路解读
地平线开发者
10-12 1687
本文将介绍地平线基于公版的双目深度估计算法StereoNet做的优化设计。
地平线 j5 vnc
04-29
地平线 j5 vnc是一款由地平科技推出的虚拟现实设备。它采用了全息投影技术，可以将虚拟世界与现实世界进行融合，为用户带来沉浸式的虚拟现实体验。 地平线 j5 vnc具有以下特点： 1. 高清晰度显示：地平线 j5 vnc配备了高分辨率的显示屏，可以呈现出清晰逼真的虚拟场景。 2. 全息投影技术：通过全息投影技术，地平线 j5 vnc可以将虚拟物体投影到现实环境中，实现虚拟与现实的融合。 3. 轻便舒适：地平线 j5 vnc采用轻量级设计，佩戴舒适，用户可以长时间佩戴而不感到疲劳。 4. 丰富的应用场景：地平线 j5 vnc适用于多种应用场景，如游戏、教育、医疗等，为用户提供全新的交互体验。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值