智能交通是交通和汽车工业领域备受关注的研究课题,道路标志检测是其先进车辆控制系统的重要组成部分。So C-FPGA将功能灵活的ARM和并行运算的FPGA组合在一起,为目标检测算法提供了良好的嵌入式实现平台。论文研究基于So C-FPGA的道路标志实时检测技术,目标是在便捷灵活的嵌入式平台上实现道路标志实时检测,为实现辅助驾驶和自动驾驶技术提供新思路。首先,论文以保证检测准确率为前提,并充分考虑算法的运行速度,分别实现了基于YOLOv3算法及其精简版本YOLOv3-tiny算法的道路标志检测模型。针对Darknet框架模型不便于向So C-FPGA平台部署的问题,将检测模型转化到Caffe深度学习框架下。其次,基于ZYNQ Ultra Scale+MPSo C设计了道路标志检测系统平台。在硬件平台方面,论文完成了So C-FPGA芯片选型并进行了相关外设的元器件选型和硬件电路介绍。在软件平台方面,基于So C-FPGA的硬件可编程特性进行了FPGA工程设计,集成了深度学习处理单元(Deep Learning Processor Unit,DPU)IP,为道路标志检测模型提供加速模块,并以此为基础进行嵌入式Linux系统移植,在其中集成了相关硬件及IP的驱动和相关软件运行库。然后,论文对道路标志检测模型进行了量化和编译,生成了包含DPU指令的链接库文件。并以此为基础,完成了系统软件程序设计,给出了以图片和视频为输入的各功能模块的算法实现流程。最后,对整个系统功能进行测试评估,主要包括系统平台运行状况测试和系统性能评估。其中系统平台运行状况包括Wi Fi模块测试、DPU模块测试和软件运行库检查。在系统平台运行良好的基础上,从资源占用、检测准确率、系统实时性三个方面对系统性能进行了测试评估。测试结果表明该系统能够从视频流中实时检测到道路标志,检测准确率较高的同时实时性也很好,且能够通过显示器在本地和通过Wi Fi网络远程显示检测结果。