文章|英特尔中国研究院Intel HERO是一套性能强大、配置灵活、接口丰富的异构计算平台，适合作为服务机器人、小型无人系统、汽车等智能自主系统的计算核心。
集成的Intel Core i5/i7 CPU和Intel Arria 10 FPGA芯片可以实时处理大量数据并运行多种智能算法。
对于算法研究人员和软件工程师来说，如何才能充分发挥FPGA的性能，让我们的算法在HERO平台上快速飞翔？本文将告诉你答案。
1、为什么异构计算需要不同的芯片架构来完成不同的任务。
对于需要高并行性和低延迟的计算和控制任务，例如视觉处理、自主定位、运动规划和控制等，FPGA凭借其强大的并行计算能力可以轻松应对。
CPU作为高速串行处理器，可以从大吞吐量的常规计算中解放出来，可以专注于高层任务规划、决策和人机交互。
两者相辅相成，构成了机器人最强大的大脑。
事实上，人脑也有类似的工作机制。
心理学家认为，人脑中有两个系统。
一是完全自动化、高度并行，随时处理大量数据并获取高层抽象信息，如FPGA的功能；另一个系统是你的“意识”。
接收这个抽象信息并思考，类似于CPU。
例如，当人们开车时，识别车道、区分汽车和行人等任务根本不需要大脑的思维带宽。
有经验的司机甚至可以边说边笑地变道超车。
这些都得益于强大而灵活的异构大脑。
2. HERO SDK HERO SDK是支持HERO平台的软件集合，可以帮助开发者快速创建基于HERO平台的机器人产品。
HERO SDK目前包含SLAM、智能导航、视觉重定位、运动规划、字符识别和语音交互等许多机器人和无人车所需的功能模块。
其中SLAM、运动规划以及一些深度神经网络模型都已经通过FPGA进行了加速。
整个系统基于ROS（机器人操作系统）构建，灵活便捷。
FPGA逻辑设计采用OpenCL编程模型，直接用C语言开发。
此外，该系统还配备了基于英特尔SGX技术开发的一整套安全机制，确保机器人或无人车即使受到黑客远程入侵也不会做出危险动作。
3. HERO SDK 异构计算案例 下面我们介绍几个基于 HERO SDK 的异构计算案例，看看如何更好地将运动规划、定位和导航应用到智能机器人中： 1. 异构计算案例一：FPGA 加速的机器人运动规划在今年9月底召开的机器人领域顶级会议IROS上，虽然深度学习成为热门话题，但排名第一的关键词仍然是Motion & Path Planning。
在运动规划方面，目前最常用的算法是基于采样的算法。
典型代表包括RRT、PRM及其变体。
这类算法会在机器人的配置空间中进行随机采样，并将位置相近的有效采样点连接起来，形成树或图结构，最终找到一条连接起点和目标点的路径。
采样方法面临的一个常见问题是它无法保证路径的质量——样本越多，越有可能找到更短的路径，但计算时间也就越长。
事实上，在整个路径规划过程中，大部分时间都用于判断采样点的有效性。
这是因为有效性判断涉及到机器人本身的碰撞检测（比如手和头是否碰撞），以及机器人与机器人之间的碰撞检测。
环境之间的碰撞检测，无论是机器人本体还是环境，一般都有非常复杂的模型。
例如，研究中常用的Baxter双臂机器人模型仅躯干部分就包含20,000个三角形——这是为了碰撞检测而专门简化的。
我们开发的绝地双臂机器人，全身模型包含了近50万个三角形。
因此，我们首先选择三角网格模型之间的碰撞检测任务作为FPGA加速的目标。
如上图所示，HERO平台使用MoveIt！作为运动规划框架。
OMPL 是 MoveIt! 的默认规划算法库，也是开发基于采样的机器人运动规划算法的首选框架。
在规划过程中，它调用MoveIt!提供的碰撞检测方法。
通过虚拟函数接口，实际的碰撞检测由HCL（HERO Collision Library）进行——这是专门为HERO平台开发的具有FPGA加速功能的碰撞检测。
库，替换了 MoveIt! 最初使用的碰撞检测库 FCL！为了充分发挥FPGA的性能，我们还修改了OMPL和MoveIt！可以一次发起多个检测请求，从而减少CPU和FPGA之间的交互次数。
最后，对于自碰撞检测请求，HCL的处理速度达到了FCL的近两倍。
2、异构计算案例二：采用FPGA加速的SLAM算法长期关注英特尔中国研究院的朋友都知道，研究院基于低成本FPGA SoC完成了完整的激光雷达SLAM系统的开发——Cyclone去年V。
设计。
现在有了HERO平台的支持，开发类似的系统会变得更加容易吗？答案是肯定的！事实上，我们使用OpenCL开发流程重新创建了一个版本的FPGA SLAM，设计了新的软硬件交互接口，用C语言重写了核??心计算逻辑，使用模拟器进行调试和验证，编译成硬件逻辑，并在搭载HERO平台的机器人上使用。
测试完成于。
只需几天时间就能实现这一目标！经测试，新版FPGA SLAM中通过OpenCL生成的逻辑在性能上超越了高级硬件工程师用HDL设计的版本，并且比Intel Core i5 CPU上深度优化的软件版本快了五倍。
结合我们的FastScan技术，更快的执行速度使我们能够以更高的频率调用定位算法，最终让搭载HERO平台的机器人或自动驾驶车辆能够以更高的速度稳定行驶。
4. FPGA快速开发经验，前线高能，疏散非战斗人员！尽管FPGA近年来极其流行，但许多软件工程师仍然对它敬而远之。
毕竟，光是复杂的传统开发流程就足以让人望而生畏。
OpenCL的出现改变了一切。
使用OpenCL，您可以直接用C语言开发运行在FPGA上的内核程序，并只需一条命令即可将其编译成包含硬件逻辑的aocx文件。
在主机端，只需在C或C++程序中使用OpenCL接口加载文件，就可以像调用普通函数一样执行FPGA逻辑并获得结果。
根据我们的经验，软件工程师可以在短短几周内掌握整个开发流程，并能够根据可视化硬件逻辑综合报告对内核代码进行分析和优化。
以下是开发者可能关心的问题。
您想得到什么答案吗？问：使用OpenCL开发FPGA逻辑需要什么样的开发环境？ A：在Ubuntu系统上，只需复制Intel FPGA SDK for OpenCL并在bash中设置相应的环境变量即可。
不需要GUI，非常方便。
问：内核可以在没有 FPGA 硬件的机器上执行吗？ A：编译时设置模拟器选项，获取aocx文件的软件版本。
执行时不需要FPGA硬件，非常适合功能验证和调试。
Q：编译内核需要很长时间吗？ A：编译模拟器速度非常快，堪比编译软件；编译硬件逻辑的时间取决于内核的复杂程度，一般需要一小时到几个小时，但第一阶段编译完成后（通常只需一分钟）即可获得高级综合报告和FPGA资源使用情况。
问：如何调试内核代码？ A：建议使用模拟器调试功能。
编译模拟器时，内核代码中可以正常使用printf，可以使用gdb进行调试。
问：C语言的所有特性都可以在内核中使用吗？答：基本上都是可以的。
全局变量和静态变量不能直接使用，但可以使用OpenCL和Intel提供的关键字来指定变量的地址空间，以达到类似的效果。
问：调用内核和调用普通函数有什么区别？ A：首先，不能直接传递指针作为参数。
需要利用OpenCL提供的接口将要访问的数据复制到FPGA的内存中（也可以反向复制），然后传入对应的地址。
其次，所有参数的字节总数都有限制。
问：使用OpenCL开发的程序性能如何？答：取决于节目类型。
对于一般计算密集型任务，使用 OpenCL 开发的逻辑性能可以轻松与经验丰富的硬件工程师使用 HDL 设计的逻辑性能相媲美。
然而，对于需要频繁内存访问的任务，OpenCL 可能不会自动提供最佳的内存管理。
这种方法需要开发者根据任务的特点仔细调整代码。