K-D盆栽：用于自动驾驶任务压缩K-D树的ISA扩展
摘要：自动驾驶（AD）系统广泛地处理3D点云进行物体检测和车辆定位。因此，在这些系统中，高效处理3D点云是至关重要的。在这项工作中，我们提出了K-D Bonsai，一种在半径搜索期间减少内存使用的技术，这是点云处理的关键构建模块。K-D Bonsai利用保存点云的数据结构（k-d树）中的值相似性来压缩内存中的数据。K-D Bonsai还利用点云值的物理有限范围，使用减少的浮点表示来进一步压缩数据。为了方便与现今系统集成，我们通过Bonsai-extensions实现了K-D Bonsai，这是一组用于压缩、解压缩和操作点的新CPU指令。为了保持基准安全水平，我们精心设计了Bonsai-extensions，以检测由于压缩而导致的精度损失，如果需要，可以进行全精度的重新计算。因此，K-D Bonsai减少了数据移动，提高了性能和能效，同时保证基准准确性和可编程性。我们在Autoware.ai的欧几里德聚类任务上评估了K-D Bonsai，Autoware.ai是一种用于AD的最先进的软件堆栈。我们实现了平均端到端延迟的9.26％改进，尾部延迟的12.19％改进，并减少了10.84％的能耗。与相关研究中提出的昂贵的加速器不同，K-D Bonsai在最小面积增加（0.36％）的情况下改善了半径搜索。
作者：Pedro H. E. Becker, Jos''e Mar''ia Arnau, Antonio Gonz''alez
论文ID：2302.00361
分类：Hardware Architecture
分类简称：cs.AR
提交时间：2023-08-31