2026年，想用FPGA和Zynq MPSoC平台做一个‘边缘侧多模态传感器融合’的毕设（如摄像头+毫米波雷达），在PL和PS之间如何合理划分AI推理、传统信号处理和数据同步的任务，以实现低功耗和低延迟？
本科毕设选题，导师建议做传感器融合，偏向自动驾驶或机器人感知。我打算用Xilinx的Zynq UltraScale+ MPSoC开发板，接入摄像头和TI的毫米波雷达。核心难点是如何在FPGA可编程逻辑（PL）和ARM处理器系统（PS）之间高效分工。比如，图像的目标检测用PS上的AI加速器（DPU）跑量化模型，雷达点云处理用PL做CFAR滤波和聚类，那时间戳同步、坐标系转换、融合算法（如卡尔曼滤波）放在哪里更合适？怎么设计数据通路和DMA传输才能避免瓶颈？希望有系统设计经验的前辈给一些架构划分的原则和参考案例。我要回答answer.notCanPublish回答被采纳奖励100个积分
电路设计新人
