2026年，想用一块Zynq UltraScale+ MPSoC开发板做‘车载多传感器融合预处理’的科研项目，在实现摄像头、激光雷达、毫米波雷达数据的时间同步、坐标对齐和特征级融合时，如何利用其异构计算资源（FPGA, GPU, RPU, APU）进行高效的任务卸载与协同？
导师给了一个车载多传感器融合预处理的课题，硬件平台是Zynq UltraScale+ MPSoC（如ZCU102）。传感器包括摄像头（图像）、激光雷达（点云）、毫米波雷达（点迹/谱数据）。目标是在边缘端实现低延迟的传感器数据时间同步、空间坐标对齐（外参标定），以及初步的特征提取与融合。
Zynq UltraScale+有丰富的异构资源：FPGA（PL）、GPU（Mali）、实时处理单元（RPU）和应用处理单元（APU）。我的困惑是如何合理地进行任务划分和硬件加速：
1. 时间同步：高精度时间戳生成和分发，用PL实现PTP协议从站是否合适？
2. 坐标对齐：点云的坐标变换（旋转平移）计算密集，是用PL做并行矩阵运算，还是用GPU（通过OpenCL）更高效？
3. 特征提取：图像的特征提取（如CNN）可能用GPU或PL加速，点云的特征提取（如Voxel化）用PL做流式处理是否更好？
4. 系统集成：如何设计PL、RPU、APU之间的高效通信（如AXI Stream, OpenAMP, Linux驱动）和数据流？
希望有做过类似异构系统设计的前辈能分享一下架构设计经验和性能优化技巧。我要回答answer.notCanPublish回答被采纳奖励100个积分
嵌入式开发萌新
