2026年，全国大学生集成电路创新创业大赛（集创赛）备赛，选择‘基于FPGA的激光雷达点云实时处理与目标分类’作为题目，在实现点云去噪、分割、特征提取和轻量级分类网络加速时，如何利用FPGA的并行流水线设计来应对高数据吞吐率挑战？
我们团队准备参加2026年的集创赛，选题瞄准自动驾驶感知热点。计划用FPGA处理激光雷达的原始点云数据，最终输出简单分类（如车辆、行人）。目前最大的担忧是数据率太高，实时性难保证。我们查了资料，点云处理算法如体素化、聚类计算量很大。想请教：1. 在FPGA上处理点云，通常采用怎样的系统架构？是设计多个并行处理单元（PE）流水作业吗？2. 针对特征提取和分类，如何选择或设计一个适合FPGA硬件实现的轻量级神经网络（如PointNet简化版）？3. 在资源有限的学生版FPGA上，有哪些关键的点云算法步骤可以优先用硬件加速，哪些可以适当简化或用软核处理？希望能得到一些架构设计上的指导。
硅农预备役2024
