OrthoRoute是一款为解决高密度PCB布线难题而开发的自定义布线工具。作者因一个拥有17,600个焊盘和8,192条飞线的超大背板项目需求而创建，传统手动布线耗时数月，现有自动布线工具效率低下。该工具通过创新算法显著提升了复杂PCB设计的布线效率。

项目背景：OrthoRoute的诞生

作者在开发一个需要超大背板的项目时，遇到了一个包含16个连接器、每个连接器1100个引脚的PCB设计难题。手动布线需要数月时间，而现有的自动布线工具（如KiCad的FreeRouting插件）效率极低——7小时仅完成4%的布线。面对这一挑战，作者决定开发自己的自动布线插件OrthoRoute，利用GPU加速和创新的算法来解决高密度PCB布线问题。

技术架构与开发历程

1. KiCad API的选择
   作者放弃了KiCad 9.0之前的SWIG插件系统，转而使用基于IPC的新API。新系统通过UNIX套接字通信，允许在Python脚本中构建独立的PCB模型，为灵活布线奠定了基础。

2. 曼哈顿布线引擎
   核心算法采用FPGA领域经典的PathFinder，将PCB视为图结构：节点代表通孔位置，边代表铜走线。算法通过迭代优化解决布线冲突：

   • 初始阶段：贪婪布线，忽略资源竞争。
   • 后续迭代：动态调整拥堵边的成本，并重新布线最差路径。
   • GPU加速：利用CUDA实现并行Dijkstra算法，处理百亿级计算。

3. FPGA算法到PCB的适配
   针对PCB的特殊性（如焊盘逃逸布线），作者开发了焊盘逃逸规划器，预先计算焊盘到网格的路径，并支持随机化通孔布局。

4. 调试与优化

   • 历史成本问题：初期因历史成本衰减导致算法无法收敛，修复后改为累积记忆。
   • 参数动态调整：针对不同PCB特性（如层数、网络密度）自动适配参数，平衡速度与质量。

实战成果：大型背板布线

在完成小规模测试后，作者将OrthoRoute应用于目标背板： - 硬件限制：16GB显存不足，转而租用80GB显存的A100 GPU。 - 性能数据： - 布线规模：8,192个网络、32层、44,233个盲埋孔。 - 耗时：41小时（相比FreeRouting的预估数月大幅提升）。 - 显存占用：33.5GB，接近32GB上限。 - 效果评估：布线结果良好但非完美，需手动调整DRC违规（如少量走线重叠）。

项目意义与未来方向

OrthoRoute证明了： 1. GPU加速可行性：显著提升高密度PCB布线效率。 2. 算法通用性：FPGA算法可扩展至PCB领域。 3. 模块化设计：支持新增布线策略（如射频板、柔性电路板优化）。

代码已开源，作者鼓励社区参与改进。尽管自动布线仍需谨慎使用，但OrthoRoute为处理大规模数字电路提供了高效工具。

最终建议：关键信号仍需手动布线，但普通电源/数据网络可交给GPU——毕竟，“自动布线的意义就是让你安心喝咖啡”。

返回主页

总结评论内容：

1. 对PCB制造工艺的担忧

• 评论1提到手工钻孔的艰辛（评分无） 关键引用："Being that engineer in a PCB Fab in China who has to punch all the vias by hand"（作为中国PCB工厂里需要手工钻孔的工程师） "heart attack"（心脏病都要犯了）

2. 对特殊PCB应用的兴趣

• 评论2表达对这种特殊PCB板应用场景和报价的好奇（评分无） 关键引用："I would love to know the application of this ludicrous PCB"（很想知道这种夸张PCB的应用场景） "I'd be even more interested to see the quote price"（更想看看它的报价）