采用FPGA的嵌入式视觉技术

网友投稿 264 2024-02-19


自驾车商机诱人,驱动传统车厂与物联网厂商跨界抢进,更加速人工智能(AI)、先进驾驶辅助系统(ADAS)发展愈趋白热化。而嵌入式视觉也搭上AI与ADAS发展的顺风车,成为实现自驾车发展不可或缺的关键技术,为了要满足嵌入式视觉技术的灵活度,低延迟、低功耗与低成本的要素缺一不可。

采用FPGA的嵌入式视觉技术

赛灵思(Xilinx)机器学习资深产品营销经理罗霖谈到,在AI高速发展状况下,对嵌入式视觉的ASIC芯片开发带来巨大挑战,从传感器搜集道路行驶资料、基于深度学习感知执行路径规画,甚至是提供自动煞车的过程,所需的延迟必须小于100ms,且其中牵涉到许多散热挑战,要求芯片功耗需小于5W。此外,该技术对于成本相对敏感,要求主芯片价位范围介于10~40美元之间。

赛灵思机器学习资深产品营销经理罗霖认为,低延迟、低功耗与低成本是打造嵌入式视觉不可或缺的关键要素。

相较之下,采用FPGA支持嵌入式视觉技术,更具可编程的弹性。罗霖分析,虽然采用ASIC开发嵌入式视觉具备成本与功耗优势,但在AI与深度学习时代,创新的技术或应用不断发生,每天都有新的深度神经网络(DNN)出现,而这些神经网络本身是变种、无标准性,也没有标准化的算法。在此前提下,车厂会要求每个月升级一次神经网络,升级的神经网络不仅改变权重,还包含整体网络结构与网络计算颗粒度,变更范围非常广。

此外,由于DNN的趋势发展下,相机对于分辨率要求的规格也快速改变,为了因应不同分辨率,提供不同接口支持也成为嵌入式视觉关注的一大重点,相比于ASIC固定式的设计,FPGA可提供弹性化的I/O接口,也成为嵌入式视觉开发的一大卖点。

虽然FPGA具备弹性、可扩充性的优势,但一直以来为人诟病的地方就在于复杂的软件定义编程、函式库与架构上的挑战。为了解决这项痛点,赛灵思发布reVISION Stack平台,提供验证过并定义完成的基础平台,开发工程师仅须选用开发工具、架构与函式库,即可快速进入机器学习应用,有效降低FPGA开发门坎。

整体而言,赛灵思汽车产品营销经理孙蕾蕾表示,赛灵思FPGA与SoC优点是可以用到汽车不同应用,包含前端、雷达与光达应用,其延迟相较于CPU和GPU都还来得低。凭借着Xilinx本身FPGA具备的低延迟、低功耗的性能条件,近期在车用领域已与许多车厂及物联网厂商合作,包含戴姆勒、Mobilieye和百度等公司,主要透过AI技术提供前置摄影机、驾驶侦测与自动停车等应用。

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:2017机器人市场景气度将延续 4大发展趋势渐显
下一篇:表面缺陷检测设备的检测优势是什么
相关文章

 发表评论

暂时没有评论,来抢沙发吧~