#汽車電子 #人工智慧AI #先進駕駛輔助系統ADAS #車載資訊娛樂系統IVI #車聯網V2X #神經網路加速器NNA #圖形處理器GPU #感測器融合SensorFusion
【GPU+NNA,挑動汽車視神經】
因為自動駕駛汽車和先進駕駛輔助系統 (ADAS) 的泛在利益,汽車行業已成推動人工智慧 (AI) 發展的重要行業之一;儘管業界還在討論實現全自動化所需的理想技術組合,但有一點是明確的,那就是:AI、尤其是神經網路 (NN) 將發揮重要作用,執行對於傳統視覺或模式識別系統來說具有挑戰性的任務,並針對特定任務進行設計,以便更高效、精確地執行。
所有神經網路的組織模式都是在多個層面上多次處理資料。因此,神經網路可在不同的輸入模式下運行十到二十次,而不是用一組特定的參數只運行一次操作;透過不同路徑,選擇的數量就會增加。當到了需做出決策時,它已從輸入中提取了所有資訊。在路標識別示例中,第一層可能正在尋找一個標識的角形狀,然後是顏色等各步驟依序執行,直到它非常確信地說這是一個路標並說明其含義。
這樣做的好處在於無需對每一個步驟都進行程式設計。神經網路將會自己完成,並隨時間推移而不斷學習。該演算法知道它需要識別的內容,將嘗試不同方法直到實現目標,並在過程中不斷學習。一旦神經網路經過培訓,它便可在實際應用中發揮作用。這意味著工程師不必花費數小時來微調複雜的演算法,只需向神經網路展示它需要發現的內容並讓其自學完成。
這些技術已在車輛中被廣泛用於目標檢測、分類和分析,駕駛員監測、存取控制及語音和手勢識別也可利用不同類型的神經網路。此外,將傳統視覺與神經網路結合的 AI 方法,可用於行人路徑分析和環繞視圖等應用場景,它將同時依賴於圖形處理器 (GPU) 和神經網路加速器 (NNA)。在從感測器到電子控制單元 (ECU) 整個鏈路中也可使用神經網路,在預處理、中間處理和無人車後處理使用的各種技術將 AI 引入其中。
此外,車聯網 (V2X) 將主要使用自動駕駛汽車作為傳感載體,為各種智慧城市和智慧交通場景提供資料和資訊。同樣,這些進展將依賴於採用 GPU 和 NNA 的方法實現人工智慧,以支持來自越來越大的輸入集的各種分析和計算。自動駕駛和高度自動化的車輛將嚴重依賴各種類型的感測器,包括攝像頭、熱成像、雷達、光達 (LiDAR) 等。所有這些感測器傳出的訊號都需要進行解讀和融合,以便全面瞭解車輛內部和外部發生的情況。感測器融合對於自動駕駛至關重要。
延伸閱讀:
《助力汽車自我思考》
http://compotechasia.com/a/tech_application/2020/0120/43855.html
(點擊內文標題即可閱讀全文)
#ImaginationTechnologies
「感測器融合sensorfusion」的推薦目錄:
- 關於感測器融合sensorfusion 在 COMPOTECHAsia電子與電腦 - 陸克文化 Facebook 的最佳解答
- 關於感測器融合sensorfusion 在 COMPOTECHAsia電子與電腦 - 陸克文化 Facebook 的最佳貼文
- 關於感測器融合sensorfusion 在 COMPOTECHAsia電子與電腦 - 陸克文化 Facebook 的最讚貼文
- 關於感測器融合sensorfusion 在 感測器融合sensorfusion的推薦與評價,YOUTUBE 的評價
- 關於感測器融合sensorfusion 在 lh9171338/Sensor-Fusion: Lidar-Radar传感器融合定位 的評價
- 關於感測器融合sensorfusion 在 了解传感器融合和跟踪 的評價
- 關於感測器融合sensorfusion 在 【TI處理器讓視覺與雷達更融合】... - Texas Instruments Taiwan 的評價
感測器融合sensorfusion 在 COMPOTECHAsia電子與電腦 - 陸克文化 Facebook 的最佳貼文
#汽車電子 #自動駕駛 #先進駕駛輔助系統ADAS #感測器融合SensorFusion #光達LiDAR #慣性元件 #智慧工廠 #智慧物流 #智慧城市 #人工智慧AI
【ADAS 成功關鍵】
曾經,自動駕駛只是科幻片的橋段;直到近幾年,因為雷達感測、光達 (LiDAR) 和慣性系統等基礎技術的突破進展,才開始拉近它與我們的距離。然而,要讓自動駕駛深入日常生活,更關鍵的是如何將上述技術融合在一起,並改良整車的尺寸、重量和動力,以實現自動駕駛、提高安全性。
可別小看這些基礎技術,同樣的原理,還能廣泛應用在工控、物流和智慧城市的物流/運輸移動等不同領域,最終滲透至千家萬戶。預估未來二十年,車內感測器的數量還會大幅增加,因為,它們是確定性演算法和人工智慧 (AI) 演算法的主要資料來源,惟有源頭精準無誤且品質夠好,才能順利驅動自駕系統——數據品質,將決定 AI 價值。
演示視頻:
《ADI 協助您從 ADAS 邁向全自動駕駛》
https://www.youtube.com/watch?time_continue=14&v=CzTZ7k7TOLE
http://compotechasia.com/a/CTOV/2019/0930/42903.html
P.S. 《COMPOTECHAsia 電子與電腦》在 YouTube 也有專屬頻道哦!歡迎各位朋友訂閱+開啟小鈴鐺。
https://www.youtube.com/user/compotechasia/videos
#亞德諾ADI
感測器融合sensorfusion 在 COMPOTECHAsia電子與電腦 - 陸克文化 Facebook 的最讚貼文
#汽車電子 #智能車 #先進駕駛輔助系統ADAS #微控制器MCU #電子控制單元ECU #影像訊號處理器ISP #光學雷達LiDAR #新車評估程序NCAP #汽車開放系統架構AUTOSAR #卷積神經網路CNN #感測器融合SensorFusion
【車用 MCU 要件:多核心、低功耗、大儲存、高整合】
當人們對油電混合車/電動車 (HEV/EV) 行駛距離的期望值越來越高,車用微控制器 (MCU) 運算效能及功能整合勢必隨之升級,才能製造效率更高、體積更小的馬達變頻器;另須配備大容量快閃記憶體 (Flash) 與防護機制,以精確支援各國環境法規與標準,並允許空中傳輸 (OTA),透過無線網路連線來診斷、更新或還原控制程式,簡化維護作業與成本。值得留意的是,「半導體製程」的世代更迭,居間角色十分吃重。高效穩固的多核心、低功耗且預防過熱、增加程式儲存容量、高度整合前沿及通訊功能,是今後自駕、環保智能車 MCU 的必要條件。
新世代環保汽車的引擎,需要強大運算效能來運作燃油系統,以及大容量的內嵌快閃記憶體來容納更龐大的韌體程式。結合「金屬氧化氮氧化矽」(MONOS) eFlash 與高介電層金屬閘技術而成的先進 28 nm eFlash (嵌入式快閃記憶體) MCU 製程,可較 40 nm 提升四倍以上的記憶體與效能。HEV/EV 的 ECU 尤其需要先進的功能和複雜的控制軟體,會增加 MCU 處理負載,但另一方面,又須限制 MCU 熱能、讓 MCU 內部電路維持在較低的工作頻率,以免高溫環境有損元件可靠性;專用於電機控制的「智能電機定時器系統」(IMTS) 電路技術,可改善能源效率。
此外,能辨識四周環境的 360∘環景檢視,可經由感測器融合 (Sensor Fusion) 處理從汽車攝影機與雷達所收集到的資訊,將成為所有汽車的基本配備;與此同時,「後視鏡將被攝影機取代,而駕駛監控將成為自動駕駛安全的必要功能」——以攝影機為基礎的電子後視鏡具備物體偵測能力、可改變檢視的視角,並提供影像縮放功能;另由於自動駕駛 Level 3 以上的汽車,在某些情況下仍需駕駛者介入操作,駕駛監控將建構更安全的駕駛環境,且有助於監控駕駛人的注意力。簡言之,新一代電子後視鏡、駕駛監控及環景系統等檢視應用,未來將成為標配。
延伸閱讀:
《環保與自駕驅動 瑞薩衝刺新世代能源車與 ADAS》
http://compotechasia.com/a/____/2017/0516/35379.html
(點擊內文標題即可閱讀全文)
#瑞薩電子Renesas #RH850/P1X #R-Car V3M #V1R-M #智能電機定時器系統IMTS #英特矽爾Intersil #亞德諾ADI
〔本文將於發佈次日下午轉載至 LinkedIn、Twitter 和 Google+ 公司官方專頁,歡迎關注〕:
https://www.linkedin.com/company/compotechasia
https://twitter.com/lookCOMPOTECH
https://goo.gl/YU0rHY
感測器融合sensorfusion 在 了解传感器融合和跟踪 的推薦與評價
该视频系列介绍了自主系统中的传感器融合和多对象跟踪概述。内容从传感器融合确定点位置和相对位置开始介绍,进而逐步探讨使用IMM滤波器跟踪单个 ... ... <看更多>
感測器融合sensorfusion 在 【TI處理器讓視覺與雷達更融合】... - Texas Instruments Taiwan 的推薦與評價
... 感測器結合,綜合分析數據是目前的發展趨勢。這次TI在CES展上也透過實際的展示 ... TDA Signal Processing Enables Multi-Sensor Fusion for Increased Reliability for ... ... <看更多>
感測器融合sensorfusion 在 lh9171338/Sensor-Fusion: Lidar-Radar传感器融合定位 的推薦與評價
Lidar-Radar传感器融合定位. Contribute to lh9171338/Sensor-Fusion development by creating an account on GitHub. ... <看更多>