為了提供更好的閱讀內容,我們使用cookies來改善使用者體驗,關於更多cookies資訊請閱讀我們的隱私權聲明
AdvantechIOT
活動+
 

最佳化DSP設計加速自駕車發展

  • 台北訊
Cadence益華電腦應用工程師林文國博士。

汽車的體系龐大,被視為物聯網與AI應用的重要市場,就整體來看,汽車體系包括服務、自動駕駛、感測器、安全與資安、基礎建設與車輛連結、車內智能與輔助、特殊車輛、智慧製造等都與AIoT有關,透過從物聯網底層擷取的數據,AI與物聯網將加速推動汽車產業的智慧化,而在系統中,處理器的角色將越來越吃重,Cadence益華電腦應用工程師林文國博士在「嵌入式人工智慧解決方案:車用CV&AI的部署」演講中指出,就目前車用領域來看,DSP(數位訊號處理器)會是較佳選擇。

近年來車用領域逐步加強智慧化技術的應用,AI在2016年引爆新一波熱潮後,這股趨勢開始加速,在近兩年,自駕車都是IT領域大型展會的吸睛亮點,不過汽車的外部環境和內部技術都相當複雜,林文國就表示,智慧化車輛設計必須考量幾個重點,包括外在環境的偵測與感知、電子地圖與行車路徑設計、車輛與周邊系統設備的連結、駕駛的監測等。

之前SAE(美國汽車工程師協會)就曾針對智慧車設計出五個層次,包括:1. No Automation;2. Partial Automation;3. Conditional Automation;4. High Automation;5. Full Automation。第1項是僅有警告系統;2是遇障礙物剎停與行車方向的輔助;3是汽車可有條件的自駕;4是除了特定環境外,車輛都可自駕;5則是無論任何因素,汽車都可以自駕。就發展程度來看,目前業界已可走到第3層,近期則可到第4層。

從SAE制定的自駕層次,可以看出自動化駕駛等程度越高,所需的感測器數量也會隨之提升,感測數據的大量增加,讓AIoT的運算能力越來越重要。目前IT領域的處理器包括CPU、GPU、DSP等,在車用領域,這三種處理器都會用到:在應用與資訊流管理等部分,會需要使用CPU;智慧化處理方面,由於需要即時處理大量資訊,因此DSP、硬體加速器、GPU會是適合的選擇。

在車用的DSP,林文國指出,目前Cadence旗下的Tensilica Scalable DSP平台,十分適用於車載系統。他表示,車載系統的子系統繁多,訊號量繁雜,可透過多種類型的DSP做搭配處理感測訊號,例如前面提到的自駕車等級,影像監控的訊號量通常是1T/sec,在空間考量下,就可以選用4顆Tensilica的Vision P6或1顆Vision C5 DSP;要達到Conditional Automation層次,其訊號量會達到10T/sec,就要用到10顆Vision C5 DSP做組合;而若要做出第5階層的完全自動駕駛,根據統計要處理的訊號量將達320T/sec,這個運算需求下,除了效能外,設計者還必須思考空間、成本、功耗、DSP排列等。

林文國表示,隨著自動化駕駛的日漸成熟,這些問題都會逐漸浮現,系統建構者除了自行設計外,也可以尋求DSP廠商協助,尋求最佳化解答。