瑞萨电子推出R-Car V3M入门套件,以简化并加速符合NCAP(New Car Assessment Program,新车评估计划,注1)的前置摄影镜头应用、环视系统、以及光达(LiDAR)的开发。
|
瑞萨电子推出R-Car V3M全面解决方案,将加速入门级和中级车款上的NCAP前置摄影镜头应用开发。 |
此一新入门套件是以R-Car V3M影像辨识系统晶片(SoC)为核心,为成长中的NCAP前置摄影镜头市场提供了低功耗及高性能的组合。藉由R-Car V3M入门套件和相关支援软体与工具的结合,系统开发人员可以轻松地开发出前置摄影镜头的应用产品,有助於减少开发工作量并缩短产品上市时间。
瑞萨同时也宣布了对於R-Car V3M的一项改进,此项改进整合了能对应高性能卷积神经网路(CNN,注2)需求的新型高效能硬体加速器,因而可实现汽车应用中越来越普遍采用的道路侦测或物体分类等功能。R-Car V3M的创新硬体加速器,让CNN可以在超低的功耗条件下运作,此低功耗程度是以往CNN在CPU或GPU上运作时所无法达到的。
此一新R-Car V3M入门套件、R-Car V3M SoC、以及包含瑞萨开源e2 studio IDE整合开发环境在内的支援软体与工具等,都是瑞萨针对ADAS和无人驾驶应用所推出的开放、创新、且可靠的Renesas autonomy平台的一部份,该平台提供了涵盖范围从云端到感测及汽车控制的全面端对端解决方案。
瑞萨电子??总裁Jean-Francois Chouteau表示:「透过R-Car V3M入门套件,瑞萨可为快速成长中的NCAP摄影镜头市场,大幅减少开发工作量,并加速产品的上市时间。而紧接在我们宣布了R-Car V3M SoC以及我们与HELLA Aglaia在前置摄影镜头应用软体上的合作之後,此入门套件的推出,让我们所提供的最先进的前置摄影镜头解决方案开发环境,步入了完整的阶段。」
R-Car V3M入门套件的主要特点:
• 可处理广泛运算应用的高灵活性开发板支援套件
此新入门套件是一款开箱即可使用的套件,除了所需的介面和工具外,还提供了ADAS与无人驾驶开发上所需的元件,包括2GB RAM、4GB eMMC(嵌入式多媒体控制器,注3)板载记忆体、乙太网路、显示器输出、以及除错介面等。其440接脚扩展埠,为系统制造商提供了可以为各种运算应用开发专用扩展板的自由空间,范围包括了如简单的先进电脑视觉开发环境,乃至於环视等应用的多摄影镜头系统原型。此开发板支援套件除了维持高度的软体可移植性和可重复使用性之外,其灵活性还可缩短硬体开发所需的时间。
• 由Linux BSP和各种工具所支援实现的快速启动解决方案
R-Car V3M入门套件有Linux开发板支援套件(Board Support Package, BSP)可提供支援,该支援套件可透过elinux.org取得。进一步的商用版作业系统将从明年开始供应。
Codeplay将於2018年第一季开始,在此入门套件上支援OpenCL?和SYCL?。而有关电脑视觉和影像处理的其他工具、范例程式、和应用说明等,都将在2018年陆续提供。
瑞萨在R-Car V3M入门套件中提供了多种工具,包括用於除错的Renesas e2 studio工具链和工具,以减轻开发负担并缩短产品上市时间。
瑞萨的合作夥伴们(包括开发3D环绕视野停车辅助系统的Cogent Embedded在内)正在利用R-Car V3M入门套件,来提供经过现场验证的软体解决方案和开发系统,以提高其开发速度。
除了R-Car V3M入门套件之外,瑞萨还在R-Car V3M SoC上实现了超低功耗的CNN,以提供影像辨识和影像分类功能。R-Car V3M能在NCAP摄影镜头中实现高性能、低功耗的CNN网路,这是传统的高功耗CPU或GPU架构无法实现的。瑞萨新开发了一款创新的CNN硬体加速器IP,可实现低功耗高性能的CNN,藉此来与电脑视觉处理子系统IMP-X5(由影像处理器和可编程CV引擎组成)进行互补。藉由此新的IP,瑞萨让系统开发人员能够在IMP-X5或新硬体加速器之间进行选择,以部署CNN。此异构方法让系统开发人员能够根据自己所需要的编程灵活性、性能、和功耗,来选择最高效能的架构。
(注1)新车评估计划(NCAP,New Car Assessment Program):
这是一项政府的汽车安全计划,目的是要评估新汽车设计在对应各种安全威胁时的性能表现。
(注2)卷积神经网路(CNNs,Convolutional neural networks)是一种深度的前??(feed-forward)人工神经网路,目前已成功地应用於视觉影像分析上,并逐渐普遍被应用在汽车上,支援道路侦测或物体分类等应用。
(注3)嵌入式多媒体控制器(eMMC)板载记忆体,能实现由入门套件来启动作业系统,速度上比起透过网路启动会快很多。