帳號:
密碼:
最新動態
產業快訊
CTIMES/SmartAuto / 產品 /
瑞薩推出R-Car V3M套件 加速NCAP前置攝影鏡頭應用開發
 

【CTIMES/SmartAuto 報導】   2017年12月28日 星期四

瀏覽人次:【3836】

瑞薩電子推出R-Car V3M入門套件,以簡化並加速符合NCAP(New Car Assessment Program,新車評估計劃,註1)的前置攝影鏡頭應用、環視系統、以及光達(LiDAR)的開發。

瑞薩電子推出R-Car V3M全面解決方案,將加速入門級和中級車款上的NCAP前置攝影鏡頭應用開發。
瑞薩電子推出R-Car V3M全面解決方案,將加速入門級和中級車款上的NCAP前置攝影鏡頭應用開發。

此一新入門套件是以R-Car V3M影像辨識系統晶片(SoC)為核心,為成長中的NCAP前置攝影鏡頭市場提供了低功耗及高性能的組合。藉由R-Car V3M入門套件和相關支援軟體與工具的結合,系統開發人員可以輕鬆地開發出前置攝影鏡頭的應用產品,有助於減少開發工作量並縮短產品上市時間。

瑞薩同時也宣布了對於R-Car V3M的一項改進,此項改進整合了能對應高性能卷積神經網路(CNN,註2)需求的新型高效能硬體加速器,因而可實現汽車應用中越來越普遍採用的道路偵測或物體分類等功能。R-Car V3M的創新硬體加速器,讓CNN可以在超低的功耗條件下運作,此低功耗程度是以往CNN在CPU或GPU上運作時所無法達到的。

此一新R-Car V3M入門套件、R-Car V3M SoC、以及包含瑞薩開源e2 studio IDE整合開發環境在內的支援軟體與工具等,都是瑞薩針對ADAS和無人駕駛應用所推出的開放、創新、且可靠的Renesas autonomy平台的一部份,該平台提供了涵蓋範圍從雲端到感測及汽車控制的全面端對端解決方案。

瑞薩電子副總裁Jean-Francois Chouteau表示:「透過R-Car V3M入門套件,瑞薩可為快速成長中的NCAP攝影鏡頭市場,大幅減少開發工作量,並加速產品的上市時間。而緊接在我們宣布了R-Car V3M SoC以及我們與HELLA Aglaia在前置攝影鏡頭應用軟體上的合作之後,此入門套件的推出,讓我們所提供的最先進的前置攝影鏡頭解決方案開發環境,步入了完整的階段。」

R-Car V3M入門套件的主要特點:

‧ ?可處理廣泛運算應用的高靈活性開發板支援套件

此新入門套件是一款開箱即可使用的套件,除了所需的介面和工具外,還提供了ADAS與無人駕駛開發上所需的元件,包括2GB RAM、4GB eMMC(嵌入式多媒體控制器,註3)板載記憶體、乙太網路、顯示器輸出、以及除錯介面等。其440接腳擴展埠,為系統製造商提供了可以為各種運算應用開發專用擴展板的自由空間,範圍包括了如簡單的先進電腦視覺開發環境,乃至於環視等應用的多攝影鏡頭系統原型。此開發板支援套件除了維持高度的軟體可移植性和可重複使用性之外,其靈活性還可縮短硬體開發所需的時間。

‧ ?由Linux BSP和各種工具所支援實現的快速啟動解決方案

R-Car V3M入門套件有Linux開發板支援套件(Board Support Package, BSP)可提供支援,該支援套件可透過elinux.org取得。進一步的商用版作業系統將從明年開始供應。

Codeplay將於2018年第一季開始,在此入門套件上支援OpenCL和SYCL。而有關電腦視覺和影像處理的其他工具、範例程式、和應用說明等,都將在2018年陸續提供。

瑞薩在R-Car V3M入門套件中提供了多種工具,包括用於除錯的Renesas e2 studio工具鏈和工具,以減輕開發負擔並縮短產品上市時間。

瑞薩的合作夥伴們(包括開發3D環繞視野停車輔助系統的Cogent Embedded在內)正在利用R-Car V3M入門套件,來提供經過現場驗證的軟體解決方案和開發系統,以提高其開發速度。

除了R-Car V3M入門套件之外,瑞薩還在R-Car V3M SoC上實現了超低功耗的CNN,以提供影像辨識和影像分類功能。R-Car V3M能在NCAP攝影鏡頭中實現高性能、低功耗的CNN網路,這是傳統的高功耗CPU或GPU架構無法實現的。瑞薩新開發了一款創新的CNN硬體加速器IP,可實現低功耗高性能的CNN,藉此來與電腦視覺處理子系統IMP-X5(由影像處理器和可編程CV引擎組成)進行互補。藉由此新的IP,瑞薩讓系統開發人員能夠在IMP-X5或新硬體加速器之間進行選擇,以部署CNN。此異構方法讓系統開發人員能夠根據自己所需要的編程靈活性、性能、和功耗,來選擇最高效能的架構。

(註1)新車評估計劃(NCAP,New Car Assessment Program):

這是一項政府的汽車安全計劃,目的是要評估新汽車設計在對應各種安全威脅時的性能表現。

(註2)卷積神經網路(CNNs,Convolutional neural networks)是一種深度的前饋(feed-forward)人工神經網路,目前已成功地應用於視覺影像分析上,並逐漸普遍被應用在汽車上,支援道路偵測或物體分類等應用。

(註3)嵌入式多媒體控制器(eMMC)板載記憶體,能實現由入門套件來啟動作業系統,速度上比起透過網路啟動會快很多。

關鍵字: LiDAR  瑞薩 
相關產品
瑞薩新款AnalogPAK可程式混合訊號IC可減少BOM成本
瑞薩與英特爾合作為新款Intel Core Ultra 200V系列處理器提供最佳化電源管理
瑞薩第四代R-Car車用SoC瞄準大量L2+ ADAS市場
瑞薩新款RA0 MCU系列具備超低功耗功能
IAR以開發環境支援瑞薩首款通用RISC-V MCU
  相關新聞
» 鴻海科亮相台灣太空國際年會 展現低軌衛星實力
» 荷蘭政策專家:科技巨頭正在改變世界的政策與民主
» 感測器+機器人+視訊 運用實時監控助農民精準播種
» 工研院攜手產業 推動電動物流車應用
» 麗臺攜手雙和醫院於2024醫療科技展揭3大展出亮點
  相關文章
» ChipLink工具指南:PCIe® 交換機除錯的好幫手
» 創新光科技提升汽車外飾燈照明度
» 以模擬工具提高氫生產燃料電池使用率
» 掌握石墨回收與替代 化解電池斷鏈危機
» SiC MOSFET:意法半導體克服產業挑戰的顛覆性技術

刊登廣告 新聞信箱 讀者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2024 遠播資訊股份有限公司版權所有 Powered by O3  v3.20.1.HK8C1C15UFWSTACUKA
地址:台北數位產業園區(digiBlock Taipei) 103台北市大同區承德路三段287-2號A棟204室
電話 (02)2585-5526 #0 轉接至總機 /  E-Mail: webmaster@ctimes.com.tw