案例展示

1001ch.com金砖彩票信誉怎么样汽车传感器GPU可以为

来源:未知作者:金砖彩票 日期:2019-03-01 点击:

  )最大的趋势是,从不断增加的离散传感器中,获取更高品质的传感器数据,从而增强系统功能。系统可以更好地理解环境,故而改善性能,更好地协助驾驶员进行操作。本质上来说,图行处理单元(GPU)因为其高度并行且以吞吐量为导向的特性,非常适合解决这一挑战。因此,目前领先的

  人工智能的发展也带动了汽车智能化发展,过去的以CPU为核心的处理器越来越难以满足处理视频、图片等非结构化数据的需求,同时处理器也需要整合雷达、视频等多路数据,这些都对车载处理器的并行计算效率提出更高要求,而GPU同时处理大量简单计算任务的特性在自动驾驶领域取代CPU成为了主流方案

  GPU占据现阶段自动驾驶芯片主导地位,相比于消费电子产品的芯片,车载的智能驾驶芯片对性能和寿命要求都比较高,主要体现在以下几方面

  在汽车的中央电子控制单元(ECU)中,您可以找到一个或多个大型硅器件,其中包含一个多核中央处理单元(CPU),一个图形处理单元(GPU),一个为传感器数据提供实时处理的内存子系统,以及一系列其他内核,如I/O、外设连接、专用视频和DSP

  GPU高度并行,以吞吐量为导向的特性使其非常适合ADAS应用,并可应对诸多挑战。它就像是一个“涡轮增压”的乘法累加引擎,而且是以神经网络类型算法为基础的。因此,毫无疑问,当今许多领先的ADAS供应商都开始利用GPU的能力和性能,来实现汽车所需要的功能和性能的提升

  随着迈向完全自主驾驶(Level5),车内需要更多的驾驶辅助功能,包括紧急自动刹车、车道偏离警告、行人检测、驾驶员提醒、盲点检测、十字路口辅助等等

  先进的GPU是并行处理单元,可用于重复算法,如在ADAS的许多功能中使用的算法。GPU的并行性和乘法/累加结构是实现卷积神经网络(CNN)完美解决方案

  CNN算法已经存在了30多年了,直到最近它们才为服务器群处理提供保护。然而,随着SoC处理技术的进步、CNN算法效率的提高和GPU的进步,现在可以开始在网络边缘而不仅仅是在云端实现

  对于ADAS功能来说,任何需要某种程度的图像处理的功能,比如提取道路标志信息,都非常适合使用CNN来提高整体性能。与标准的高端CPU相比,嵌入式高端PowerVRGPU提供的性能高20倍,而功耗更低

  最终,CNN在硬件方面将会加速,因为它们的功能已经被很好地理解,甚至已经是标准化的。然而,在完全优化的解决方案出现之前,GPU计算可以支持新型神经网络和其他加速技术的原型化和部署

  未来ADAS平台所需的性能水平迫使GPU日益增大,制造成本也会相应地增加。平台厂商将共同分担这个成本,且与配置在汽车中的其他系统共享GPU。但前提是,GPU支持硬件加速虚拟化。有了虚拟化,GPU才可以被多个操作环境共享,且这些环境不会意识到彼此的存在(因此能够互相影响)

  具有最佳的功耗效率和内存带宽PowerVRGPU微架构的设计,可以提供一个契合汽车技术需求平衡的GPU设计。其系统具有绝佳的性能,显示屏尺寸越来越大且分辨率越来越高,驾驶员和乘客可以有效地互动,这个设计本身便是非常符合下一代ADAS应用程序的发展趋势

  尤其是,当下一代ADAS和全自动驾驶汽车到来的时候,任何有助于GPU固有优势的事物,尤其是在图像分析或并行信号处理领域,都可以辅助汽车更好地感知周边环境,并在更复杂的环境中更有效地运行

  过去汽车电子芯片以与传感器一一对应的电子控制单元(ECU)为主,主要分布与发动机等核心部件上。随着汽车智能化的发展,汽车传感器越来越多,传统的分布式架构逐渐落后,由中心化架构DCU、MDC逐步替代

  随着人工智能发展,汽车智能化形成趋势,目前辅助驾驶功能渗透率越来越高,这些功能的实现需借助于摄像头、雷达等新增的传感器数据,其中视频(多帧图像)的处理需要大量并行计算,传统CPU算力不足,这方面性能强大的GPU替代了CPU

  无论是新动力系统,车载信息娱乐系统,还是自动驾驶汽车,汽车技术都在以前所未有的速度迅猛发展。新的颠覆性技术和行业参与者正在向传统的汽车概念发起挑战。明天的驾驶体验将与今天大不相同



相关推荐: