邱丽婷作者

​Imagination:自动驾驶汽车价值的核心到底是什么?

汽车市场正在经历重大变革,汽车已经不再是过去的单一的代步工具,逐渐具备了完善的娱乐功能。业界曾有人说,在未来,汽车80%的创新都是靠半导体实现的,因此,半导体在汽车行业的地位不容小觑。

在2019 MWC 上海展会上,Imagination汽车细分市场营销总监Bryce Johnstone讲述了半导体IP如何成为自动驾驶汽车价值的核心。

Imagination汽车细分市场营销总监Bryce Johnstone汽车行业发展趋势

Johnstone首先对整个汽车行业发展趋势做出了这样的总结:

高分辨率显示器方面,从单个1080p到多个24K&8K显示屏,甚至更高刷新率;进入中档车辆;全方位视图功能从舒适功能转变为必须具备的功能。

稳健性和安全性方面,SoC从QM移动到ASIL B;在安全关键功能中增加复杂IP的使用;面向多个用例的单一SOC趋势;非安全关键用例仍然需要健壮性和QoS特性。

将会有更多ADAS/AV计算,更高级别的自治(L4/5)转移到ASIL D,增加复杂的ADAS算法需要更多处理;算法开发继续以GPU计算/CNN为重点。

网联汽车方面,802.11p射频支持V2X;ISO26262 AVB以太网网关产品交换机;用于车内无线网络的WiFi和蓝牙LE;GNSS导航。

也就是说,整个汽车行业设备在不断进化,并且一些先进的设备已经从高端开始向中端普及,汽车开始使用更加先进的算法与技术,而这一切都离不来半导体。

可以这样说,汽车的自动化程度越高,所需要的半导体器件就会越多。事实上,市场研究机构IC Insights预测,一直到2021年,汽车半导体市场都将是芯片需求最强劲的终端市场。据该公司预测,从2016年到2021年,汽车电子系统销售额预计将以5.4%年均复合增长率(CAGR)的速度增长。

“当汽车处于L2阶段时,每辆车所需的半导体总物料清单在150$左右,而当汽车达到L4/5阶段时,每辆车所需的半导体总物料清单将会达到860$左右。”Johnstone这样说道。

安全性和可靠性

半导体技术是汽车技术创新的基础,其中包括基于视觉的增强型图形处理单元(GPU)和应用处理器、传感器等。车内出现了更大的屏幕,汽车可以变成会议室,也能变成休闲场所。如今,在大多数新车中,免提移动服务和在线导航已经成为标准,汽车厂商已经转向了下一波创新浪潮——联网汽车。

有报告称,联网汽车市场5年复合增长率高达45%,是汽车总体市场增长速度的10倍。据Business Insider预计,在2020年出厂的汽车中,75%的汽车将内置联网硬件。智能互联所赋予汽车的“眼睛”、“耳朵”和“大脑”,仍然离不开半导体供应商各项芯片技术的支持。Johnstone称。

技术飞速发展的同时,安全性和可靠性成为不能忽视的问题。车内太多的信息会给驾驶员造成困扰,因此达到相对的平衡很重要。

ADAS作为高级驾驶辅助系统,有着非常重要的地位,它可以利用激光雷达以及卫星导航等设备,帮助车辆识别周围的设备,预先让驾驶者感受到危险,有效增加汽车驾驶的舒适性和安全性。

在此基础上,Imagination宣布推出PowerVR Automotive完整产品套装,以对其在信息娱乐系统、数字驾驶舱和先进驾驶辅助系统(ADAS)中广泛使用的现有IP进行补充。增强了恢复和可靠性功能,使系统级芯片(SoC)设计人员能够更轻松地为其针对数字人机界面(HMI)和自动驾驶汽车(AV)的SoC获得汽车安全认证。

ADAS和自动驾驶的关键

为了更好地识别道路上的行人、汽车等其他物体,需要开发可靠的视觉识别系统集成到汽车的车载系统中,卷积神经网络(Convolutional Neural Network,CNN)是目前图像识别技术中最炙手可热的算法模型,Johnstone称,CNN是ADAS和自动驾驶的关键。

据了解,CNN是一种基于人类神经元结构的神经网络算法,可用于图像/视频和语音处理,可以影响几乎车车上所有的电子功能。

Imagination在这方面也有涉及,屡获殊荣的PowerVR Series2NX NNA通过驾驶员监控、驾驶员视线跟踪、座位占用、道路标志检测、可行驶路径分析、道路使用者检测和驾驶员识别等ADAS应用得到了很好的展示。基于屡获殊荣的前代产品,新版Series3NX提供了无与伦比的可扩展性,使系统级芯片(SoC)制造商能够针对诸如汽车、移动设备、智能视频监控和物联网边缘设备等一系列嵌入式市场去优化计算能力和性能。

让汽车更舒适,更安全,更智能,Imagination的目标始终如一。

半导体行业观察
半导体行业观察

最有深度的半导体新媒体,实时、专业、原创、深度,30万半导体精英关注!专注观察全球半导体最新资讯、技术前沿、发展趋势。

产业自动驾驶ADAS
相关数据
激光雷达技术

自动驾驶车辆传感器的一种,采用激光扫描和测距来建立车辆周围环境的详细三维模型。Lidar 图像具有高度准确性,这使得它可以与摄像头、超声波探测器和雷达等常规传感器相提并论。然而激光传感器面临体积过大的问题,同时,它的机械结构非常复杂。

自动驾驶汽车技术

自动驾驶汽车,又称为无人驾驶汽车、电脑驾驶汽车或轮式移动机器人,是自动化载具的一种,具有传统汽车的运输能力。作为自动化载具,自动驾驶汽车不需要人为操作即能感测其环境及导航。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

卷积神经网络技术

卷积神经网路(Convolutional Neural Network, CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。卷积神经网路由一个或多个卷积层和顶端的全连通层(对应经典的神经网路)组成,同时也包括关联权重和池化层(pooling layer)。这一结构使得卷积神经网路能够利用输入数据的二维结构。与其他深度学习结构相比,卷积神经网路在图像和语音识别方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他深度、前馈神经网路,卷积神经网路需要考量的参数更少,使之成为一种颇具吸引力的深度学习结构。 卷积网络是一种专门用于处理具有已知的、网格状拓扑的数据的神经网络。例如时间序列数据,它可以被认为是以一定时间间隔采样的一维网格,又如图像数据,其可以被认为是二维像素网格。

神经元技术

(人工)神经元是一个类比于生物神经元的数学计算模型,是神经网络的基本组成单元。 对于生物神经网络,每个神经元与其他神经元相连,当它“兴奋”时会向相连的神经元发送化学物质,从而改变这些神经元的电位;神经元的“兴奋”由其电位决定,当它的电位超过一个“阈值”(threshold)便会被激活,亦即“兴奋”。 目前最常见的神经元模型是基于1943年 Warren McCulloch 和 Walter Pitts提出的“M-P 神经元模型”。 在这个模型中,神经元通过带权重的连接接处理来自n个其他神经元的输入信号,其总输入值将与神经元的阈值进行比较,最后通过“激活函数”(activation function)产生神经元的输出。

语音处理技术

语音处理(Speech processing),又称语音信号处理、人声处理,其目的是希望做出想要的信号,进一步做语音辨识,应用到手机界面甚至一般生活中,使人与电脑能进行沟通。

推荐文章
暂无评论
暂无评论~