datasheet

Intel高通NVIDIA加速切入自驾车市场,布局计算机视觉技术

2017-04-05来源: EEWorld关键字:计算机视觉  DSP  自动驾驶

从 2017 年 CES 与 MWC 展上,自动驾驶车抢尽各个消费性电子商品锋头,就能嗅出自驾车已成为科技产业的主战场。 早已对车用市场虎视眈眈的半导体业者,其脚步更是一刻都未停歇,Intel 再度迈出并购步伐,以 150 亿美元收购计算机视觉芯片开发商 Mobileye,而 NVIDIA 也不甘示弱,随即发布将与 Bosch 一同打造人工智能系统。


传统车辆产业链的解构,半导体厂投入比重提升


半导体厂商脚步越来越积极,凸显出自驾车与车联网的发展,正一步步解构着传统车辆产业的产业链。


2020 年,是不少厂商设做实现自驾车时代的关键年,要迎来自驾车时代,ADAS(先进驾驶辅助系统)与车联网的建构成了必要条件。 过往车辆机械化零组件与系统设计已经不能满足产业中,需要提升控制精度而逐渐让车辆零组件电子化的趋势。 从车辆的导航和娱乐等与安全性无直接相关的车用 Telematics 产品,再到倒车雷达、影像辨识系统与 ADAS 相关系统等提高安全性的车用感测产品,都是车辆逐步电子化的证明。 因此,从半导体到电子零组件厂商,对车用电子发展的投入与业务占比逐渐提升。


观察半导体厂商在车用市场的发展,TI、Renesas、NXP 等厂商早已与车厂紧密合作,扮演车用电子供货商的关键角色。 而过去专注在 PC 与行动装置的半导体芯片公司 Intel、Qualcomm 与 NVIDIA 当然也没打算将这块市场大饼拱手让人,为了抢占 ADAS 系统的中央处理器主战场,三家公司近一年来不断与车厂结盟、甚或大手笔并购,为的就是完善运用于未来科技的技术,而打造「计算机视觉Computer Vision)」技术能力成了这些后进者一致的目标。


计算机视觉为何受高度重视?


让计算机拥有视觉能力,能进行画面判读且做出反应,是计算机视觉这项技术深受重视的关键。 单就车用市场来看,随着ADAS中,镜头分辨率越来越高、影像数据量越来越庞大,半导体厂商也必须提供运算能力更强大的处理器。


广泛来看,由于视觉讯号这类的处理工作,无论是X86架构或是ARM架构的Cortex-A系列处理器而言,本就不是擅长的项目,若要直接处理,反倒就会出现处理效率不佳、浪费更多的CPU核心资源等情形,进而拖垮整体处理器的效能。


也因此,无论是 X86 架构霸主 Intel 还是 ARM 都透过并购其他公司的技术,以补足原有架构在处理计算机视觉上的不足。


Intel 收购、结盟、技术发展三管齐下,瞄准计算机视觉技术


先来看看 Intel 近一年来并购的三家公司,去年 5 月,Intel 收购的 Itseez,其技术特长领域正是计算机视觉,Itseez 开发的算法可以让车辆具有视觉能力进行判别障碍物与避开碰撞,它的驾驶辅助系统可以侦测到从街道出现的车辆或是正在过街的行人。


去年九月,Intel 又收购了 Movidius,这家公司的独门技术就在于行动图像处理技术。 Movidius 推出的 VPU 芯片,在被 Intel 并购前,Movidius 就以 CPU、GPU 厂商为竞争对手,其 VPU 产品专为计算机视觉进行优化,并且提供强大的视觉运算能力。


Intel 近期再度出手,并购具有 ADAS 产品上累积包含机器视觉、深度学习、数据分析与高精度图资等深度技术优势的 Mobileye,再再突显 Intel 布局计算机视觉技术的决心。


观察 Intel 的技术能力,在尚未收购 Altera 前,光以 CPU 先天的架构,不易切入 PC 与服务器以外的应用市场,直到有 FPGA 这种泛用性极广的产品后,打开了更多市场机会,如今 Intel 在近年所发动的并购案,又与计算机视觉有高度相关,从芯片到算法皆已经到位的情况下,Intel 接下来要做的,便是如何将旗下的产品线做妥善的整合, 能以更快的速度切进自驾车市场。 而这种高度整合优势,在诸多车用半导体业者中,实乃少见。


Qualcomm 与 NVIDIA 在计算机视觉的布局策略


Qualcomm 透过收购 NXP 展示他进军车用市场的决心。 原本就有 CPU、GPU 与 DSP(数字信号处理器)自主开发能力的高通,当然打算运用其 DSP 技术打造强化计算机视觉处理,其新一代芯片 Snapdragon 835 搭载 Hexagon 68DSP,透过处理器内部的异质架构的协同处理器能力,将能更有效率及精准地做计算机视觉的工作。


而 NVIDIA 则是善用自身本就拥有的 GPU 效能,不断提升 GPU 运算能力,藉此满足计算机视觉或是其他需要高性能运算的应用领域。 日前,NVIDIA 也推出一款全新的处理器,名为 Xavier。 该款处理器采用 16nm FinFET 制程,CPU 方面采用将 ARM v8 指令集客制化的八核心架构,GPU 则是全新一代的Volta,共有 512 颗 GPU,整体运算效能达到 20 TOPS (trillion operations per second)。


归纳来看,要实现自驾车愿景,其关键之一,就是必须拥有高分辨率的影像讯号,辅以强大的计算机视觉运算效能。 从芯片角度而言,强化在计算机视觉上的不足,才能在自驾车市场取得话语权,不论是 Intel、NVIDIA,亦或是 Qualcomm,皆采取了不同的方式,来因应此一需求,且各自与不同的车厂伙伴展开了自驾车的合作计划,未来就看谁能在市场取得领先地位。




关键字:计算机视觉  DSP  自动驾驶

编辑:张依敏 引用地址:http://www.eeworld.com.cn/DSP/article_201704054304.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:意法半导体携手DSP Concepts 为STM32用户提供音频设计工具
下一篇:逆袭有望 纵观国产视频芯片进化史

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

自动驾驶技术遭遇五大质疑,特斯拉如何解决?

验我们最新的自动驾驶软件,包括一些目前正在积极开发中的特性和功能。同时,埃隆马斯克、工程副总裁Stuart Bowers、硬件工程副总裁Pete Bannon和人工智能高级主管Andrej Karpathy都将莅临现场并发言。”以下是我希望投资者们在自动驾驶投资者日上向特斯拉提出的五个问题:1、很明显特斯拉正在使用深度监督学习来执行计算机视觉任务。但是对于实际的驾驶任务-路线规划和驾驶策略(使用特斯拉自己给出的术语),特斯拉使用的是模仿学习还是强化学习,还是两者兼而有之?在模仿学习中,神经网络通过观察人类驾驶行为,并通过将感知信息和驾驶员行为产生关联来学习驾驶,在强化学习中,则是通过反复试验(通常是进行模拟)进行学习。2、无论特斯拉在驾驶
发表于 2019-04-16
自动驾驶技术遭遇五大质疑,特斯拉如何解决?

苹果的计算机视觉团队开发的虚拟键盘 可在任何桌面上呈现

早在今年3月,苹果公司就发布了一份名为“苹果公司队伍一项关于未来虚拟现实键盘的专利”的报告。这项专利主要的意思就是,在未来,用户们不需要实体键盘,只需要戴上头显,然后在任何桌面上都可以投射出虚拟键盘,就比如说航空公司的下拉托盘都作为虚拟键盘。与传统笔记本键盘不同,这款新型的虚拟键盘将为用户提供在公共空间工作的私人空间。  为了开发一款精确度比较高的虚拟键盘,苹果公司一直在研究开发先进的计算机视觉技术。在这项专利申请中,苹果电脑视觉和机器学习主管Daniel Kurtz解释了如何利用基于深度的触摸检测系统,研发下一代虚拟键盘和鼠标技术。Daniel Kurtz于2015年因为苹果收购Metaio来到苹果,他表示这种形式的触摸检测
发表于 2019-04-08
苹果的计算机视觉团队开发的虚拟键盘 可在任何桌面上呈现

三维重建或许是计算机视觉的突破口?

又一年ICCV论文提交截止,ICCV2019的官方推特也在上周末第一时间公布了本届会议的论文投递情况。根据官方消息,2019年共收获4328篇论文,与上一届2143篇相比,数量多出了将近一倍。ICCV由IEEE主办,全称为IEEE International Conference on Computer Vision,即国际计算机视觉大会。与计算机视觉模式识别会议CVPR和欧洲计算机视觉会议ECCV并称计算机视觉三大顶级会议。ICCV论文数量的翻倍,也能看出近年来计算机视觉的发展有多么迅猛,无论是国内还是国外,都诞生了很多一批专注于计算机视觉的企业,如旷视科技、商汤科技、极链科技Video++、依图科技等优秀的初创AI企业,微软
发表于 2019-04-08
三维重建或许是计算机视觉的突破口?

特斯拉的自动化生产线为什么失败?问题出在计算机视觉上

根据《Tech Crunch》报导,特斯拉在2017年公布要以自动化的方式生产Model 3,预计每周产量可达5000辆,此举一出,让分析师们慌张不已。然而,马斯克坚持一定可以做到,并将自动化视为加快生产速度、降低花费的秘密武器。1年半过去,特斯拉在2018年第四季交付了91,000辆车,不过在过程中却发生了许多大事,且马斯克原先预计的高度自动化生产线也被移除。 至于为何自动化没有办法成功?马斯克当时认为,问题出在计算机视觉上。由于控制生产线机器人的软件不够完善,使得机器人无法处理未经预测的目标或是复杂的切换。只要发生状况,就会使得生产线停摆,因此在许多情况下,使用人力反而比较容易。  而现在
发表于 2019-04-02
特斯拉的自动化生产线为什么失败?问题出在计算机视觉上

让世界更安全 AI想用摄像头实现犯罪自动监测报警

技术的发展不仅在影响着我们生活的各个方面,还可以保证我们的安全。最近,一款安保系统Deep Science AI的设想是用摄像头实现犯罪自动监测报警。Deep Science AI在2017年的Disrupt NY上首次亮相,在现场演示中展示了其计算机视觉系统如何在闭路电视画面中发现危险枪支和面具,提醒商店即将发生犯罪危险。该公司正寻求更广泛地宣传这项安全技术。这款摄像头监测报警系统的理念是,比如说你有20家连锁店,每家店有3台摄像机,而一个人最多一次盯着8-10台监控,而这么多台监控就需要花费不少人力,而且还要确保这些人工作效率以便能够及时发现危险。相反,如果使用深度人工智能技术,就可以监测一些可疑的情况,比如枪支面具等危险信号
发表于 2019-03-26
让世界更安全 AI想用摄像头实现犯罪自动监测报警

CEVA计算机视觉、深度学习和远程通信技术 推动大疆无人机

CEVA,全球领先的智能和互联设备信号处理平台和人工智能处理器IP授权许可厂商 (纳斯达克股票交易所代码:CEVA)宣布民用无人机和航空成像领域的世界领导企业大疆部署CEVA DSP内核和平台于其最新一代Mavic 2航拍无人机产品,用于实现设备上的人工智能、先进的计算机视觉和远程通信功能。CEVA首席执行官Gideon Wertheizer表示:“大疆的无人机产品利用人工智能(AI)、计算机视觉和其他颠覆性技术提供真正前所未有的体验,为多个行业带来重大变化。Mavic 2系列无人机充分体现了这方面的创新,而CEVA用于计算机视觉、AI和远程通信的先进DSP和平台能够帮助大疆引领市场,我们感到很荣幸。”Mavic
发表于 2019-03-14
CEVA计算机视觉、深度学习和远程通信技术 推动大疆无人机

小广播

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2019 EEWORLD.com.cn, Inc. All rights reserved