Renesas Electronics Corporation tillkännagav den gemensamma utvecklingen av en djupt inlärningsbaserad objektigenkänningslösning för smarta kameror som används i nästa generations avancerade system för förarassistanssystem och kameror för ADAS nivå 2 och högre. Denna nya smarta kameralösning använder djupinlärning för objektigenkänning med hög precision och låg strömförbrukning; det påskyndar också den omfattande anpassningen av ADAS.
Samarbetet mellan Renesas och StradVision gjorde den här nya tekniken kapabel att känna igen utsatta trafikanter (VRU) som fotgängare och cyklister och även andra fordon och körfältmarkeringar. Den StradVision har optimerat sin mjukvara för Renesas R-Car fordons system-on-chip (SoC) produkter R-Car V3H och R-Car V3M som har meriter som massproducerade fordon. Dessa R-Car-enheter har en dedikerad motor för djupinlärningsbearbetning som kallas CNN-IP (Convolution Neural Network Intellectual Property), vilket gör att de kan köra StradVisions SVNet-fordonsnätverk för fordon i hög hastighet.
Nyckelfunktioner
1) Lösningen stöder en tidigare utvärdering av massproduktion
StradVisions SVNet-programvara för djupinlärning är en kraftfull AI-uppfattningslösning för massproduktion av ADAS-system på grund av dess förmåga att exakt känna igen i svagt ljus och förmågan att hantera ocklusion när objekt delvis döljs av andra objekt. Den grundläggande programvaran i R-Car V3H kan samtidigt känna igen fordonet, personen och körfältet genom att bearbeta bilden med en hastighet av 25 bilder per sekund, vilket möjliggör snabb utvärdering och POC-utveckling. Med hjälp av dessa grundläggande funktioner kan en utvecklare anpassa programvaran med tillägg av tecken, markeringar och andra objekt som igenkänningsmål.
2) R-Car V3H och R-Car V3M SoCs ökar tillförlitligheten för smarta kamerasystem samtidigt som kostnaden minskar
Renesas R-Car V3H och R-Car V3M har IMP-X5-bildigenkänningsmotorn. Genom att kombinera djupt inlärningsbaserat komplext objektigenkänning och mycket verifierbar bearbetning av bildigenkänning med konstgjorda regler kan designern bygga ett robust system. Bildsignalprocessorn (ISP) på chipet kan konvertera sensorsignalerna för bildåtergivning och bearbetning av igenkänning. Så det är möjligt att konfigurera ett system med billiga kameror utan en inbyggd ISP. Detta gjorde det möjligt att konfigurera ett system med billiga kameror, vilket minskade den totala materiallistan (BOM).
Den nya gemensamma djupinlärningslösningen, inklusive mjukvara och utvecklingsstöd från StradVision, kommer att finnas tillgänglig för utvecklarna i början av 2020.