CA168首页 > 自动化信息 > 企业信息 > 信息详情

瑞萨电子推出用于3、4级自动驾驶汽车前视摄像头的R-Car V3H SoC

发布日期:2018-03-02 作者:网络
 以业界领先的超低功耗CNN IP支持汽车前视摄像头所需的AI处理功能

2018年3月2日,日本东京讯 全球领先的汽车半导体解决方案供应商瑞萨电子株式会社(TSE:6723)今日宣布,推出新款R-Car V3H片上系统(SoC)。该SoC以业界领先的低功耗,为汽车前视摄像头提供强大的计算机视觉性能和人工智能处理能力,适用于量产的3级(有条件自动化)和4级(高度自动化)自动驾驶汽车注1。该新型R-Car V3H SoC针对立体前视摄像头应用进行了优化,其计算机视觉性能是2017年4月11日宣布推出、面向NCAP注2前视摄像头的R-Car V3M SoC的5倍。作为面向自动驾驶辅助系统(ADAS)和自动驾驶(AD)的开放、创新、可靠的Renesas Autonomy Platform的组成部分,R-Car V3H助力一级供应商和OEM灵活实现其辅助驾驶到高度自动驾驶汽车之路。

 

先进的R-Car识别技术

R-Car V3H SoC专注于对计算机视觉处理进行架构优化,支持从有条件自动驾驶到高度自动驾驶的所有ADAS相关功能。R-Car V3H运用瑞萨基于IMP-X5+图像识别引擎和专用硬件加速器的异构计算机视觉内核概念,用包括稠密光流注3、稠密立体视差注4和对象分类注5在内的算法实现了先进的感知功能。集成的CNN注6IP以仅0.3W的业界领先低功耗加快了深度学习,实现了2倍于R-Car V3M的深度神经网络性能。

 

可扩展性和成本节约

R-Car V3H基于经过验证、已用于R-Car V3M的IP,用双通道图像信号处理器(ISP)转换摄像头传感器信号,用以建立图像并进行识别处理。这种IP重用确保了从使用R-Car V3M的NCAP系统向使用R-Car V3H的3级和4级智能摄像头系统的扩展性,节省了开发时间,同时使得系统不再要求每个摄像头都有ISP,又降低了成本。为了进一步节省系统成本,R-Car V3H仅使用单个LPDDR4存储器,因此与其他前视摄像头解决方案相比,降低了存储器元件的成本。

 

开放平台解决方案

一级供应商和OEM可以选择自己开发前视摄像头解决方案,或者与来自Renesas autonomy生态系统的领先合作伙伴合作,该生态系统得到了Hella Aglaia等众多领先前视摄像头合作伙伴的支持。

 

瑞萨电子副总裁Jean-Francois Chouteau表示:“R-Car V3H的规格和设计是通过与前视摄像头市场领导者紧密合作完成的,以确保满足领先的自动驾驶系统创新技术的需求。作为汽车半导体行业的领导者,瑞萨电子致力于为辅助驾驶和自动驾驶提供开放、创新和可靠的解决方案。除了以非常有竞争力的系统成本实现更高的计算机视觉性能,我们的客户使用R-Car V3H时尤其喜欢的是能够保有用自身独特的差异化技术实现前视摄像头的自由,同时仍然受益于可从R-Car V3M扩展到R-Car V3H的解决方案。”

 

供货

R-Car V3H SoC的样品将从第四季开始供货。量产计划于2019年第三季度开始。(供货日期如有变更,恕不另行通知。)

 

瑞萨在2018年2月27日至3月1日于德国纽伦堡举行的embedded world 2018上展示新型R-Car V3H,展台在1号展厅310展位。

 

如需了解R-Car V3H的产品规格,请查阅文后所附信息。

 

1 SAE International的新标准J3016中的3级(有条件自动化)和4级(高度自动化)

路上机动车辆自动驾驶系统有关的术语的分类和定义,提供了统一的分类体系和支持性定义,从“非自动化”到“完全自动化”,规定了6个驾驶自动化级别。

NCAP(新车评估计划)

一项政府制定的汽车行驶安全计划,用来评估新型汽车设计抵御各种行驶安全威胁的能力。

3稠密光流用来准确跟踪物体流动。

4稠密立体视差利用摄像头图像的所有像素单元,以3D方式测量距离。

5物体分类用来识别物体。

6卷积神经网络(CNN)是深度、前馈人工神经网络,已经成功用于分析视觉图像,并越来越多地日益用在道路探测、对象分类等汽车应用中。

[信息搜索] [] [告诉好友] [打印本文] [关闭窗口] [返回顶部]

上一篇:【邀请函】山龙智控诚邀您莅临广州自动化展

下一篇:聚焦:春节后服务机器人销售有望快速增长

免责申明

       本文仅代表作者个人观点,与中自网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容!来源网络如有误有侵权则删。

视觉焦点