Xilinx und Motovis bieten eine komplette Fahrzeug-Vorwärtskameralösung

Als Teil der fortlaufenden Initiative von Xilinx, mehr Plattformen und Lösungen bereitzustellen, die Kunden sofort verwenden und an ihre Anforderungen anpassen können, hat Xilinx eine Zusammenarbeit mit Motovis, einem Entwickler von Algorithmen für künstliche Intelligenz (KI) für die automobile Computer Vision, angekündigt. um eine komplette Hardware- und Softwarelösung für Frontkamerasysteme in Fahrzeugen anzubieten.

Die beiden Unternehmen haben die Zynq-System-on-Chip-Plattform (SoC) von Xilinx Automotive (XA) und das geistige Eigentum (IP) des Convolutional Neural Network (CNN) von Motovis für den Automobilmarkt kombiniert, um eine Lösung speziell für Vorwärtskamerasysteme bereitzustellen. Fahrzeugwahrnehmung und -kontrolle. Die Vorwärtskamera-Lösung skaliert über die 28-nm- und 16-nm-XA-Zynq-SoC-Familien unter Verwendung von Motovis' CNN IP und kombiniert optimierte Hardware- und Software-Partitionierungsfunktionen mit anpassbaren CNN-spezifischen Engines, die die Deep-Learning-Netzwerke von Motovis hosten – was zu einem kostengünstigen Angebot bei verschiedenen Leistungsstufen und Preispunkte.

Die Lösung unterstützt Bildauflösungen bis zu acht Megapixel. Zum ersten Mal können OEMs und Tier-1-Zulieferer jetzt ihre eigenen Funktionsalgorithmen über den Wahrnehmungsstapel von Motovis legen, um ihre Designs zu differenzieren und zukunftssicher zu machen.

Frontkamerasysteme sind ein kritisches Element fortschrittlicher Fahrerassistenzsysteme, da sie die fortschrittlichen Sensorfunktionen bieten, die für sicherheitskritische Funktionen erforderlich sind, einschließlich Spurhalteassistent (LKA), automatische Notbremsung (AEB) und adaptive Geschwindigkeitsregelung (ACC). . Die jetzt verfügbare Lösung unterstützt eine Reihe von Parametern, die für die Anforderungen des European New Car Assessment Program (NCAP) 2022 erforderlich sind, indem sie neuronale Faltungsnetze verwendet, um eine kostengünstige Kombination aus Bildverarbeitung mit niedriger Latenz, Flexibilität und Skalierbarkeit zu erzielen.

Die Marktkräfte treiben die Einführung von Vorwärtskamerasystemen weiterhin voran, um den globalen Regierungsaufträgen und Verbraucherschutzgruppen wie der Allgemeinen Sicherheitsverordnung der Europäischen Kommission, der National Highway Traffic Safety Administration und dem NCAP zu entsprechen. Alle drei haben formelle Mandate oder strenge Leitlinien zur Implementierung von LKA und AEB durch die Autohersteller in Neufahrzeugen herausgegeben, die zwischen 2020-2025 und später produziert werden.

Analyst Ian Riches kommentierte, warum die Kombination von Hardware und Software der beiden Unternehmen so wichtig ist:„Diese Zusammenarbeit ist ein bedeutender Meilenstein für den Vorwärtskameramarkt, da sie Automobil-OEMs schnellere Innovationen ermöglichen wird.“ Riches, Vice President of the Global Automotive Practice bei Strategy Analytics, fügte hinzu:„Der Vorwärtskameramarkt bietet enorme Wachstumschancen, wobei wir von 2020 bis 2025 ein Volumenwachstum von fast 20 Prozent gegenüber dem Vorjahr erwarten. Gemeinsam haben Xilinx und Motovis liefern eine hochoptimierte Hardware- und Softwarelösung, die den Anforderungen von Automobil-OEMs in hohem Maße gerecht wird, insbesondere da neue Standards auftauchen und die Anforderungen weiter wachsen.“

Willard Tu, Senior Director Automotive bei Xilinx, sagte:„Die Erweiterung unseres XA-Angebots [bezieht sich auf Xilinx Automotive] um eine umfassende Lösung für den Vorwärtskameramarkt, gibt unseren Kunden eine kostenoptimierte Hochleistungslösung an die Hand. Motovis' Expertise in Embedded Deep Learning und wie sie neuronale Netze optimiert haben, um die immensen Herausforderungen der Vorwärtskamera-Wahrnehmung zu bewältigen, versetzt uns beide in eine einzigartige Position, um Marktanteile zu gewinnen und gleichzeitig die Markteinführungszeit unserer OEM-Kunden zu verkürzen.“

Der CEO von Motovis, Zhenghua Yu, fügte hinzu:„Wir freuen uns sehr, diese neue Initiative mit Xilinx vorzustellen und unsere CNN-Vorwärtskameralösung auf den Markt zu bringen. Kunden, die Systeme entwickeln, die mit AEB- und LKA-Funktionalität ausgestattet sind, benötigen eine effiziente neuronale Netzwerkverarbeitung in einem SoC, die ihnen die Flexibilität gibt, zukünftige Funktionen einfach zu implementieren. Mit den anpassbaren Deep-Learning-Netzwerken von Motovis und der Fähigkeit der Xilinx Zynq-Plattform, CNN-spezifische Engines zu hosten, die unübertroffene Effizienz und Optimierung bieten, tragen wir dazu bei, das Design zukunftssicher zu machen, um die Kundenanforderungen zu erfüllen.“

Xilinx und Motovis werden am 15. September 2021 auf der virtuellen Veranstaltung Xilinx Adapt 2021 sprechen, bei der über 100 Präsentationen, Foren, Produktschulungen und Labs von Xilinx, seinen Partnern und Kunden erwartet werden.