來源:Xilinx 賽靈思
V2X(Vehicle to Everything, 車聯萬物),是車與外界一切交互的技術,可以理解為車與外界萬物聯系成網,其中“X”是可變量,它替換可為 V、I、P、N 等,即:汽車與汽車(V2V)、汽車與基礎設施(V2I)、汽車與行人(V2P)、汽車與互聯網(V2N)等。隨著 V2X 的普及以及 5G 物聯網技術發展,廣義的 V2X 將與交通聯系更加緊密,成為智慧交通中最重要的一環,將有效降低事故率和擁堵指數的下降。同時,V2X 車聯網也將帶來自動駕駛、智慧出行、物流集成化等多種應用場景。
然而,前景是美好的,現實是骨感的。面對理想的 V2X 應用,賽靈思大中華區市場經理翁羽翔指出,以下三大主要痛點,是困擾甚至阻礙 V2X 行業發展的重要因素:
1)實時性:無論是車載還是路側設備,V2X 應用的深入都需要結合更多傳感器并使其具備邊緣端的計算及推理功能。那么,痛點就是如何實時完成傳感器融合和智能化處理對于芯片的要求劇增;
2) 數據稀疏化:點云數據是稀疏化的,通常通過 GPU 實現的幀率太低無法滿足 V2X 應用要求,所以如何高效的進行稀疏的 3D 卷積操作并完成目標檢測及分類,一直是行業痛點;
3) 大范圍與低延遲的博弈:針對城市路口,需要更大區域的檢測和識別,而針對高速場景,需要極低時延的數據處理能力。高性能識別與低時延,如何兩者兼而有之?
方案來了!9月17日,10:00 – 11:00
賽靈思特攜手雪湖科技共同舉辦在線直播會議,為大家帶來基于賽靈思器件的車路協同方案,針對以上行業痛點,該方案可以:
1) 解決實時性挑戰:Xilinx MPSoC 平臺靈活的接口擴展能力,以及面向邊緣端智能化處理的多核異構架構所帶來的優勢,可以很好的解決 V2X 的實時性需求;
2) 解決數據稀疏化挑戰:雪湖科技的 DCU (Deep-learning Computing Unit,深度學習計算單元) 基于 MPSoC 平臺,一方面可以高效實現稀疏數據的 3D 卷積,另一方面也可以處理圖像數據,高性能地實現激光點云和視頻數據的智能化處理;
3) 尋求大區域與低時延的絕佳平衡:雪湖科技最新的激光點云解決方案既可以完美適配城市路口大區域監測又能應對高速場景下的極低時延的兩種場景。
我們誠邀您參與本次直播課程,深入了解賽靈思攜同雪湖科技提供的 V2X 方案,相信隨著賽靈思 ACAP 產品推出,我們會給 V2X 行業客戶提供更高性能的平臺和更領先的解決方案。
圖:點云智能化分析效果圖
關于雪湖科技 DCU
雪湖科技的 DCU (Deep-Learning Computing Unit)基于 FPGA 芯片打造的深度學習運算單元,為目標檢測算法 Yolo_V3 Tiny 提供硬件加速。采用雪湖科技自主研發的 ASGARD 架構,實現高幀率 (127FPS)、低時延(7.9ms)的硬件加速性能。相較于 GPU Jetson TX2,擁有更高幀率(FPS 增加8倍)、更低時延(時延降低8倍)、更低功耗、更高性價比的特點。支持8路攝像頭輸入,支持動態網絡分辨率輸入 (608*608、416*416、320*320、224*224),支持多路動態輸出幀率。支持多種主流框架(Tensorflow、Caffe、Pytorch、MXNet 等)。適用于自動駕駛、工業檢測、云計算、安防檢測等高性能計算應用。
-
V2V
+關注
關注
4文章
31瀏覽量
29077 -
V2X
+關注
關注
25文章
215瀏覽量
44041 -
點云
+關注
關注
0文章
58瀏覽量
3919
發布評論請先 登錄
?車聯網V2X通信:貼片電容信號完整性優化與EMC設計
V2X技術全解析

基于CANoe的V2X安全通信方案

安全可靠的V2X路側基礎設施白皮書發布
賽靈思低溫失效的原因,有沒有別的方法或者一些見解?
基于V2X和自動駕駛HIL聯調的仿真測試系統開發

如何應對V2X頻譜挑戰
【直播預告】ADI &amp; WT·世健MCU痛點問題探索季:MCU應用難題全力擊破!

賽思快訊 | 發展新質生產力問道賽思?賽思如何下好“創新棋”?

評論