V2X（Vehicle to Everything， 車聯(lián)萬物），是車與外界一切交互的技術(shù)，可以理解為車與外界萬物聯(lián)系成網(wǎng)，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(chǔ)設(shè)施（V2I）、汽車與行人（V2P）、汽車與互聯(lián)網(wǎng)（V2N）等。隨著 V2X 的普及以及 5G 物聯(lián)網(wǎng)技術(shù)發(fā)展，廣義的 V2X 將與交通聯(lián)系更加緊密，成為智慧交通中最重要的一環(huán)，將有效降低事故率和擁堵指數(shù)的下降。同時，V2X 車聯(lián)網(wǎng)也將帶來自動駕駛、智慧出行、物流集成化等多種應(yīng)用場景。

然而，前景是美好的，現(xiàn)實(shí)是骨感的。面對理想的 V2X 應(yīng)用，賽靈思大中華區(qū)市場經(jīng)理翁羽翔指出，以下三大主要痛點(diǎn)，是困擾甚至阻礙 V2X 行業(yè)發(fā)展的重要因素：

1）實(shí)時性：無論是車載還是路側(cè)設(shè)備，V2X 應(yīng)用的深入都需要結(jié)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(diǎn)就是如何實(shí)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(shù)據(jù)稀疏化：點(diǎn)云數(shù)據(jù)是稀疏化的，通常通過 GPU 實(shí)現(xiàn)的幀率太低無法滿足 V2X 應(yīng)用要求，所以如何高效的進(jìn)行稀疏的 3D 卷積操作并完成目標(biāo)檢測及分類，一直是行業(yè)痛點(diǎn)；

3） 大范圍與低延遲的博弈：針對城市路口，需要更大區(qū)域的檢測和識別，而針對高速場景，需要極低時延的數(shù)據(jù)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?guī)砘谫愳`思器件的車路協(xié)同方案，針對以上行業(yè)痛點(diǎn)，該方案可以：

1) 解決實(shí)時性挑戰(zhàn)：Xilinx MPSoC 平臺靈活的接口擴(kuò)展能力，以及面向邊緣端智能化處理的多核異構(gòu)架構(gòu)所帶來的優(yōu)勢，可以很好的解決 V2X 的實(shí)時性需求；

2) 解決數(shù)據(jù)稀疏化挑戰(zhàn)：雪湖科技的 DCU (Deep-learning Computing Unit，深度學(xué)習(xí)計算單元)基于 MPSoC 平臺，一方面可以高效實(shí)現(xiàn)稀疏數(shù)據(jù)的 3D 卷積，另一方面也可以處理圖像數(shù)據(jù)，高性能地實(shí)現(xiàn)激光點(diǎn)云和視頻數(shù)據(jù)的智能化處理； 3) 尋求大區(qū)域與低時延的絕佳平衡：雪湖科技最新的激光點(diǎn)云解決方案既可以完美適配城市路口大區(qū)域監(jiān)測又能應(yīng)對高速場景下的極低時延的兩種場景。

圖：點(diǎn)云智能化分析效果圖

關(guān)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(xué)習(xí)運(yùn)算單元，為目標(biāo)檢測算法 Yolo_V3 Tiny 提供硬件加速。采用雪湖科技自主研發(fā)的 ASGARD 架構(gòu)，實(shí)現(xiàn)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(diǎn)。支持8路攝像頭輸入，支持動態(tài)網(wǎng)絡(luò)分辨率輸入 (608*608、416*416、320*320、224*224)，支持多路動態(tài)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(yè)檢測、云計算、安防檢測等高性能計算應(yīng)用。

原文標(biāo)題：加速自動駕駛：V2X（車聯(lián)萬物）的技術(shù)痛點(diǎn)及解決方案

文章出處：【微信公眾號：FPGA開發(fā)圈】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。