图形处理器和神经网络加速芯片如何助力汽车自我思考

　　ECU将遍布汽车各处，并根据数据做出决策。这可能会涉及到100个或者更多的ECU。业界正在使用一些方法来研究如何用更少的ECU和更多的计算能力来实现这一点。摄像头或传感器旁边的嵌入式人工智能可以做出一些决定，从而减少车辆需要传递的信息。

　　这意味着需要不同等级的处理方式。数据可以在捕获点进行预处理，例如拉直鱼眼镜头的图像。中间处理可能包括各种已计划的任务、目标识别、决策制定等。之后可以进行后处理，当信息可以被清理整齐并显示在屏幕上时，让驾驶员就知道正在发生什么或已经发生了什么。

　　应用

　　这些数据处理技术也被用于创建当前正在开发的应用，以在车内创建虚拟环视车身支撑柱。在此用例中，将在支撑柱(连接车顶和车身的支撑柱)上安装摄像头来捕获车外发生的事情。支撑柱的内部将提供一个显示器，以显示这些摄像头正在捕获的内容，从而为驾驶员提供一个不间断的视场。

　　这个过程非常难以实现。系统必须了解驾驶员正在查看的另一侧是什么情景。图片将需要修正变形并放置在不平整或弯曲的表面上，然后重新变形到支撑柱的轮廓上。

　　尽管这一进步是未来的趋势，但一些高端车辆已经提供了环绕视图系统，并且它们很快将应用于中档和入门级车辆。GPU被用于分析遍布车辆周围的各个摄像头所捕获的图像(通常有四个或五个摄像头)，并将图像拼接在一起。根据拼接的图像，神经网络将执行目标检测和路径预测，以查看这些目标是否有可能拦挡车辆的路径。

　　信息娱乐和导航

　　在车载信息娱乐系统(IVI)和导航方面，GPU也起着重要作用。它们还参与语音控制，这很可能成为人与车之间的关键接口。因此，对于卫星导航系统来说，驾驶员不必操作按钮和键盘来输入目的地，而是只需说出邮政编码或街道名字，然后就可要求系统绘制出路线。

　　仪表盘将被连接到外部摄像头，以用于路标识别等操作。如果摄像头捕捉到一个限速的标志，该标志可以在有效的时间内显示在驾驶员面前;如果汽车超过限速，就会发出声响警告。

　　实际上，整个仪表显示区将使用GPU进行图像渲染和信息优先级排序。如果系统确定驾驶员需要了解一些关键信息，该信息可能会从仪表显示区中弹出，甚至可以投射到挡风玻璃上。挡风玻璃上的图像也可以被用作导航系统的一部分，向驾驶员显示正确的转弯方向或说明汽车在即将到来的路口需要驶入哪条车道。

　　后视镜的换代是另一个主要的、潜在的发展方向。一些新型汽车已经在开发中，其上的后视镜已被可显示来自不同摄像头视图的屏幕取代。与传统的后视镜一样，除了显示车后发生的情况之外，它们还可被用于盲点检测。在此，神经网络可以向驾驶员发出关于有关其无法看到的汽车的警告，并自动阻止汽车变道进入另一辆汽车的路线。

　　智慧城市

　　世界各国的各地政府正在朝着一个长期目标迈进，那就是让智慧城市拥有自动驾驶和高度自动化的车辆，并将其集成到覆盖整个城镇或城市的智能交通系统中。

　　其背后的理念是，所有的城市服务和规划工作都是相互协调和联系的，以便让市民获得更多的信息，让城市生活更愉快，更重要的是更加健康。为实现这一目标，减少污染和交通拥堵至关重要。

　　智能交通系统将控制整个城市的交通基础设施。该基础设施将与车辆进行通信，交通信号灯和车辆也将相互通信，并将收集到的数据发送回去。

　　这方面的一个实例就是控制交通信号灯，使车辆畅通无阻地以最佳速度通过一个区域。如果紧急服务车辆需要快速驶入，则可以使用这些相同的交通信号灯来阻止其他道路使用者，并为他们创建一条安全的道路。

　　如果一地发生交通堵塞，车辆可以将此信息传递给基础设施;反过来，基础设施又可以通知其他车辆远离该区域，这样就不会增加问题的严重性，以便交通堵塞可以被更快地被清除。这甚至可以被用于城市以外的地方，例如在高速公路的入口匝道上。如果系统已经从反向行驶的汽车中获悉了备用信息，它可以在驾驶员驶入高速公路之前对其发出警告，从而使他们能够考虑其他路线。

　　为了实现这一目标，城市将需要有一个中央智能枢纽，该中枢可以处理传入的信息并计算哪些数据要发送给其他车辆或交通信号灯。这只有在结合了神经网络、人工智能、机器学习和先进算法之后才能实现。

　　结论

　　NHTSA的研究发现：高度自动化的车辆将比由人类驾驶的车辆更加安全，94%的事故是由人为失误造成的。基于AI的技术在响应能力和识别需要快速响应的威胁方面已经优于人类驾驶。

　　为了实现这些车辆所需的处理能力，将需要NNA和GPU配合使用。随着汽车行业转向全自动驾驶汽车，计算能力将需要被大幅提升，NNA将应需而扮演重要角色。据估计，一辆等级5自动驾驶汽车需要的计算能力是等级1自动驾驶汽车的10,000倍。

　　这是处理性能的极大提高，但也必须在一个给定的功耗预算内完成。一个神经网络加速器(NNA)的性能已经是中央处理器(CPU)的100到800倍，而其成品封装却比CPU大小小很多。一辆车可能有一个很大的CPU，同时还有许多NNA遍布于车辆各处，并以比同样遍布车辆各处的CPU低得多的功耗和更高的性能来执行各种任务。

　　Imagination Technologies提供了GPU和NNA硅知识产权(IP)。其应用在数字仪表盘中的技术比任何竞争对手都要多，并且公司在先进驾驶员辅助系统(ADAS)和自动驾驶汽车市场中也处于领先地位。赋能自动驾驶汽车实用化所需的所有要素都将取决于这些技术，而这些技术成为现实只是时间问题。

（编辑：辽源站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!