Ce système sur puce signé Renesas exécute le traitement d’intelligence artificielle requis pour les caméras frontales automobiles IP CNN dédiées aux véhicules autonomes de niveau 3 (automatisation conditionnelle) et de niveau 4 (forte automatisation) avec une consommation de seulement 0,3 W.
Avec l’amélioration rapide des systèmes avancés d’assistance à la conduite (Adas) et des technologies de conduite automatisée, les véhicules autonomes deviennent une réalité. Renesas Electronics, fournisseur de solutions de semi-conducteurs automobiles, a présenté lors du dernier Embedded World qui s’est déroulé en février dernier, son système sur puce (SoC) R-Car V3H qui permet le traitement IA (Intelligence Artificielle) requis pour les caméras frontales automobiles avec une IP dédiée au réseau de neurones à convolution (CNN)1 et présente une consommation de seulement 0,3 W pour les véhicules autonomes de niveau 3 (automatisation conditionnelle) et de niveau 4 (forte automatisation)2. Ce SoC est optimisé pour les caméras frontales stéréo et offre cinq fois plus de performances en vision artificielle que son prédécesseur, le SoC R-Car V3M, ciblant ainsi les caméras frontales NCAP3.
Faisant partie de la plate-forme ouverte Renesas autonomy, pour les systèmes avancés d’assistance au conducteur (Adas) et de conduite automatisée (AD), le R-Car V3H permet une flexibilité de conception pour les équipementiers qui peuvent développer des solutions pour de la simple assistance à la conduite jusqu’à des véhicules hautement automatisés.
Technologie de reconnaissance
Le SoC R-Car V3H se concentre sur l’optimisation de l’architecture pour le traitement de la vision artificielle. Tirant parti du concept de Renesas à base de cœurs de vision artificielle hétérogènes reposant sur le moteur de reconnaissance d’images IMP-X5+ et d’accélérateurs matériels dédiés, le R-Car V3H atteint des capacités de détection avancées avec des algorithmes incluant les « Dense Optical Flow »4, « Dense Stereo Disparity »5 et la Classification des objets6. L’IP intégrée pour le CNN accélère l’apprentissage en profondeur avec une consommation de seulement 0,3 W, ce qui représente plus de deux fois la performance du réseau neuronal profond du R-Car V3M.
Évolutivité et réduction des coûts
S’appuyant sur des blocs IP éprouvés déjà utilisées dans le R-Car V3M, le R-Car V3H comprend un double processeur de traitement d’image (ISP) qui convertit les signaux des capteurs des caméras pour la création d’image et le traitement de reconnaissance. La réutilisation assure l’évolutivité des systèmes NCAP (utilisant R-Car V3M) aux systèmes de caméras intelligentes de niveau 3 et 4 (en utilisant le R-Car V3H), réduisant ainsi le temps de développement ainsi que les coûts du système en évitant le besoin d’un ISP dans chaque caméra. Pour des économies supplémentaires, en particulier pour réduire le coût des composants mémoire par rapport aux autres solutions pour les caméras frontales, le R-Car V3H ne nécessite qu’une seule mémoire LPDDR4.
Solution de plate-forme ouverte
Signalons par ailleurs que les équipementiers et les OEM ont le choix de développer eux-mêmes une solution de caméra frontale ou de travailler avec des partenaires de premier choix de l’écosystème Renesas Autonomy, qui est soutenu par les principaux acteurs des caméras frontales comme Hella Aglaia. « La spécification et la conception de R-Car V3H ont été réalisées en étroite collaboration avec les leaders du marché des caméras frontales afin de répondre aux exigences des innovations les plus importantes sur les systèmes de conduite autonomes. En tant que leader de l’industrie des semi-conducteurs automobiles, Renesas s’engage à fournir des solutions ouvertes, innovantes et fiables pour la conduite assistée et automatisée, précise Jean-Francois Chouteau, vice-président de Renesas Electronics Corporation. En plus d’offrir des performances de pointe à un coût très compétitif, ce que nos clients apprécient tout particulièrement avec le R-Car-V3H, c’est la capacité de garder la liberté de mettre en œuvre une caméra frontale avec ses propres différentiateurs et de bénéficier de solutions évolutives entre R-Car V3M et R-Car V3H. »
Les échantillons du SoC R-Car V3H seront disponibles à partir du quatrième trimestre. La production de volume, elle, devrait débuter au troisième trimestre 2019.
NOTES:
1 Les réseaux neuronaux convolutifs (CNN) sont des réseaux de neurones artificiels profonds à propagation avant qui ont été appliqués avec succès pour l’analyse des imageries visuelles et sont de plus en plus utilisés dans l’automobile pour des applications comme la détection routière ou la classification d’objets.
2 Niveau 3 (automatisation conditionnelle) et Niveau 4 (forte automatisation) de la nouvelle norme J3016 de SAE International. Les définitions des termes liés aux systèmes automatisés de conduite des véhicules routiers offrent un système de classification harmonisé et des définitions à l’appui qui identifient six niveaux d’automatisation de la conduite, allant de « aucune automatisation » à « automatisation complète ».
3 NCAP (Programme d’évaluation des voitures neuves) : Un programme gouvernemental de sécurité automobile, chargé d’évaluer la performance en matière de sécurité des nouvelles voitures.
4 Le flux optique dense est utilisé pour suivre avec précision le flux d’objets.
5 La « Dense Stereo Disparity » est utilisé pour mesurer la distance en 3D en utilisant tous les pixels de l’image de la caméra.
6 La classification des objets est utilisée pour identifier les objets.
