Behöver du komma i mål med din slutprodukt snabbare?
På FPGAWorld berättade vi om detta.
Lyssna till föreläsningen igen!
Kategori: Automotive
Vi har använt ett neuralt nätverk för bildigenkänning. SSD-nätverket används för att detektera olika trafikobjekt (bilar, cyklar, lastbilar, fotgängare) som används i en gråskalemiljö utan att försämras i hastighet eller noggrannhet. Se filmklippet här
CERN, forskningsanläggningen i Schweiz och Zenuity, ett nytt ADAS- och AD-programvaruföretag som ägs av Volvo och Autoliv, har annonserat ett samarbete om maskininlärning baserat på hårdvaruacceleration. Det här är exakt det område vi på BitSim tagit fram i vår nya plattform Spiderpig. Idén är att använda befintliga mjukvarubibliotek och Python-språket för att snabbare utveckla områden såsom avancerad objektigenkänning och maskininlärningsapplikationer.
BitSim is a member of the MIPI Alliance (www.mipi.org), an influential standardization organization within the mobile industry which has successfully developed a number of industry standards for various well-used and established interfaces for camera sensors, displays, storage, power and audio etc.
For some time, a collaboration has been initiated by companies active in the automotive industry, with both car manufacturers and subcontractors to enhance existing or develop new interface specifications for automotive applications.
For short distances in camera applications, MIPI CSI-2 is already used in the automotive industry. BitSim has its own IP block, Bit-MIPI CSI-2, used by customers in different industry segments.
Now, this cooperation will cover solutions for longer distances, up to 15 m, for camera and radar sensors.
Since there will be up to eight cameras in modern cars in the near future, the 40 cm that MIPI CSI-2 can handle today is not enough.
