All Programmable 技术如何掀起嵌入式视觉的革命
自动驾驶揭开了嵌入式视觉解决方案的序幕
1982 年的霹雳游侠李麦克开着人工智能车伙计，运用嵌入式视觉等高科技，打击犯罪。经过 35 多年后，汽车制造商现在全力发展更胜普通汽车或是像盲点监控或主动巡航系统等辅助自动化功能，最终目标是实现全自动驾驶。
事实上，IHS Automotive 预测 自动驾驶车销售量到 2035 年将达到 2,100 万辆。
嵌入式视觉 (EV) 复制人类撷取视觉信息的能力，并对这些信息进行处理，以用在决策上。嵌入式视觉加入了摄影机、缆线和 CPU，让汽车之类的机器能够吸收信息，并凭借这些信息作出决策。其面临各种设计挑战：
- 高性能需求：让嵌入式视觉系统实时执行分析，是一项复杂的作业。影像的分辨率和帧率愈高，处理数据及从中撷取有用信息所需的运算能力也愈高。对设计人员日益艰困的挑战在于，其执行速度必须不断加快，功耗也必须愈来愈低。而机器学习算法的演进，只是使这些需求日益恶化。
- 复杂的编程环境。设计要想与众不同、反应快速，且能立即针对最新的算法和影像传感器调整，需要面对相当高的复杂度和压力。有许多关键决策尚待决定，像是哪些工具和新技术能帮助您打造出高质量的设计等。
- 缩短的设计周期。系统必须高度差异化，拥有惊人的反应速度，且能立即针对最新的算法和影像传感器调整，还必须比竞争对手更早一步上市。在设计周期缩短的情况下，设计人员必须考虑，是要建立新一代架构，还是采用现有的 IP，以赶在期限前上市。
以我们的自动驾驶功能为例，为全球使用者简化一般工作的嵌入式视觉应用，是一套极为复杂的系统，在各个组件间执行大量互动：
- 感测：透过车载传感器逐帧处理原始数据
- 感知：撷取数据以执行物体侦测、分类及定位
- 测绘：辨识测绘区域内的安全驾驶区域和物体
- 定位：将信息与车内高精准度的 GPS 进行配对
- 路线/路径规划：决定短距离和长距离的驾驶路线，包括事件反应
- 运动规划：导航所选路线适用的车辆控制策略
- 车辆控制：在行驶过程中发出煞车、加速、转向和悬挂等指令
- 驾驶互动：提供回馈给驾驶，感测驾驶的意图，交出汽车操控权
无论小跑车或大卡车，这在过去是一件很困难的挑战，因为真正的自动驾驶需要在车身所有角落装设摄影机网络。
现在有了 All-Programmable SOC，这个复杂的流程得以化繁为简。
前一代的 ADAS 系统需要靠外部处理器来实现算法，以进行图像处理和分析。这类 ASSP 型架构需要专有接口通讯协议，但要客制化以达到功能差异化时将更为困难。
在 All Programmable MPSoC 的推展下，软件的瓶颈可以在高性能可编程逻辑里通过硬件加速来实现并同时保持可重配置的能力来满足快速升级所需。设计人员能在早已熟悉上手、使用 C 和 C++ 语言、以 Eclipse 为基础的环境下选择软件定义的开发流程，以及采用 OpenCV 等经过硬件优化的图像处理链接库，以最佳的功能划分嵌入式视觉算法的软件和硬件。
随着汽车产业从 ADAS 转移到自动驾驶，传感器融合获得史无前例的进展，结合装在车辆四周的可见光摄像机、雷达和 LIDAR 系统，并利用高速串行链接联通起来。将多个传感器接口、分析和车辆控制功能结合到同一套系统内，协助设计人员建立功耗更低、效率更高的数据路径，让自动驾驶车避开突发意外以免撞车，或停下自动驾驶车以免撞上前方的障碍物造成意外。
其用意除了简化设计，还有为终端客户解决问题。
目前多数车的嵌入式视觉已达到第 0 级或第 1 级，副驾驶座装有盲点监控或车道保持辅助，而真正的无人驾驶车 (第 5 级) 则是嵌入式视觉最难实现的功能。根据 NHTSA 数据显示, 80% 的交通事故 是由驾驶分心所导致，因此自动驾驶车对提升所有用路人的道路安全来说也是一项关键。有了这些高效率、低功耗的解决方案，电动车将会使嵌入式视觉应用以更平易近人的价位被社会接受。
我们将推动更多嵌入式视觉方面的创新技术，自动驾驶的未来发展只是开端。
