Texas Instruments har presenterat en ny grupp av System-on-Chip (SoC) processorer och tillbehör kallad TDA2x för användning i autonoma fordon [1].

Utmärkande drag för TDA2x SoC är hög prestanda, snabb bildanalys, bra grafik, stor flexibilitet vid programmering, och låg energiförbrukning. Detta sägs möjliggöra att fler algoritmer kan köras samtidigt, vilket i sig innebär att flera förarstödfunktioner kan använda sig av en och samma processor.

TDA2x väntas med andra ord möjliggöra för fordonsutvecklare att koppla fler kameror (eller andra liknande sensorer) till samma processor och därmed utföra en mer integrerad sensorfusion och beslutsfattande.

TDA2x är baserad på en heterogen och skalbar arkitektur som inkluderar Texas Instrumnets C66x digitala signalprocessor, en helt programmerbar Vision AccelerationPac, ARM Cortex A15 MPCore processorer, och Dual Cortex-M4 med video och grafikkärnor. Som tillbehör till processorn fås flera mjukvarubibliotek för att underlätta för fordonsutvecklare och underleverantörer att anpassa den till deras funktioner.

Enligt Texas Instruments ligger den nya gruppen av SoC processorer i framkant inom området, mest tack vare Vision AccelerationPac som bl.a. ger 8 gånger bättre beräkningsprestanda jämfört med de mest avancerade motsvarigheter på marknaden för samma energiåtgång.

Just nu är det okänt vilka fordonstillverkare som kommer använda sig av TDA2x, men Texas Instruments har sagt att de vill satsa på masstillverkare.

En detaljerad beskrivning av TDA2x och Vision AccelerationPac hittas i [2] och [3].

Egen kommentar

Många förarstödfunktioner som finns i dagens bilar använder sig av kameror och visuell perception för att läsa av omgivningen. Jag tror att dessa är oerhört viktiga för autonoma fordon som kommer innehålla en mängd olika kameraberoende funktioner.

Med ökande antal kameraberoende funktioner i fordon kommer nog antalet kameror och därmed datamängden som de genererar att öka, vilket i sig kräver smartare, snabbare och mer robusta processorer.

För att få en känsla för hur mycket data det rör sig om kan vi nämna att det krävs 4-5 kameror för att få en 360 graders vy runt fordonet och att kameror som används i dagens förarstödsystem typiskt genererar 30 bilder/s med en upplösning på 1280×800 pixlar med 8 bits/pixel.

Processorn som beskrivs ovan är ett exempel på en integrerad lösning, något som är av stor vikt när man pratar om behandling av stora datamängder i realtid.

Kommentar från Eilert Johansson, SICS Swedish ICT

Kostnad: TDA2x är ett nödvändigt steg för att göra avancerade ADAS system tillgängliga på massmarknaden. Denna högintegrerade lösning möjliggör implementationer med lägre produktkostnad, vilket betyder att systemen når fler användare. Vi lär komma att se många SoC med liknade upplägg från fler leverantörer framöver!

Integration: TDA2x är ett mycket intressant SoC där vi ser teknisk arkitektur som liknar telekom systemen men avsedd för fordon. TI har en lång tradition i att utveckla avancerade SoC som kombinerar DSP med RISC processorer för bl.a. mobiltelefoner. Här har man dessutom arbetat med en skräddarsydd objektdetekteringsaccelerator i hårdvara; ett liknande upplägg som i grafikkretsar för PC och mobiler avsedda för spel men tvärt om – här detekterar man objekt istället för att generera.

Mjukvara: Mjukvaran som krävs i ett system baserat på TDA2x är mycket komplex. I material från TI nämns att det finns ramverk och bibliotek att utgå ifrån vilket är en nödvändighet. Mjukvaran och integration mellan olika delar i TDA2x samt integration med övriga system i fordonet kräver stora investeringar i utvecklingsarbete. Av denna anledning lär vi se system med samma grundfunktionalitet hos många OEM framöver. Utvecklings och integrationskostnad behöver delas av flera.

Källor

[1] Texas Instruments News Center. Texas Instruments drives customer applications one lane closer to an autonomous driving experience and reduction in collisions. 2013-10-16. Länk

[2] Nikolic Z., Agarwal, G., Williams, B., Pearson, S., 2013. White Paper. TI Gives Sight to Vision-Enabled Automotive Technologies. Länk

[3] Lin, Z., Sankaran, J., Flanagan, T., 2013. White Paper. Länk