All Programmable 技術如何掀起嵌入式視覺的革命
自動駕駛揭開了嵌入式視覺解決方案的序幕
1982 年的霹靂遊俠李麥克開著人工智慧車夥計，運用嵌入式視覺等高科技，打擊犯罪。經過 35 多年後，汽車製造商現在全力發展更勝普通汽車或是像盲點監控或主動巡航系統等輔助自動化功能，最終目標是實現全自動駕駛。
事實上，IHS Automotive predicts 預測 自動駕駛車銷售量到 2035 年將達到 2,100 萬輛。
嵌入式視覺 (EV) 複製人類擷取視覺資訊的能力，並對這些資訊進行處理，以用在決策上。嵌入式視覺加入了攝影機、纜線和 CPU，讓汽車之類的機器能夠吸收資訊，並憑藉這些資訊作出決策。其面臨各種設計挑戰：
- 高效能需求：讓嵌入式視覺系統即時執行分析，是一項複雜的作業。影像的解析度和畫格率愈高，處理資料及從中擷取有用資訊所需的運算能力也愈高。對設計人員日益艱困的挑戰在於，其執行速度必須不斷加快，功耗也必須愈來愈低。而機器學習演算法的演進，只是使這些需求日益惡化。
- 複雜的編程環境。設計要想與眾不同、反應快速，且能立即針對最新的演算法和影像感測器調整，需要面對相當高的複雜度和壓力。有許多關鍵決策尚待決定，像是哪些工具和新興技巧能幫助您打造出高品質的設計等。
- 縮短的設計週期。系統必須高度差異化，擁有驚人的反應速度，且能立即針對最新的演算法和影像感測器調整，還必須比競爭對手更早一步上市。在設計週期縮短的情況下，設計人員必須考慮，是要建立新一代架構，還是採用現有的 IP，以趕在期限前上市。
以我們的自動駕駛功能為例，為全球使用者簡化一般工作的嵌入式視覺應用，是一套極為複雜的系統，在各項零件間執行大量互動：
- 感測：透過車載感測器逐格處理原始資料
- 感知：擷取資料以執行物體偵測、分類及定位
- 測繪：辨識測繪區域內的安全駕駛區域和物體
- 定位：將資訊與車內高精準度的 GPS 進行配對
- 路線/路徑規劃：決定短距離和長距離的駕駛路線，包括事件反應
- 動作規劃：導航所選路線適用的車輛控制策略
- 車輛控制：在行駛過程中發出煞車、加速、轉向和懸吊等指令
- 駕駛互動：提供回饋給駕駛，感測駕駛的意圖，交出汽車操控權
無論小跑車或大卡車，這在過去是一件很困難的挑戰，因為真正的自動駕駛需要在車身所有角落裝設攝影機網路。
現在有了 All-Programmable SOC，這個複雜的流程得以化繁為簡。
前一代的 ADAS 系統需要靠外部處理器來實作演算法，以進行影像處理和分析。這類 ASSP 型架構需要專有介面通訊協定，但要客製化以達到功能差異化時將更為困難。
在 All Programmable MPSoC 的推展下，軟體的瓶頸可以在高性能可程式設計邏輯裡通過硬體加速來實現並同時保持可重配置的能力來滿足快速升級所需。設計人員能在早已熟悉上手、使用 C 和 C++ 語言、以 Eclipse 為基礎的環境下選擇軟體定義的開發流程，以及採用 OpenCV 等經過硬體最佳化的影像處理程式庫，以最佳的方式區隔嵌入式視覺演算法的軟體和硬體。
隨著汽車產業從 ADAS 轉移到自動駕駛，感測器融合獲得史無前例的進展，結合裝在車輛四周的可見光攝影機、雷達和 LIDAR 系統，並利用高速序列連結加以連接。將多個感測器介面、分析和車輛控制功能結合到同一套系統內，協助設計人員建立功耗更低、效率更高的資料路徑，讓自動駕駛車避開突發意外以免撞車，或停下自動駕駛車以免撞上前方的障礙物造成意外。
其用意除了簡化設計，還有為終端客戶解決問題。
目前多數車的嵌入式視覺已達到第 0 級或第 1 級，副駕駛座裝有盲點監控或車道維持輔助，而真正的無人駕駛車 (第 5 級) 則是嵌入式視覺中最難實現的功能。根據 NHTSA 資料顯示， 80% 的交通事故 是由駕駛分心所導致，因此自動駕駛車對提升所有用路人的道路安全來說也是一項關鍵。有了這些高效率、低功耗的解決方案，電動車將會使嵌入式視覺應用以更平易近人的價位被社會接受。
我們將推動更多嵌入式視覺方面的創新技術，自動駕駛的未來發展只是開端。
