领瞳科技推出波导4D雷达中央计算系统,赋能客户数据驱动雷达性能

简介: 领瞳科技推出波导4D雷达中央计算系统,赋能客户数据驱动提升雷达性能。领瞳科技将携自主开发的波导4D雷达中央计算系统参加Las Vegas CES 2024,展台位于West Hall Level 3 W316,时间:2024年1月9-13日。欢迎参观指导。

日前,领瞳科技推出波导4D雷达中央计算系统,赋能客户数据驱动提升雷达性能。领瞳科技将携自主开发的波导4D雷达中央计算系统参加Las Vegas CES 2024,展台位于West Hall Level 3 W316,时间:2024年1月9-13日。欢迎参观指导。

自动驾驶技术正在快速发展,旨在提供安全、便捷、舒适的驾驶体验。环境感知对实现高阶自动驾驶至关重要,理想的自动驾驶系统需要全天候、全覆盖、全目标、全工况的感知。毫米波雷达的优势在于不受天气影响,即使是恶劣天气和光照情况下也能正常工作,穿透烟雾、雨雪、灰尘能力强,具有全天候、全天时的工作特性,且探测距离远、精度较高、被广泛用于车载距离探测,应用包括自适应巡航、碰撞预警、自动紧急制动、盲区探测等。

4D毫米波雷达通过增加发射、接收通道数量,提升角度分辨能力,提供更高质量点云成像。相比传统毫米波雷达可探测物体的二维水平坐标信息(距离、方位角)及相对速度,4D毫米波雷达可实现对物体高度的探测,提供更高密度、高分辨率的点云信息。更多的发射和接收通道需要额外的处理器,目前主流的做法是在4D毫米波雷达端增加额外的FPGA或者SOC芯片,增加的处理器以及外围相关电路,不仅增加了毫米波雷达的开发难度,还增加了4D毫米波雷达的功耗和重量,以及4D毫米波雷达的成本。

目前市场上的4D毫米波雷达的输出接口主要是CAN或者100M以太网输出,由于CAN或者100M以太网带宽太低,最多只能输出点云信息和目标信息,无法输出需要更高带宽的原始雷达数据或者1D FFT数据。对自动驾驶系统来说,无法实现雷达数据像视觉数据在自动驾驶处理器中进行深度学习算法的闭环迭代,也无法实现雷达和摄像头传感器的数据级融合,更无法满足更高阶自动驾驶的需求。

领瞳科技推出的波导4D雷达中央计算系统中央算力平台基于黑芝麻智能华山二号A1000芯片开发,单颗芯片在INT8精度下提供58TOPS硬件算力;支持多达16路高清摄像头输入;支持1路双级联4D毫米波前雷达和4路4D毫米波角雷达,支持雷达原始数据输入;支持多路以太网接口,扩展支持10G以太网,可实现雷达原始数据实时采集;处理器内置强大的Cadence Tensilica Vision P6 DSP集成领瞳科技自研的雷达信号处理算法,支持开放的雷达数据(ADC、RAD、点云、目标)接口。

领瞳科技中央计算4D雷达系统

黑芝麻智能首席市场营销官杨宇欣表示:“领瞳科技采用黑芝麻智能高性能的华山二号A1000芯片内置强大的DSP并行处理能力,助力4D毫米波雷达从边缘计算向中央计算时代迈进,赋能客户数据驱动提升雷达性能,大幅降低智能驾驶雷达系统成本。黑芝麻智能作为智能汽车计算芯片引领者,赋能智慧出行,进一步推动中国智能驾驶领域的发展。”

华山二号A1000内置5颗Cadence Tensilica Vision P6 DSP,每颗DSP运算速度高达800MHz,在处理大量的摄像头数据的同时,通常会空闲2颗以上Vision P6 DSP。领瞳科技充分利用这两颗内置DSP,利用其强大的并行处理能力,实现FFT,CFAR等信号的实时处理。以双级联4D毫米波雷达原始数据输入为例,在不影响处理器主要算力处理多路摄像头数据的基础上,Vision P6 DSP处理每帧雷达原始数据的运算时间实时可以达到小于30ms,轻松实现雷达每秒处理超过30帧的能力,实现点云输出每秒30帧以上,性能远超目前市场上4D雷达输出仅20帧或以下的点云输出能力。30帧的输出达到和目前摄像头输出一样的帧率,完全可以实现摄像头和雷达的帧同步。自动驾驶系统可以像使用传统4D雷达来访问点云或目标数据,同时自动驾驶系统可以轻松访问雷达的原始数据和RAD张量数据等,实现进一步的深度学习算法;更进一步的,自动驾驶系统可以实现雷达和摄像头的数据融合和深度学习。雷达原始数据从边缘计算向中央计算迈进,为自动驾驶系统打开了雷达数据驱动雷达性能迭代的大门,也为客户标准化天线和毫米波雷达传感器奠定了基础。

Cadence Tensilica Vision, RLC与 AI DSP产品市场总监Amol Borkar表示:“Cadence Tensilica Vision P6 DSP是自动驾驶领域中用途最广泛的DSP之一。我们与领瞳科技合作,其先进的雷达算法,特别是其重要的1D FFT、2D FFT算法集成在内置Vision P6 DSP的黑芝麻智能高性能华山二号A1000芯片上表现出了极大的性能提升。我们也希望继续和领瞳科技深入合作将他们先进的雷达算法移植于其他Tensilica DSP上。”

领瞳科技波导4D雷达中央计算系统支持一颗双级联或四级联4D毫米波雷达,雷达原始数据输出,Serdes接口支持6Gbps带宽;同时支持4颗4D角雷达,雷达原始数据或1D FFT数据输出,Serdes接口支持3Gbps带宽或1G以太网接口可选。波导4D雷达中央计算系统还可以支持多款ADAS域控制器和中央计算平台,比如客户自研或第三方开发的ADAS域控制平台,也可以支持其他SOC系统平台,可以移植集成领瞳科技先进的雷达算法和软件。

领瞳科技Jupitar波导4D毫米波雷达为业内首款波导双级联4D毫米波雷达,支持原始ADC数据输出,输出带宽达6Gbps;支持多款SoC处理器运行雷达算法和功能;超过300m的探测距离和更优异的检测性能;功耗低于5W;底噪接近雷达芯片的噪声;量产成本更低;该雷达接口非常简单,只有唯一的FAKRA接口,便于安装和接口标准化;重量更轻,便于车辆的轻量化;尺寸 110 x 88 x 16mm,16mm厚度可以说是目前含波导天线的雷达产品能达到的业内最小厚度的水平。其优越的性能还体现在输出帧率上,最大50帧雷达原始数据的输出能力,远超目前市场上4D毫米波雷达点云输出只有20帧及以下的水平。

领瞳科技Jupitar波导4D毫米波雷达正面立体图

领瞳科技Jupitar 波导4D毫米波前向雷达背面立体图

领瞳科技创始人兼CEO张龙兵表示:“领瞳科技从成立之初即定位聚焦波导天线技术和中央计算雷达算法重构,经过多项技术攻关,领瞳科技自研的雷达算法和软件在黑芝麻智能华山二号A1000芯片内置强大的Cadence Tensilica Vision P6 DSP的移植突破,将引领4D毫米波雷达进入波导和中央计算新时代。”

领瞳科技创始团队曾在伟世通、安波福、哈曼等负责硬件和系统研发,在汽车领域拥有超过二十年的行业经验。核心团队曾在国内外知名企业一起共事,掌握从零到一的正向研发经验,同时满足国际化标准的大规模生产制造经验。此外,团队还在本土上市公司负责汽车自动驾驶传感器和域控制器产品的研发,具备系统的传感器产品和创新产品的开发和重构经验,所负责的产品已大批量供货国内主流客户。目前,领瞳科技积极展开和国际客户的合作,所开发的创新产品赢得欧洲某豪华品牌客户的认可,已顺利进入下一阶段的产品开发。

领瞳科技从成立之初就开始围绕4D毫米波雷达的难点和痛点进行了深度布局。领瞳科技经过多项技术攻关,完成波导天线设计、仿真、模具和工艺的全流程验证,中央计算先进雷达算法重构,系统的优化并解决了雷达原始数据传输带宽问题以及数据传输和处理过程中的时延难点。

领瞳科技是一家创新型科技初创公司,致力于成为智能感知系统技术引领者。为客户提供全栈的波导4D雷达中央计算系统解决方案,产品包括:波导天线、波导4D毫米波雷达、中央计算平台、先进的雷达算法和软件,赋能客户数据驱动提升雷达感知性能。


http://www.cnaifm.com/rgzn/

http://www.cnaifm.com/

http://www.cnaifm.com/itsm/

http://www.cnaifm.com/ckj/

相关文章
|
自然语言处理 安全 虚拟化
如何查看Windows所有软件的快捷键?
【2月更文挑战第12天】本文介绍在Windows电脑中,基于OpenArk工具,查看电脑操作系统与所有软件的快捷键,并对快捷键冲突加以处理的方法~
1295 9
如何查看Windows所有软件的快捷键?
|
人工智能 搜索推荐 算法
玩转通义星尘:体验定制化多样角色能力
在杭州云栖大会上,阿里云对外展示了一款个性化角色创作平台——**通义星尘**,其基于大规模高质量个性化对话数据,采用分阶段的个性化训练策略,使得模型在保持通用能力的基础上,延伸出拟人、具有情感、鲜明语言风格的能力,在角色的个性、风格遵循上具有更强的指令遵循能力。那么其能力展现到底如何?我们又能玩出哪些花样呢?今天开始测试通义星尘,争取年前把8个垂直模型都测试一遍,,加油!本文为原创,未经许可请勿搬运。
玩转通义星尘:体验定制化多样角色能力
|
3月前
|
自然语言处理 前端开发 测试技术
使用 Playwright MCP 实现 UI 自动化测试
本文介绍如何结合Playwright与MCP协议实现智能化UI自动化测试。通过自然语言指令控制浏览器,降低技术门槛,提升效率,并涵盖环境搭建、核心功能、实战案例及最佳实践,展现对话式自动化的未来趋势。
|
数据采集 存储 算法
「AIGC算法」图搜索算法详解
本文探讨了图搜索算法,包括遍历和最短路径搜索。DFS和BFS是遍历算法,前者使用栈深入搜索,后者用队列逐层遍历。Dijkstra、Bellman-Ford、A*、Floyd-Warshall和Johnson算法则解决最短路径问题。文中还给出了DFS的Python实现示例。这些算法在路径规划、网络分析等领域有重要应用。
825 0
Snowflake的架构
【2月更文挑战第25天】
483 3
Snowflake的架构
|
机器学习/深度学习 算法 PyTorch
计算机视觉快速入门:探索图像处理
本文介绍了计算机视觉的基本概念和学习路径,包括图像处理、特征提取、目标检测、图像分类与分割以及深度学习在该领域的应用。初学者应从图像处理基础开始,学习数字图像概念、处理技术及开源库如OpenCV。接着,探索特征提取与描述方法,如SIFT和HOG,以及目标检测的算法,如Haar级联和YOLO。进一步,掌握图像分类和分割技术,涉及深度学习模型如CNN。通过实践项目深化理解,并关注最新研究,持续学习和探索,以在计算机视觉领域不断进步。
|
弹性计算 Linux Docker
ECS网络问题之通过公网连接外网如何解决
ECS(Elastic Compute Service,弹性计算服务)是云计算服务提供商提供的一种基础云服务,允许用户在云端获取和配置虚拟服务器。以下是ECS服务使用中的一些常见问题及其解答的合集:
|
存储 人工智能 JSON
【AI大模型应用开发】【LangChain系列】3. 一文了解LangChain的记忆模块(理论实战+细节)
本文介绍了LangChain库中用于处理对话会话记忆的组件。Memory功能用于存储和检索先前的交互信息,以便在对话中提供上下文。目前,LangChain的Memory大多处于测试阶段,其中较为成熟的是`ChatMessageHistory`。Memory类型包括:`ConversationBufferMemory`(保存对话历史数组)、`ConversationBufferWindowMemory`(限制为最近的K条对话)和`ConversationTokenBufferMemory`(根据Token数限制上下文长度)。
709 0
|
Unix Python Windows
深入了解Python中的os.path.join函数
探索Python `os.path.join` 函数:用于跨平台拼接路径,自动处理分隔符,支持绝对/相对路径及特殊字符。了解其基本用法、异常处理和最佳实践,提升文件路径操作的可靠性与可移植性。查阅[Python官方文档](https://docs.python.org/3/library/os.path.html)获取更多详情。
1689 0
|
机器学习/深度学习 测试技术 计算机视觉
YOLOv8改进 | 主干篇 | 低照度增强网络Retinexformer改进黑夜目标检测 (2023.11最新成果,独家首发)
YOLOv8改进 | 主干篇 | 低照度增强网络Retinexformer改进黑夜目标检测 (2023.11最新成果,独家首发)
706 0