为了避免在城市地区发生的常见危险，下一代ADAS需具备高精度视觉处理能力，能够检测出行人和骑行者等所谓弱势道路使用者（VRU）。同时，对于大众市场的中低端车辆，这些系统必须实现非常低的功耗。瑞萨与StradVision的全新解决方案同时实现了这两个目标，旨在加速ADAS的广泛应用。

 

瑞萨电子汽车技术客户合作事业部副总裁吉田直树表示： “作为视觉处理技术的领导者，StradVision在应用瑞萨R-Car SoC开发ADAS解决方案方面拥有丰富经验。通过此次合作，我们带来了量产级解决方案，面向未来打造安全和精准的移动性能。这一基于深度学习的全新合作解决方案针对R-Car SoC进行了优化，将有助于下一代ADAS的广泛采用，并可支持未来几年内不断提升的视觉传感器要求。”

 

StradVision首席执行官Junhwan Kim表示：“StradVision很高兴能够与瑞萨联手，帮助开发人员有效推进ADAS的下一次重大飞跃。这一共同努力不仅可以转化为快速有效的评估方案，而且将大大提升ADAS的性能。未来几年中，预计前置摄像头市场将会大规模增长，StradVision和瑞萨联手打造优势技术，无疑将保持双方在该领域的领先地位。”

 

StradVision基于深度学习的视觉处理软件为车辆、行人和车道的识别等提供了高性能。该高精度视觉处理软件已针对瑞萨R-Car汽车片上系统（SoC）产品R-Car V3H和R-Car V3M进行了优化，而R-Car系列产品已在量产车型中拥有良好的应用业绩。以上R-Car系列产品搭载了CNN-IP（卷积神经网络知识产权）深度学习处理专用引擎，使其能够以最低功耗高速运行StradVision的SVNet汽车深度学习网络。此次合作开发的视觉处理解决方案实现了基于深度学习的视觉处理能力，同时保持了低功耗，使其适用于量产车辆，进而推动ADAS的采用。

 

基于深度学习的视觉处理解决方案的关键特性：

(1) 解决方案同时支持早期评估及量产车型

StradVision的SVNet深度学习软件是一款强大的AI感知解决方案，用于量产的ADAS系统。它因在弱光环境下的识别精度和识别对象被其它物体部分遮挡时的处理能力而备受关注。R-Car V3H的基本软件包可同时执行车辆、人员与车道的识别，以每秒25帧的速度处理图像数据，实现快速评估和POC开发。以这些功能作为基础，如果开发人员希望通过添加符号、标记和其它物体作为识别物体来定制软件，StradVision可为基于深度学习的视觉处理提供支持，面向量产车辆，涵盖从培训到软件嵌入的所有步骤。

 

(2) R-Car V3H和R-Car V3M SoC在降低成本的同时提升了智能摄像头系统的可靠性

除了CNN-IP专用深度学习模块，瑞萨R-Car V3H和R-Car V3M还搭载了IMP-X5图像识别引擎。将基于深度学习的复杂物体识别与高度可验证的图像识别处理同人为规则相结合，使设计人员能够构建一个强大的系统。此外，方案还设计了片上图像信号处理器（ISP）对传感器信号进行转换，用于图像渲染和识别处理，从而可以采用无内置ISP的低成本摄像头进行系统配置，以降低BOM成本。

 

供货信息

采用全新联合开发的深度学习解决方案的瑞萨电子R-Car SoC（包括StradVision的软件与开发支持），计划于2020年初向开发人员供货。