半导体解决方案供应商瑞萨电子与自驾车视觉处理技术解决方案供应商StradVision公司今天宣布联合开发深度学习式的智慧型摄像头物件辨识解决方案，用於下一代先进驾驶辅助系统（ADAS）应用产品，以及用於ADAS 第2级以上的摄像头。

/news/2019/09/26/1702104560S.jpg

为了避免在市区发生危险，下一代ADAS的实作，要有能够检测出所谓弱势道路使用者（vulnerable road user，VRU）的高精度物件辨识，例如行人和自行车骑士。同时，对於大众市场的中阶到入门级车辆，这些系统必须只消耗非常低的功率。瑞萨和StradVision的新解决方案，实现了这两项目标，致力於让ADAS能更快得到广泛采用。

瑞萨汽车技术客户叁与业务部??总裁吉田直树（Naoki Yoshida）表示：「作为视觉处理技术的领导者，StradVision在使用瑞萨的R-Car SoC开发ADAS的实作上，拥有丰富的经验，透过这项合作，我们正在实现已量产的解决方案，在未来实现安全和准确的机动性。这种全新结合深度学习式，针对R-Car SoC来最隹化的解决方案，将有助於下一代ADAS实作被广泛采用，并支援预计在未来几年内推出，不断升级的视觉感测器要求。」

StradVision执行长Junhwan Kim也表示：「StradVision很高兴能够与瑞萨相结合，帮助开发人员有效地加强努力，实现ADAS的下一次重大飞跃。这项共同努力，不仅可以转化为快速有效的评估，而且还可以大幅提高ADAS的效能。随着未来几年前置摄像头市场的大幅成长，这项合作将使StradVision和瑞萨在提供最隹技术方面，处於优势的地位。」

StradVision具备深度学习式（deep learning）的专门技术，其深度学习式物件辨识软体，在辨识车辆、行人和车道标线上，具有很高的性能。这款高精度辨识软体，已针对瑞萨R-Car汽车系统单晶片（SoC）产品R-Car V3H和R-Car V3M，进行了最隹化，而这些晶片在量产的车种中，拥有良好的记录。这些R-Car晶片采用称为CNN-IP（卷积神经网路智慧财产权）的深度学习处理专用引擎，能够以最低的功耗，高速执行StradVision的SVNet汽车深度学习网路。这项合作产生的物件办识解决方案，实现了深度学习式的物件辨识，同时保持低功耗，使其适用在大规模生产的车辆，并促进了ADAS的采行。

深度学习式物件辨识解决方案特点

1. 解决方案可支援从早期评估一直到量产

StradVision的SVNet深度学习软体，是强大的AI感知解决方案，用於ADAS系统的量产。其高度重视在低光环境下的辨识精确度，以及当物体被其他物体部分隐藏时处理遮蔽的能力。R-Car V3H的基本套装软体可同时执行车辆、人员和车道识别，以每秒25图框的速度处理图像资料，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??藉由添加标志、标线和其他物件，作为辨识目标来客制化软体，StradVision也提供深度学习式物件识别的支援，为量产的车辆涵盖从训练到嵌入软体的所有步骤。

2. R-Car V3H和R-Car V3M SoC提高智慧型摄像头系统的可靠度，同时降低成本

除了CNN-IP专用深度学习模组之外，瑞萨R-Car V3H和R-Car V3M还配备了IMP-X5图像识别引擎。将深度学习式的复杂物件辨识，和高度可验证，具有人为规则的图像识别处理相结合，使设计人员能够建置一个强固的系统。此外，晶片内建图像讯号处理器（ISP），被设计来转换感测器讯号，以用於图像彩现（image rendering）和辨识处理。这样就可以使用没有内建ISP的平价摄像头来配置系统，因而降低了整体物料清单（BOM）的成本。

瑞萨R-Car SoC采用全新的结合深度学习解决方案，包括StradVision的软体和开发支援，计画於2020年初提供给开发人员。