LiDAR在FPGA和ASIC之间的选择

发布者:那是一条路都最新更新时间:2021-11-02 来源: Astroys 关键字:LIDAR  点云数据  FPGA  ASIC 手机看文章 扫描二维码
随时随地手机看文章

LiDAR点云的实时处理有时甚至超过100万个数据点/秒,因此需要高水平的计算来加速点云深度学习算法。LiDAR 3D点云数据的处理是通过删除不需要的数据、过滤相关数据和将点云划分为片段等步骤进行预处理的,最后对特征进行识别和分类。

 

LiDAR系统的开发必须在ASIC或FPGA之间进行权衡。目前,大多数采用的ASIC都集中在模拟光子学方面,而不是数字信号处理。

 

NRE:研究、设计、开发和测试一个新产品或产品改进的一次性成本性能和功耗:功耗预算与芯片性能的关系上市时间成本芯片封装尺寸

 

在提到汽车ASIC和FPGA时,人们会有一个固有观念,但这些需要重新审视。车厂最好在为LiDAR应用选择ASIC或FPGA之前询问芯片供应商,因为很多固有观念其实是有误区的。一般这些固有观念认为ASIC会优化性能、能效高、开发时间长/上市时间慢、可定制性低;FPGA价格太贵、功耗高、没有针对应用进行优化、开发资源有限、只适用于研究/测试车辆,而不适合量产。


基于FPGA的解决方案

 

FPGA和基于FPGA的MPSoC(Multi-processor Systems-on-Chip)得益于并行处理架构,与CPU和GPU的串行架构不同。FPGA的灵活性使它适合于需要经常修改和升级的应用和设备,而ASIC则更适合于永久性应用。

 

FPGA提供了灵活性和差异化,以及低延迟、高吞吐量,也可以满足快速上市时间。灵活性和适应性在LiDAR领域很重要,因为为ADAS和AV系统的性能、标准和算法在不断变化。例如,FPGA可以被配置和重新配置,以平衡电源效率和性能要求。

 

FPGA既能提供AI应用所需的额外性能和处理效率,包括LiDAR点云处理,又能实现可编程性,从而有利于系统的灵活性、硬件复用、降低开发成本。

 

FPGA是一个有吸引力的选择,特别是当感知算法仍在开发中时,因为芯片可以随着算法的开发而定制,并避免了昂贵的重新设计ASIC解决方案的可能性。

 

FPGA早前是作为加速器来增强基于CPU的SoC的性能。然而,FPGA正逐渐成为MPSoC的主要处理设备。

 

FPGA已经从基本的可编程逻辑发展到复杂的SoC器件,其中包含多个嵌入式处理器、计算引擎、内存和接口,所有这些都具有高能效。

 

以Xilinx解决方案为例,不同类别的FPGA如下:

 

FPGA:Artix-7系列,Kintex-7系列


SoC:Zynq-7000系列


MPSoC - Zynq UltraScale+ MPSoC


RFSoC - Zynq UltraScale+ RFSoC


ASIC解决方案

 

许多开发者选择了ASIC,是作为提高集成度、降低成本和功耗的一种手段。与GPU和FPGA相比,典型的ASIC解决方案往往具有更高的效率、更小尺寸以及更低的功耗。LiDAR开发者还必须权衡ASIC的漫长开发周期和缺乏灵活性的问题。

 

ASIC是一种芯片解决方案,为特定的目的而设计,不能被重新编程或修改以执行其他功能或其他应用。ASIC被设计为用于特定的功能,而且只是这个特定的功能。

 

随着功能的成熟和规模的增加,就可以开发ASIC来降低成本和功耗。为某一特定功能设计和构建专用的ASIC并非没有潜在的隐患,因为它们不能被重新编程,并且需要持续的NRE投资。开发一款ASIC需要具有专业知识的设计团队来设计、测试和验证,这可能会增加整个项目的成本和几个月的开发时间。

 

一个ASIC通常是适合大众市场、大批量的设计,特别设计的需要。它比FPGA的能效更高,当大批量应用时更具成本效益,ASIC的单位成本通常低于FPGA。ASIC的封装尺寸也比FPGA小得多。

 

由于其固有的设计灵活性,工程师可以改变FPGA内的电路,以应对汽车LiDAR系统的流体设计和性能要求。从下面的时间轴可以看出,与基于ASIC的设计相比,FPGA解决方案在汽车生产LiDAR处理应用中占了大多数。

 

 


Innoviz是唯一一家在量产车型中采用ASIC的公司,该公司还在内部设计了MEMS模块、硅探测器和名为Maui的信号处理ASIC等关键系统部件。宝马将采用Innoviz的LiDAR技术,由Magna提供系统集成。Innoviz声称,内部设计关键部件,而不是使用现成的商品部件,提供了可保护和可持续的技术差异化,可区别于竞争对手或替代技术。Innoviz认为,汽车LiDAR进入市场的重要障碍之一是大批量制造紧凑而复杂的传感产品的工艺和技术。

 

Innoviz的16纳米Maui信号处理ASIC如下:

 

控制激光脉冲的发射,使其从场景中的物体上反射并返回被探测器收集。


接收和处理来自探测器的模拟信号,并创建从LiDAR输出的点云。


控制MEMS镜的逻辑,以保持正确的扫描模式,这是可以通过软件配置的,并保持各个反射镜之间的同步,这对LiDAR的性能非常重要。


Maui包括过滤噪声(如环境光)和提取信号的技术,这对LiDAR的性能至关重要。


Maui还包括硬件和CPU内核,以满足功能安全和ISO26262需求。


关键字:LIDAR  点云数据  FPGA  ASIC 引用地址:LiDAR在FPGA和ASIC之间的选择

上一篇:壁仞科技开始布局DPU、CPU和自动驾驶等领域
下一篇:一次性点亮 芯擎科技 7 纳米智能座舱芯片流片成功

推荐阅读最新更新时间:2024-10-26 12:15

LiDARFPGAASIC之间的选择
LiDAR点云的实时处理有时甚至超过100万个数据点/秒,因此需要高水平的计算来加速点云深度学习算法。LiDAR 3D点云数据的处理是通过删除不需要的数据、过滤相关数据和将点云划分为片段等步骤进行预处理的,最后对特征进行识别和分类。 LiDAR系统的开发必须在ASIC或FPGA之间进行权衡。目前,大多数采用的ASIC都集中在模拟光子学方面,而不是数字信号处理。 NRE:研究、设计、开发和测试一个新产品或产品改进的一次性成本性能和功耗:功耗预算与芯片性能的关系上市时间成本芯片封装尺寸 在提到汽车ASIC和FPGA时,人们会有一个固有观念,但这些需要重新审视。车厂最好在为LiDAR应用选择ASIC或FPGA之前询问芯片供应
[汽车电子]
<font color='red'>LiDAR</font>在<font color='red'>FPGA</font>和<font color='red'>ASIC</font>之间的选择
中国大学将激光雷达云数据与摄像头图像融合
据外媒报道,近日,中国天津职业技术师范大学(Tianjin University of Technology and Education)、山东交通职业学院(Shandong Transport Vocational College)和天津中德应用科技大学(Tianjin Sino-German University of Applied Sciences)的研究人员讨论到,将光探测和测距(LiDAR激光雷达)与摄像头传感器相集成对提高自动驾驶汽车的物体探测能力的重要性。此种传感器融合技术将激光雷达点云数据和RGB(红、绿、蓝)摄像头图像集成在一起,旨在提高自动驾驶汽车在不同环境条件下的探测精度和可靠性。 传感器融合(图
[汽车电子]
中国大学将激光雷达<font color='red'>点</font><font color='red'>云数据</font>与摄像头图像融合
Altera与百度展开合作在云数据中心使用FPGA加速
Altera与中国最大的搜索提供商在华尔街2014 HPC上演示了加速搜索神经网络算法。 2014年9月23号,北京——Altera公司(NASDAQ:ALTR)与百度(NASDAQ:BIDU)——中国最大的在线搜索引擎,在深度学习应用中使用FPGA和卷积神经网络(CNN)算法上展开合作,这将对开发更准确、更快的在线搜索功能起到关键作用。Altera将在2014年9月22号纽约举行的华尔街大会高性能计算(HPC)上演示与百度展开的合作工作。 Altera-百度展台(#215B展位)展示了使用FPGA加速CNN能够非常快速的实现图像分类。对于图像分类和识别任务等关键搜索功能,CNN被认为是目前最新而且一直以来非
[嵌入式]
ASIC IP核移植到FPGA上——如何测试IP核的功能和考虑纯电路以外的其他因素
数字芯片设计验证经验分享系列文章(第四部分): 将ASIC IP核移植到FPGA上——如何测试IP核的功能和考虑纯电路以外的其他因素 作者:Philipp Jacobsohn,SmartDV首席应用工程师 Sunil Kumar,SmartDV FPGA设计总监 本系列文章从数字芯片设计项目技术总监的角度出发,介绍了如何将芯片的产品定义与设计和验证规划进行结合, 详细讲述了在FPGA上使用IP核来开发ASIC原型项目时,必须认真考虑的一些问题 。文章从介绍使用预先定制功能即IP核的必要性开始,通过阐述开发ASIC原型设计时需要考虑到的IP核相关因素,用八个重要主题详细分享了利用ASIC IP来在FPGA上开发原型验证系统
[电源管理]
将<font color='red'>ASIC</font> IP核移植到<font color='red'>FPGA</font>上——如何测试IP核的功能和考虑纯电路以外的其他因素
ASIC IP核移植到FPGA上——如何确保性能与时序以完成充满挑战的任务!
数字芯片设计验证经验分享(第三部分): 将ASIC IP核移植到FPGA上——如何确保性能与时序以完成充满挑战的任务! 作者:Philipp Jacobsohn,SmartDV首席应用工程师 Sunil Kumar,SmartDV FPGA设计总监 本系列文章从数字芯片设计项目技术总监的角度出发,介绍了如何将芯片的产品定义与设计和验证规划进行结合,详细讲述了在FPGA上使用IP核来开发ASIC原型项目时,必须认真考虑的一些问题。 文章从介绍使用预先定制功能即IP核的必要性开始,通过阐述开发ASIC原型设计时需要考虑到的IP核相关因素,用八个重要主题详细分享了利用ASIC IP来在FPGA上开发原型验证系统设计时需要考
[嵌入式]
将<font color='red'>ASIC</font> IP核移植到<font color='red'>FPGA</font>上——如何确保性能与时序以完成充满挑战的任务!
ASIC IP核移植到FPGA上——更新概念并推动改变以完成充满挑战的任务!
数字芯片设计验证经验分享: 将ASIC IP核移植到FPGA上——更新概念并推动改变以完成充满挑战的任务! 本系列文章从数字芯片设计项目技术总监的角度出发,介绍了如何将芯片的产品定义与设计和验证规划进行结合,详细讲述了在FPGA上使用IP核来开发ASIC原型项目时,必须认真考虑的一些问题。文章从介绍使用预先定制功能即IP核的必要性开始,通过阐述开发ASIC原型设计时需要考虑到的IP核相关因素, 用八个重要主题详细分享了利用ASIC所用IP来在FPGA上开发原型验证系统设计时需要考量的因素 。 在上篇文章中,我们介绍了将ASIC IP移植到FPGA原型平台上的必要性,并对原型设计中各种考量因素进行了总体概述,分析开发A
[嵌入式]
将<font color='red'>ASIC</font> IP核移植到<font color='red'>FPGA</font>上——更新概念并推动改变以完成充满挑战的任务!
数字芯片设计验证经验分享:将ASIC IP核移植到FPGA上——需求和详细规划以完成充满挑任务
数字芯片设计验证经验分享:将ASIC IP核移植到FPGA上——明了需求和详细规划以完成充满挑战的任务 作者:Philipp Jacobsohn,SmartDV首席应用工程师 Sunil Kumar,SmartDV FPGA设计总监 本文从数字芯片设计项目技术总监的角度出发,介绍了如何将芯片的产品定义与设计和验证规划进行结合,详细讲述了在FPGA上使用IP核来开发ASIC原型项目时,必须认真考虑的一些问题。文章从介绍使用预先定制功能即IP核的必要性开始,通过阐述开发ASIC原型设计时需要考虑到的IP核相关因素,用八个重要主题详细分享了利用ASIC所用IP来在FPGA上开发原型验证系统设计时需要考量的因素。 本篇文章是S
[嵌入式]
数字芯片设计验证经验分享:将<font color='red'>ASIC</font> IP核移植到<font color='red'>FPGA</font>上——需求和详细规划以完成充满挑任务
自动驾驶主流芯片:GPU、FPGAASIC
当前主流的 AI 芯片 主要分为三类, GPU 、 FPGA 、 ASIC 。GPU、FPGA均是前期较为成熟的芯片架构,属于通用型芯片。ASIC属于为AI特定场景定制的芯片。行业内已经确认 CPU 不适用于AI计算,但是在AI应用领域也是必不可少。 GPU方案 GPU与CPU的架构对比 CPU遵循的是冯·诺依曼架构,其核心是存储程序/数据、串行顺序执行。因此CPU的架构中需要大量的空间去放置存储单元(Cache)和控制单元(Control),相比之下计算单元(ALU)只占据了很小的一部分,所以CPU在进行大规模并行计 算方面受到限制,相对而言更擅长于处理逻辑控制。 GPU(GraphicsProcessing
[汽车电子]
自动驾驶主流芯片:GPU、<font color='red'>FPGA</font>、<font color='red'>ASIC</font>
小广播
最新汽车电子文章
换一换 更多 相关热搜器件

 
EEWorld订阅号

 
EEWorld服务号

 
汽车开发圈

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved