StradVision参与EVS 2020, 书写汽车ADAS解决方案的新篇章

StradVision参与EVS 2020, 书写汽车ADAS解决方案的新篇章

本月15日,有关AI技术的代表性国际科学技术研讨会EVS 2020(Embeded Vision Summit 2020)开幕了。此研讨会每年在美国加利福尼亚圣克拉拉举办,邀请世界各国的人工智能和智能驾驶相关企业参加,发表自己的高端技术研究成果。但是今年受疫情影响,通过在线视频形式进行10天。研讨会热气高昂的第三天,有一家引起观众的注意力的企业。那就是韩国的汽车ADAS(Advanced Driving Assistant System,高级驾驶辅助系统)解决方案公司,StradVision。

StradVision参与EVS 2020, 书写汽车ADAS解决方案的新篇章

参加研讨会的StradVision南云铉博士发表了对目标硬件进行优化的StradVision所属的CNN(Convolutional Neural Network, 卷积神经网络)技术。根据他的发表,StradVision开发了优化多种汽车ADAS系统AI学习方式的CNN技术,通过此技术能全面改善ADAS系统的效率。现有的CNN技术在扩展性方面,一旦网络单位超过100个,就可能在目标硬件优化方面产生问题。但是StradVision在目标硬件优化方面,把多数的硬件体系结成一群,使得CNN系统可以与一群硬件体系总体地进行学习。通过这样的学习方式CNN系统能对各种ADAS硬件进行广泛优化,为软件开发公司和原始设备制造商节约大规模的费用。

StradVision参与EVS 2020, 书写汽车ADAS解决方案的新篇章

如上保有高端ADAS软件技术的StradVision是什么样的企业呢?StradVision是以人工智能(AI)为基础的智能驾驶专用相机目标检测软件公司,创立于韩国,2014年在美国圣何塞设立了分公司,近期在智能驾驶技术中心地区德国慕尼黑开设分公司,奠定了其国际化地位。通过成为中国国内汽车品牌ADAS视觉软件供应商,同时奠定了中国国内的事业基础。

StradVision参与EVS 2020, 书写汽车ADAS解决方案的新篇章

StradVision参与EVS 2020, 书写汽车ADAS解决方案的新篇章

StradVision的目标检测方案‘SVNet’是基于深度神经网络(DNN)和人工智能(AI)开发的软件。基于深度学习的智能驾驶软件支持车道变更感知,交通信号灯及交通标志识别,物体感知及可驾驶空间感知等多种精巧的行车安全功能。 它最大的优点是在光线不足地区或者恶劣气候条件时也能保持精确性。

‘SVNet’相比现有的ADAS方案拥有差异化的优点。Mobileye以相机为基础的解决方案占据了90%以上的市场份额,但因为制造商需要从硬件到软件购买全套的产品,因此会给汽车制造商造成经济负担。但是‘SVNet’ 可以从StradVision单独购买软件,从而减少汽车公司的经济负担。而且Mobileye的方案是不支持提供定制化需求服务的,但SVNet可以按照顾客需求提供驱动软件。并且SVNet是在NVIDIA,Qualcomm,RENESAS等主要半导体公司的SoC上驱动,可以给制造商提供更多样的选择。

近期StradVision公开了活用LiDAR(Light Detection and Ranging)感应器的高端软件技术, 并且实现了以更加低廉的费用将‘SVNet’的自动驾驶技术安装到汽车芯片组驱动的技术。此次的技术开发活用了相机和LiDAR干音后期融合技术的优化,公司解释说,这将是现实化完整无人驾驶汽车技术的重要环节。

StradVision参与EVS 2020, 书写汽车ADAS解决方案的新篇章

SVNet的优势在与一级供应商合作中更加明显。StradVision与中国台湾的TTE(Tung Thih Electronic)具有良好的合作关系。TTE是专注于超声波传感器并代表行业最高水平的公司,是众多汽车制造商的超声波传感器供应商。在国内已经有很多的公司使用TTE的超声波传感器和SVNet结合的商品。比如中国长安汽车新品CS75以SVNet作为SVM(Surround View Monitor),突显高性能的自动泊车及紧急制动功能。

在ADAS技术方面拥有突出建树的StradVision,不由得让人好奇今后的发展方向。StradVision将在今年10月份参与世界最大的AI研讨会,NVIDIA GTC2020。在讨论关于AI将如何改变未来这一历史性研讨会中,StradVision会提出什么样的建议和方法, 备受外界瞩目。

(免责声明:本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。 )