JP7135977B2 - 車両用演算装置 - Google Patents
車両用演算装置 Download PDFInfo
- Publication number
- JP7135977B2 JP7135977B2 JP2019066776A JP2019066776A JP7135977B2 JP 7135977 B2 JP7135977 B2 JP 7135977B2 JP 2019066776 A JP2019066776 A JP 2019066776A JP 2019066776 A JP2019066776 A JP 2019066776A JP 7135977 B2 JP7135977 B2 JP 7135977B2
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- memory
- processing unit
- unit
- image processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012545 processing Methods 0.000 claims description 73
- 239000000758 substrate Substances 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000010365 information processing Effects 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000020169 heat generation Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/06—Improving the dynamic response of the control system, e.g. improving the speed of regulation or avoiding hunting or overshoot
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/60—Memory management
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0031—Mathematical model of the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Description
ここに開示する技術は、例えば車両の自動運転のために用いられる車両用演算装置に関する。
特許文献1には、車両に搭載されたエンジン、ステアリング等の複数の車載機器を制御するシステムが開示されている。この制御システムでは、複数の車載機器を制御するため、統合制御部、ドメイン制御部、および機器制御部に階層化された構成を備えている。
高精度の自動運転を実現するためには、車両周囲の環境だけでなく、ドライバの状態や車両の状態等、様々な情報を基にして、総合的な判断により車両の運動を制御しなければならない。このためには、カメラやセンサ、あるいは車外ネットワーク等からの膨大な量のデータを高速に処理して、瞬間毎に車両の最適運動を決定し、各アクチュエータを操作する必要があり、そのための演算装置を構築する必要がある。
そして、このような演算装置に対する性能や機能に対する要求は、車種やグレードに応じて様々である。例えば、車両に設置されるカメラの台数や配置位置によって、カメラ出力に対する画像処理等の処理は異なる。このため、演算装置は車種やグレード毎に構成する必要があるが、これらを互いに独立した装置として構成すると、開発コストや製造コストが増大してしまう。また、演算装置内の特定の構成要素について仕様変更やバージョンアップが必要になった場合に、演算装置全体を交換する必要が生じてしまう。
ここに開示する技術はかかる点に鑑みてなされたものであり、その目的とするところは、車両用演算装置について、コストの増大を抑えるとともに、仕様変更やバージョンアップを容易に実施可能にすることにある。
具体的にここに開示する技術は、車両に搭載され、当該車両の走行を制御するための演算を実行する車両用演算装置であって、当該車両の車種を含む複数車種に関して共通の構成を有する固定部と、前記固定部との間でデータ送受信可能であり、当該車両の車種に応じた構成を有する可変部とを備えており、前記固定部は、当該車両に設置されたカメラの出力に対して、所定の画像処理を行う画像処理部と、前記画像処理部によって生成された画像信号を格納するメモリとを備えており、前記可変部は、前記メモリに格納された画像信号を用いて、当該車両の車種に応じたアプリケーションを実行し、実行結果を前記固定部に送信する処理部を備えている。
この構成によると、車両用演算装置は、複数車種に関して共通の構成を有する固定部と、当該車両の車種に応じた構成を有する可変部とを備えている。固定部は、当該車両に設置されたカメラの出力に対して、所定の画像処理を行う画像処理部と、画像処理部によって生成された画像信号を格納するメモリとを備えており、可変部は、メモリに格納された画像信号を用いて当該車両の車種に応じたアプリケーションを実行し、実行結果を固定部に送信する処理部を備えている。これにより、固定部は複数車種に関して共通であるので、開発コストや製造コストを低減できる。一方、可変部は車種に応じた構成を有しており、処理部の仕様変更やバージョンアップを行うときは、演算装置全体を交換する必要がなく、可変部のみを交換すればよい。
そして、上述の車両用演算装置において、前記可変部は、当該車両の車種に応じたカメラ情報を記憶する第2メモリを備えており、前記固定部は、前記第2メモリからカメラ情報を読み出し、前記カメラ情報に従って、前記画像処理部における画像処理の処理内容を設定する、としてもよい。
この構成によると、可変部が、当該車両の車種に応じたカメラ情報を記憶する第2メモリを備えており、固定部は、第2メモリからカメラ情報を読み出し、カメラ情報に従って、画像処理の処理内容を設定する。これにより、固定部は複数車種に関して共通の構成を有していながら、カメラ出力に対して、車種に応じた画像処理を実行することができる。
また、上述の車両用演算装置において、前記固定部は、第1基板に搭載されており、前記可変部は、前記第1基板とは別の第2基板に搭載されている、としてもよい。
この構成によると、固定部と可変部とは、別の基板に搭載されているので、互いの発熱等の影響を回避することができる。
さらに、前記第1基板と前記第2基板とは、互いに異なる電源系統に接続されている、としてもよい。
これにより、固定部と可変部とは、互いの発熱や消費電力等の影響をより一層、回避することができる。
また、上述の車両用演算装置において、前記処理部は、深層学習によって生成された学習済みモデルを利用して、演算処理を実行する、としてもよい。
この構成では、深層学習によって生成された学習済みモデルを利用して演算処理を実行する、いわゆるAI処理部は、アップデートが頻繁に行われる可能性があるが、これが可変部に設けられる。このため、AI処理部の仕様変更やバージョンアップを行うとき、演算装置全体を交換する必要がなく、可変部のみを交換すればよい。
さらに、上述の車両用演算装置において、前記固定部は、前記処理部によるアプリケーションの実行結果を基にして、当該車両の経路を生成するものであり、かつ、前記処理部が故障のとき、ルールベース機能でもって経路生成を実行可能に構成されている、としてもよい。
これにより、AI処理部が故障の場合であっても、車両用演算装置は、経路生成等の基本機能を保持することができる。
本開示によると、車両用演算装置について、コストの増大を抑えるとともに、仕様変更やバージョンアップが容易になる。
図1は車両用演算装置の機能構成例を示すブロック図である。図1の構成は、車両に搭載された情報処理ユニット1を備えている。情報処理ユニット1は、本開示に係る車両用演算装置の一例である。情報処理ユニット1は、車両に関する各種の信号やデータを入力とし、これらの信号やデータを基にして、例えば深層学習によって生成した学習済みモデルを利用して、演算処理を実行し、車両の目標運動を決定する。そして、決定した目標運動に基づいて、車両の各アクチュエータ200の操作信号を生成する。
情報処理ユニット1は、車外環境推定部10、ドライバ状態推定部20、経路生成部30,目標運動決定部40、エネルギーマネジメント部50を備えている。車外環境推定部10は、車両に搭載されたカメラ101やレーダー102等の出力を受け、車外環境を推定する。ドライバ状態推定部20は、車室内に設置されたカメラ120によって撮像された画像から、ドライバの健康状態や感情、あるいは、身体挙動を推定する。経路生成部30は、車外環境推定部10の出力を用いて、車両の走行経路を生成する。目標運動決定部40は、経路生成部30が生成した走行経路について、目標運動を決定する。エネルギーマネジメント部50は、目標運動決定部40が決定した目標運動を実現するための、駆動力、制動力および操舵角を算出する。
図2は本実施形態の特徴を表す概念図である。本実施形態では、車両用演算装置は、固定部と、可変部とに分かれて構成されている。固定部は、複数車種に関して共通の構成を有している。一方、可変部は、車種(グレードを含む)に応じた構成を有している。すなわち、図2(a)~(c)に示すように、車種Aは演算装置1Aを備え、車種Bは演算装置1Bを備え、車種Cは演算装置1Cを備える。演算装置1A,1B,1Cは、共通の構成を有する固定部2を備えている。一方、可変部に関しては、演算装置1Aは可変部3Aを備え、演算装置1Bは可変部3Bを備え、演算装置1Cは可変部3Cを備えており、可変部3A,3B,3Cは車種に応じた構成を有している。
このような構成によって、車両用演算装置において、固定部はいずれの車種にも共通であるので、開発コストや製造コストを低減できる。一方、可変部は、車種によって構成を変えることができるので、仕様変更やバージョンアップが容易になる。すなわち、可変部には、アップデートが頻繁に行われる可能性がある構成要素を含めるのが好ましい。例えば、深層学習によって生成された学習済みモデルを利用して演算処理を実行するいわゆるAI処理部は、可変部に設けるのが好ましい。これにより、AI処理部の仕様変更やバージョンアップを行うとき、演算装置全体を交換する必要がなく、可変部のみを交換すればよい。
図3は本実施形態における車両用演算装置の具体的なチップ構成例である。図3では、車両用演算装置は、メイン基板301と、サブ基板302とに分かれて構成されている。メイン基板301は、SOC(System On chip)310と、メモリ320と、制御マイコン330とが搭載されている。サブ基板302は、AIアクセラレータ340と、フラッシュメモリ350とが搭載されている。SOC310、メモリ320、制御マイコン330が搭載されたメイン基板301が、固定部に相当する。すなわち、メイン基板301は、複数の車種に関して共通の構成を有する。一方、AIアクセラレータ340、フラッシュメモリ350が搭載されたサブ基板302が、可変部に相当する。すなわち、サブ基板302は、車種に応じた構成を有する。
メイン基板301において、SOC310は、車両に設置されたカメラの出力を入力とする入力ポートを備える。この入力ポートの個数は、メイン基板301を共通に用いる複数の車種において、想定される最大のカメラ台数とするのが好ましい。図3の構成では、4個の入力ポートC1~C4を備えているため、最大で4台のカメラの出力を入力することができる。また、SOC310は、画像処理部(ISP:Image Signal Processor)311と、メモリアクセス部(DMA:Direct Memory Access)312とを備える。画像処理部311は、入力ポートC1~C4に入力されたカメラ出力に対して、所定の画像処理を行う。メモリアクセス部312は、メモリ320へのアクセスを実行する。例えば、画像処理部311によって生成された画像信号は、メモリアクセス部312を介して、メモリ320に格納される。
サブ基板301において、AIアクセラレータ340は、深層学習によって生成された学習済みモデルを利用して、演算処理を実行する。例えば、AIアクセラレータ340は、メモリ320に格納された画像信号を用いて、当該車両の車種に応じたアプリケーションを実行し、アプリケーションの実行結果をメモリ320に格納する。フラッシュメモリ350は、当該車両の車種に応じたカメラ情報を記憶している。SOC310は、フラッシュメモリ350からカメラ情報を読み出し、読み出したカメラ情報に従って、例えば、画像処理部311における画像処理の処理内容を設定する。
AIアクセラレータ340は、メイン基板301とのデータ入出力を、フラッシュメモリ350とは別の入出力ポートを介して実行する。ここでは、AIアクセラレータ340は、SOC310との間で、例えばPCIExpressを介してデータ転送を行う。
メイン基板301において、制御マイコン330は、例えば、AIアクセラレータ340によるアプリケーションの実行結果をメモリ320から読み出して、当該車両の走行経路の生成を行う。そして、生成した走行経路について当該車両の目標運動を決定し、決定した目標運動を実現するための、駆動力、制動力および操舵角を算出する。
図4は図3の構成をグレードの低い車種に適用した場合を示す。図4(a)に示すように、この車種では、車両の前方を撮像するカメラAが設置されている。カメラAは、1画素12ビットのデータをRCCB形式で出力するものとする。ここでいうRCCBとは、それぞれ色を示しており、RはRed、BはBlue、CはClear画素を示している。Clear画素は、RGBといった通常光の色の抽出のための波長バンドパスフィルタを通らないものであり、低照度でも高感度を発揮する画素データである。この場合、フラッシュメモリ350は、カメラAの出力に対する画像処理の情報として、ガンマ変換により8ビットのデータに変換する処理が設定されているものとする。図4(b)に示すように、SOC310は、フラッシュメモリ350からカメラ情報を読み出し、画像処理として、ガンマ変換により8ビットのデータに変換する処理を設定する。そして、入力ポートC1に入力されたカメラ出力に対して、画像処理部311が画像処理を実行し、実行した結果の画像信号をメモリ320に格納する(CH1データ)。
AIアクセラレータ340は、この車種のアプリケーションとして、前方障害物監視とAH(オートハイビーム)検知が設定されている。前方障害物監視は、CH1データのC画素を使用して実行し、AH検知は、CH1データのR画素を使用して実行する。AIアクセラレータ340は、アプリケーションの実行結果をメモリ320に保存する。例えば、障害物が急接近しているため前方緊急ブレーキが必要か否か、といった情報がメモリ320に保存される。AIアクセラレータ340によるアプリケーションの実行結果は、その後の処理、例えば制御マイコン330が実行する経路生成のために用いられる。
図5は図3の構成をグレードの高い車種に適用した場合を示す。図5(a)に示すように、この車種では、車両の前方を撮像するカメラAに加えて、車両右後方を撮像するカメラBと、車両左後方を撮像するカメラCとが設置されている。カメラAは、1画素12ビットのデータをRCCB形式で出力し、カメラBとカメラCはそれぞれ、1画素8ビットのデータをYUV形式で出力するものとする。Yは輝度信号、Uは青色成分との差、Vは赤色成分との差であり、YUVは人間の目が輝度の変化に敏感である特性を利用するデータである。この場合、フラッシュメモリ350は、カメラ出力に対する画像処理の情報として、カメラAに関しては、ガンマ変換により8ビットのデータに変換する処理が設定されており、カメラB,Cに関しては、Y成分のみを抽出する処理が設定されているものとする。図5(b)に示すように、SOC310は、フラッシュメモリ350からカメラ情報を読み出し、画像処理として、カメラAに対して、ガンマ変換により8ビットのデータに変換する処理を設定し、カメラB,Cに対して、Y成分のみを抽出する処理を設定する。そして、入力ポートC1,C2,C3に入力されたカメラ出力に対して、画像処理部311が画像処理を実行し、実行した結果の画像信号をメモリ320にそれぞれ格納する(CH1データ、CH2データ、CH3データ)。
AIアクセラレータ340は、この車種のアプリケーションとして、前方障害物監視、AH検知、および、左右後方接近者監視が設定されている。前方障害物監視は、CH1データのC画素を使用して実行し、AH検知は、CH1データのR画素を使用して実行し、左右後方接近者監視はCH1およびCH2データのY画素を使用して実行する。AIアクセラレータ340は、アプリケーションの実行結果をメモリ320に保存する。例えば、障害物が急接近しているため前方緊急ブレーキが必要か否か、自動ハイビームしてよいか否か、右後方から車両が接近しておらず、レーン変更が可能か否か、といった情報がメモリ320に保存される。AIアクセラレータ340によるアプリケーションの実行結果は、その後の処理、例えば、制御マイコン330による経路生成のために用いられる。
なお、AIアクセラレータ340によるアプリケーションの実行結果をメモリ320に格納する際のアドレスは、車種によらず共通にしておけばよい。この場合、グレードの高い車種にあってグレードの低い車種にはないアプリケーションに関しては、グレードの低い車種では、その実行結果を格納するアドレスは固定値を格納しておけばよい。
図6は図3の構成例における処理の流れを示すフローチャートである。まず、車両が起動されると、SOC310がフラッシュメモリ350からカメラ情報を読み出す(S11)。SOC310は、読み出したカメラ情報を基にして、カメラ出力に対する画像処理の処理内容と、処理結果の画像信号の書き込み先アドレスを設定する(S12)。
その後、SOC310は、入力ポートからカメラ出力を取り込み、画像処理を実行する(S13)。そして、SOC310は、画像処理の結果生成された画像信号を、メモリ320に格納する(S14)。AIアクセラレータ340は、メモリ320に格納された画像信号を用いて、アプリケーションを実行する(S15)。そして、AIアクセラレータ340は、アプリケーションの実行結果をメモリ320に格納する(S16)。SOC310は、AIアクセラレータ340によるアプリケーションの実行結果をメモリ320から読み出し、制御マイコン330に出力する(S17)。制御マイコン330は、AIアクセラレータ340によるアプリケーションの実行結果を用いて、例えば経路生成等の処理を実行する(S18)。その後、S13~S18の処理が繰り返し実行される。
以上のように本実施形態によると、車両用演算装置は、複数車種に関して共通の構成を有する固定部と、当該車両の車種に応じた構成を有する可変部とを備えている。例えば、固定部は、当該車両に設置されたカメラの出力に対して、所定の画像処理を行うSOC310と、生成された画像信号を格納するメモリ320とを備えており、可変部は、メモリ320に格納された画像信号を用いて当該車両の車種に応じたアプリケーションを実行し、実行結果を固定部に送信するAIアクセラレータ340を備えている。これにより、固定部は複数車種に関して共通であるので、開発コストや製造コストを低減できる。一方、可変部は車種に応じた構成を有しており、例えばAIアクセラレータ340の仕様変更やバージョンアップを行うときは、演算装置全体を交換する必要がなく、可変部のみを交換すればよい。
また、固定部と可変部とを別の基板に設けることによって、互いの発熱等の影響を回避することができる。例えば、図3のチップ構成では、AIアクセラレータ340は処理速度が高速であり、他のチップと比べて消費電力や発熱量が格段に高い。このため、AIアクセラレータ340を、SOC310や制御マイコン330が搭載されたメイン基板301とは別のサブ基板302に搭載することによって、AIアクセラレータ340による発熱がSOC310等に与える影響を回避することができる。
さらに、メイン基板301とサブ基板302とは、互いに異なる電源系統に接続するようにしてもよい。これにより、互いの発熱や消費電力等の影響をより一層、回避することができる。
また、制御マイコン330は、AIアクセラレータ340によるアプリケーションの実行結果を基にして、当該車両の経路を生成するものとした。ここで、制御マイコン330は、ルールベース機能でもって経路生成を実行可能に構成されているのが好ましい。これにより、AIアクセラレータ340が故障の場合であっても、ルールベース機能でもって経路生成を実行できるので、車両用演算装置は経路生成等の基本機能を保持することができる。
なお、図3のチップ構成は一例であり、本開示はこれに限定されるものではない。例えば、サブ基板302のフラッシュメモリ350は、他の構成のメモリであってもよい。また、このメモリは、AIアクセラレータ340と同一チップに含めてもかまわない。ただし、AIアクセラレータ340には最先端の製造プロセスが適用されるため、製造プロセス上は、AIアクセラレータ340とメモリとは、別チップに分ける方が好ましい。あるいは、AIアクセラレータ340とメモリとを、別の基板に分けて搭載してもかまわない。
また、車両用演算装置において、固定部と可変部とに含める構成要素は、ここで示したものに限られるものではない。例えば、可変部には、ドライバの画像からドライバの状態を推定するAI処理部を設けるようにしてもよい。
1 情報処理ユニット(車両用演算装置)
1A,1B,1C 車両用演算装置
2 固定部
3A,3B,3C 可変部
301 メイン基板(固定部)
302 サブ基板(可変部)
310 SOC
311 画像処理部
320 メモリ
330 制御マイコン
340 AIアクセラレータ(処理部)
350 フラッシュメモリ(第2メモリ)
1A,1B,1C 車両用演算装置
2 固定部
3A,3B,3C 可変部
301 メイン基板(固定部)
302 サブ基板(可変部)
310 SOC
311 画像処理部
320 メモリ
330 制御マイコン
340 AIアクセラレータ(処理部)
350 フラッシュメモリ(第2メモリ)
Claims (6)
- 車両に搭載され、当該車両の走行を制御するための演算を実行する車両用演算装置であって、
当該車両の車種を含む複数車種に関して共通の構成を有する、固定部と、
前記固定部との間でデータ送受信可能であり、当該車両の車種に応じた構成を有する、可変部とを備えており、
前記固定部は、
当該車両に設置されたカメラの出力に対して、所定の画像処理を行う画像処理部と、
前記画像処理部によって生成された画像信号を格納するメモリとを備えており、
前記可変部は、
前記メモリに格納された画像信号を用いて、当該車両の車種に応じたアプリケーションを実行し、実行結果を前記固定部に送信する処理部を備えている
ことを特徴とする車両用演算装置。 - 請求項1記載の車両用演算装置において、
前記可変部は、
当該車両の車種に応じたカメラ情報を記憶する第2メモリを備えており、
前記固定部は、
前記第2メモリからカメラ情報を読み出し、前記カメラ情報に従って、前記画像処理部における画像処理の処理内容を設定する
ことを特徴とする車両用演算装置。 - 請求項1または2記載の車両用演算装置において、
前記固定部は、第1基板に搭載されており、
前記可変部は、前記第1基板とは別の第2基板に搭載されている
ことを特徴とする車両用演算装置。 - 請求項3記載の車両用演算装置において、
前記第1基板と前記第2基板とは、互いに異なる電源系統に接続されている
ことを特徴とする車両用演算装置。 - 請求項1~4のうちいずれか1項の車両用演算装置において、
前記処理部は、深層学習によって生成された学習済みモデルを利用して、演算処理を実行する
ことを特徴とする車両用演算装置。 - 請求項5記載の車両用演算装置において、
前記固定部は、
前記処理部によるアプリケーションの実行結果を基にして、当該車両の経路を生成するものであり、かつ、前記処理部が故障のとき、ルールベース機能でもって経路生成を実行可能に構成されている
ことを特徴とする車両用演算装置。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019066776A JP7135977B2 (ja) | 2019-03-29 | 2019-03-29 | 車両用演算装置 |
US17/598,468 US20220185304A1 (en) | 2019-03-29 | 2020-02-27 | Arithmetic operation device for automobiles |
EP20783126.4A EP3933799B1 (en) | 2019-03-29 | 2020-02-27 | Arithmetic operation device for automobiles |
PCT/JP2020/008070 WO2020202936A1 (ja) | 2019-03-29 | 2020-02-27 | 車両用演算装置 |
CN202080025750.8A CN113646815B (zh) | 2019-03-29 | 2020-02-27 | 车辆用运算装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019066776A JP7135977B2 (ja) | 2019-03-29 | 2019-03-29 | 車両用演算装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020164046A JP2020164046A (ja) | 2020-10-08 |
JP7135977B2 true JP7135977B2 (ja) | 2022-09-13 |
Family
ID=72668896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019066776A Active JP7135977B2 (ja) | 2019-03-29 | 2019-03-29 | 車両用演算装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220185304A1 (ja) |
EP (1) | EP3933799B1 (ja) |
JP (1) | JP7135977B2 (ja) |
CN (1) | CN113646815B (ja) |
WO (1) | WO2020202936A1 (ja) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004289733A (ja) | 2003-03-25 | 2004-10-14 | Clarion Co Ltd | 車両周囲監視装置 |
JP2013093013A (ja) | 2011-10-06 | 2013-05-16 | Ricoh Co Ltd | 画像処理装置、車両 |
JP2015071319A (ja) | 2013-10-01 | 2015-04-16 | 株式会社オートネットワーク技術研究所 | 運転者特定システム |
JP2016060413A (ja) | 2014-09-19 | 2016-04-25 | 日立オートモティブシステムズ株式会社 | 車両用電子制御装置及び制御方法 |
JP2016203882A (ja) | 2015-04-27 | 2016-12-08 | トヨタ自動車株式会社 | 自動運転車両システム |
US20180032082A1 (en) | 2016-01-05 | 2018-02-01 | Mobileye Vision Technologies Ltd. | Machine learning navigational engine with imposed constraints |
US20180246515A1 (en) | 2017-02-28 | 2018-08-30 | Mitsubishi Electric Research Laboratories, Inc. | Vehicle Automated Parking System and Method |
WO2018220811A1 (ja) | 2017-06-02 | 2018-12-06 | 本田技研工業株式会社 | 車両制御システムおよび車両制御方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10159872B4 (de) * | 2001-12-06 | 2005-07-21 | Siemens Ag | Verfahren und Anordnung sowie Computerprogramm mit Programmcode-Mitteln und Computerprogramm-Produkt zur Ermittlung einer Manöverinformation aus einem Satz von vorgebbaren Manöverinformationen für eine mobile Einheit unter Verwendung von Fuzzy-Logik |
EP2276646A4 (en) * | 2008-04-11 | 2012-04-25 | Volvo Technology Corp | METHOD FOR MODIFYING A DRIVING PLAN OF A VEHICLE IN DIRECTION OF A DESTINATION |
JP5316805B2 (ja) * | 2009-03-16 | 2013-10-16 | 株式会社リコー | 車載カメラ装置の画像調整装置及び車載カメラ装置 |
JP2013186245A (ja) * | 2012-03-07 | 2013-09-19 | Denso Corp | 車両周辺監視装置 |
CN104697533A (zh) * | 2015-03-30 | 2015-06-10 | 小米科技有限责任公司 | 导航方法和装置 |
JP6485306B2 (ja) | 2015-09-25 | 2019-03-20 | 株式会社デンソー | 制御システム |
US10705525B2 (en) * | 2017-04-07 | 2020-07-07 | Nvidia Corporation | Performing autonomous path navigation using deep neural networks |
US11573573B2 (en) * | 2017-06-06 | 2023-02-07 | Plusai, Inc. | Method and system for distributed learning and adaptation in autonomous driving vehicles |
JP6572950B2 (ja) * | 2017-08-30 | 2019-09-11 | マツダ株式会社 | 車両制御装置 |
-
2019
- 2019-03-29 JP JP2019066776A patent/JP7135977B2/ja active Active
-
2020
- 2020-02-27 US US17/598,468 patent/US20220185304A1/en active Pending
- 2020-02-27 CN CN202080025750.8A patent/CN113646815B/zh active Active
- 2020-02-27 WO PCT/JP2020/008070 patent/WO2020202936A1/ja unknown
- 2020-02-27 EP EP20783126.4A patent/EP3933799B1/en active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004289733A (ja) | 2003-03-25 | 2004-10-14 | Clarion Co Ltd | 車両周囲監視装置 |
JP2013093013A (ja) | 2011-10-06 | 2013-05-16 | Ricoh Co Ltd | 画像処理装置、車両 |
JP2015071319A (ja) | 2013-10-01 | 2015-04-16 | 株式会社オートネットワーク技術研究所 | 運転者特定システム |
JP2016060413A (ja) | 2014-09-19 | 2016-04-25 | 日立オートモティブシステムズ株式会社 | 車両用電子制御装置及び制御方法 |
JP2016203882A (ja) | 2015-04-27 | 2016-12-08 | トヨタ自動車株式会社 | 自動運転車両システム |
US20180032082A1 (en) | 2016-01-05 | 2018-02-01 | Mobileye Vision Technologies Ltd. | Machine learning navigational engine with imposed constraints |
US20180246515A1 (en) | 2017-02-28 | 2018-08-30 | Mitsubishi Electric Research Laboratories, Inc. | Vehicle Automated Parking System and Method |
WO2018220811A1 (ja) | 2017-06-02 | 2018-12-06 | 本田技研工業株式会社 | 車両制御システムおよび車両制御方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3933799A4 (en) | 2022-05-04 |
CN113646815A (zh) | 2021-11-12 |
US20220185304A1 (en) | 2022-06-16 |
JP2020164046A (ja) | 2020-10-08 |
CN113646815B (zh) | 2023-08-25 |
WO2020202936A1 (ja) | 2020-10-08 |
EP3933799B1 (en) | 2023-11-08 |
EP3933799A1 (en) | 2022-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11613201B2 (en) | Automatic high beam control for autonomous machine applications | |
JP2021022354A (ja) | 強化された高ダイナミック・レンジ画像化及びトーン・マッピング | |
WO2020112213A2 (en) | Deep neural network processing for sensor blindness detection in autonomous machine applications | |
WO2019182974A2 (en) | Stereo depth estimation using deep neural networks | |
US11830160B2 (en) | Object detection using planar homography and self-supervised scene structure understanding | |
US11908104B2 (en) | Weighted normalized automatic white balancing | |
US20230053042A1 (en) | Performing multiple point table lookups in a single cycle in a system on chip | |
US11593290B1 (en) | Using a hardware sequencer in a direct memory access system of a system on a chip | |
US20230032305A1 (en) | Communicating faults to an isolated safety region of a system on a chip | |
US20230076599A1 (en) | Performing load and permute with a single instruction in a system on a chip | |
US11934829B2 (en) | Using a vector processor to configure a direct memory access system for feature tracking operations in a system on a chip | |
US20240045722A1 (en) | Accelerating table lookups using a decoupled lookup table accelerator in a system on a chip | |
US11693470B2 (en) | Voltage monitoring over multiple frequency ranges for autonomous machine applications | |
JP2023021914A (ja) | システム・オン・チップのプログラム可能なビジョン・アクセラレータ用内蔵自己テスト | |
JP7135977B2 (ja) | 車両用演算装置 | |
US20240046409A1 (en) | Object detection using planar homography and self-supervised scene structure understanding | |
US20230124604A1 (en) | Using per memory bank load caches for reducing power use in a system on a chip | |
CN115701597A (zh) | 在片上系统中使用解耦查找表加速器来加速表查找 | |
JPWO2015182148A1 (ja) | 物体検出装置、物体検出装置を設置した車両およびプログラム | |
US20230049442A1 (en) | Reduced memory write requirements in a system on a chip using automatic store predication | |
US11818470B2 (en) | Image generation device, image generation method, and vehicle control system | |
US20230360231A1 (en) | Joint 2d and 3d object tracking for autonomous systems and applications | |
US20230050062A1 (en) | Simd data path organization to increase processing throughput in a system on a chip | |
US20240112472A1 (en) | Image stitching with color harmonization for surround view systems and applications | |
US20230368455A1 (en) | Processing pipelines for three-dimensional data in autonomous systems and applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210824 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220802 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220815 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7135977 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |