Bereits heute parkieren moderne Autos selbständig, bremsen bei Fussgängern ab oder folgen im Stau dem vorausfahrenden Fahrzeug. Erste Prototypenfahrzeuge verkehren bereits heute voll-automatisch in den Städten. Ist es nur noch eine Frage der Zeit bis Roboter unsere Fahrzeuge chauffieren? Intelligentes Datenmanagement und Algorithmen sind entscheidend, damit immer mehr Funktionen von Fahrzeugassistenzsysteme übernommen werden können.

Im Rahmen des ASUT Kolloquiums über Smart Data und ihre Chancen für die Mobilität wird SCS die technischen Aspekte der Datensammlung und Verarbeitung mit Fokus auf autonomes Fahren beleuchten. Dabei werden wir Fokus auf die vergangenen und zukünftigen Entwicklungsschritte legen.

Das ASUT Kolloquium beschäftigt sich am 22. November in Bern mit Daten, ihrer Sammlung, Verarbeitung und zukünftigen Entwicklungen. Das Programm finden sie hier.

Rund 3 Jahre nach einer ersten Idee konnten wir im Auftrag der Projektpartner KUKA und Roboception innerhalb von nur 9 Monaten die Hardwareplattform für den rc_visard, einer 3D-Stereokamera für Roboter, realisieren. SCS hat hier im Wesentlichen seine weitreichende Expertise in der Elektronikentwicklung von Kamerasystemen einbringen können. Diese mit einem NVIDIA Tegra K1 Prozessor ausgerüstete Kamera ermöglicht es, in Echtzeit 3D Messungen und Positionierungen im Raum durchzuführen und bildet die Grundlage für eine Vielzahl von Weiterentwicklungen in der Roboterautomation. Bei der Entwicklung des Sensors hat Roboception insbesondere die intuitive Nutzbarkeit mittel Webinterface und einfache Integration mit Standardschnittstellen im Fokus. Im April 2017 wurde die Lösung erstmals an der Hannover Messe der breiten Öffentlichkeit vorgestellt. Seit der erfolgreichen Vorstellung auf der Messe, auf der zahleiche Vorbestellungen eingegangen sind, lag der Fokus auf dem Aufbau der Serienproduktion. Diese wurde nun erfolgreich gestartet und der rc_visard wird ab Ende September 2017 ausgeliefert. Wir gratulieren herzlich zum gelungenen Produktlaunch.

Weitere Infos: https://roboception.com/de/rc_visard/

Am ersten Tech-Event dieses Jahres hat Dr. Uwe Franke von Daimler zusammen mit Felix Eberli in das Potential von Deep Learning für autonomes Fahren eingeführt. Daimler zeigte dabei in beeindruckender Weise die Entwicklung und technische Machbarkeit, getrieben durch Convolutional Neural Networks und mehr Rechenleistung der erhältlichen Halbleiterbausteine. Gerade in Nacht- und verspiegelten Situationen sind solche Netzwerke bereits heute dem Menschen überlegen und bilden künftig die Grundlage für die Umsetzung von autonomem Fahren.

Wir demonstrieren ein Entwicklungssystem für Stereo-Kamera-Fahrerassistenzsysteme auf der Basis des Zynq All Programmable SoC. Optimiert für die Entwicklung von Bildanalysealgorithmen demonstriert dieses System sowohl eine Bildentzerrung als auch die Berechnung des SGM Stereo um die Lage und den Abstand von Objekten abzubilden.

Um mehr zu erfahren, besuchen Sie uns an der Embedded World in Nürnberg.
Wir sind zu Gast am Xilinx-Stand 1-205.

www.scs.ch/fpgabox

SGM Stereo on SCS Zynq Box

EW2014

Moderne Autos setzen immer häufiger Kameras ein, um eine Vogelsicht der Umgebung darstellen zu können. Für die Entwicklung solcher Systeme benötigen die Hersteller der Kameras eine zuverlässige Messtechnik. Die SCS Messtechnik-Box ermöglicht das Aufnehmen und Abspielen von bis zu sechs LVDS-Kameras. Das von SCS entwickelte ‚Recorder System‘ wird von Automobil OEMs und Tier1s zur Entwicklung von Kameras und Surround-Systemen eingesetzt.

Zum Aufnehmen und Abspielen stehen sowohl Filter für Elektrobit Assist ADTF als auch eine von SCS entwickelte Stand-Alone GUI zur Verfügung.

Das System besteht aus der von SCS entwickelten Spartan 6 FPGA-Karte und einer für das entsprechende Kamerasystem angepasste Adapterkarte. Dadurch können präzise Hardware ‚Timestamps‘ aufgezeichnet und mehrere Kameras miteinander synchronisiert werden. Ausserdem können Algorithmen direkt auf dem FPGA gerechnet werden, um den Messtechnikrechner zu entlasten. Die Daten werden über Ethernet-Verbindungen zum Messtechnik-PC übertragen.

SCS kann das System dank seines Aufbaus sehr schnell Ihrem ‚Serializer‘ von Maxim, TI oder National Semiconductor anpassen.

Ein deutscher OEM beauftragte uns, die 3D-Struktur vor dem Fahrzeug anhand der Videobilder zweier Kameras dicht und genau zu berechnen. Mit Hilfe dieser Information können zukünftige Fahrzeuge die Ereignisse in ihrer unmittelbaren Umgebung bewerten, indem die Position von Fahrzeugen, Fussgängern und Hindernissen aller Art im Voraus bestimmt und berechnet werden.

Pentium4-PC um Faktor 50 langsamer

Die aufwändige Bildverarbeitungs-Software wurde von unserem Auftraggeber auf einem Dual-Pentium-PC entwickelt. Ziel des Projektes war, für die Vorserienentwicklung abzuklären, ob sich der Algorithmus zur Implementation auf einem automotiv qualifizierten FPGA eignet.

Die intelligente Lösung

SCS entschied sich für ein Entwicklungsboard mit einem Xilinx Virtex4 FPGA, das die Bilddaten über PCIe austauscht. Nach der Analyse des Algorithmus folgten die Entwicklungsschritte Design, Implementierung und Test auf dem FPGA. Weitere Optimierungen wurden durchgeführt, um den Stromverbrauch zu reduzieren und die Anwendung in einem automotiv tauglichen Xilinx Spartan 3A-DSP FPGA zu ermöglichen. Die Rechenleistung der FPGA-Lösung übertrifft den PC um den Faktor 50. Mit dem Prototypen als PCIe-Karte im Versuchsfahrzeug konnten die Forscher die Umsetzbarkeit der Algorithmen in zukünftigen Fahrzeugen nachweisen. Die FPGA-Lösung von SCS wird ab 2013 in Serienfahrzeugen eingesetzt.

SCS ist Mitglied des ‚Xilinx Alliance Certified Third Party Program‘ und bietet Produkte und Dienstleistungen mit Xilinx FPGAs an. Dazu  gehören eine breite Palette von Hard- und Firmware-Entwicklungen sowie Consulting-Dienstleistungen. Durch die langjährige Zusammenarbeit mit Xilinx wird der Entwicklungszyklus für neue Produkte entscheidend beschleunigt.

Der von SCS entwickelte JPEG IP core für FPGA’s ermöglicht den Empfang von komprimierten Ethernet-Paketen und deren anschliessende Dekomprimierung. Der Decoder wurde auf niedrigen Ressourcenverbrauch für ein Xilinx Spartan6 oder Zynq FPGA optimiert und wird von einem OEM und einem Tier1 bereits verwendet.

Der JPEG Decoder hat folgende Eigenschaften:

  • Processing rate of up to 140 MSamples/sec on Spartan6 FPGA
  • 12Bit / 8Bit version available
  • Four Huffmann tables (fixed or extracted from header)
  • Up to 8 quantization tables
  • Support to decode several interleaved image stripes
  • 3 color components
  • Support 1 scan configuration and YUV 4:2:0 (Different format on request)
  • Supports any image size up to 64kx64k
  • Supports restart markers

Die Forschung eines etablierten Automobilunternehmens in Deutschland entwickelt hochkomplexe Bildverarbeitungsalgorithmen für neue Systeme der Fahrerassistenz und -sicherheit. Ein Beispiel dafür ist die Berechnung von mehreren tausend Verschiebungsvektoren in einer Bildsequenz (optischer Fluss) ohne Beschränkungen der Vektorlänge in Echtzeit. Mit Hilfe dieser Informationen können zukünftig Fahrzeuge die Situationen in ihrer unmittelbaren Umgebung bewerten, Bewegtes von Unbewegtem unterscheiden und die Position anderer Verkehrsteilnehmer vorausberechnen.

‚Automotive‘-tauglicher DSP anstelle des PCs

Die aufwändige Bildverarbeitungs-Software ist auf einem Dual-Pentium-PC entwickelt worden. Ziel des Projektes war, für die Vorserienentwicklung abzuklären, ob sich der Algorithmus für die Implementierung in einen automotiv qualifizierten DSPs eignet. Ausserdem wurde ein Adapterboard erstellt, das die Verbindung einer Kamera mit einem DSP-Board ermöglicht.

Die optimierte Lösung

SCS entschied sich für ein Entwicklungsboard mit einem Texas Instruments DSP (DM6437) und einem aufsteckbaren Adapterboard zum Anschluss der Kamera. Nach der Portierung der Software auf den DSP folgte eine aufwändige Optimierung, bei welcher der Rechenaufwand um den Faktor 43 reduziert werden konnte. Mit dem Prototypen als PCI-Karte im Versuchsfahrzeug konnten die Forscher die Umsetzbarkeit der Algorithmen in Fahrzeugen der Zukunft nachweisen.