采用FPGA的嵌入式视觉技术

自驾车商机诱人，驱动传统车厂与物联网厂商跨界抢进，更加速人工智能(AI)、先进驾驶辅助系统(ADAS)发展愈趋白热化。而嵌入式视觉也搭上AI与ADAS发展的顺风车，成为实现自驾车发展不可或缺的关键技术，为了要满足嵌入式视觉技术的灵活度，低延迟、低功耗与低成本的要素缺一不可。

赛灵思(Xilinx)机器学习资深产品营销经理罗霖谈到，在AI高速发展状况下，对嵌入式视觉的ASIC芯片开发带来巨大挑战，从传感器搜集道路行驶资料、基于深度学习感知执行路径规画，甚至是提供自动煞车的过程，所需的延迟必须小于100ms，且其中牵涉到许多散热挑战，要求芯片功耗需小于5W。此外，该技术对于成本相对敏感，要求主芯片价位范围介于10~40美元之间。

赛灵思机器学习资深产品营销经理罗霖认为，低延迟、低功耗与低成本是打造嵌入式视觉不可或缺的关键要素。

相较之下，采用FPGA支持嵌入式视觉技术，更具可编程的弹性。罗霖分析，虽然采用ASIC开发嵌入式视觉具备成本与功耗优势，但在AI与深度学习时代，创新的技术或应用不断发生，每天都有新的深度神经网络(DNN)出现，而这些神经网络本身是变种、无标准性，也没有标准化的算法。在此前提下，车厂会要求每个月升级一次神经网络，升级的神经网络不仅改变权重，还包含整体网络结构与网络计算颗粒度，变更范围非常广。

此外，由于DNN的趋势发展下，相机对于分辨率要求的规格也快速改变，为了因应不同分辨率，提供不同接口支持也成为嵌入式视觉关注的一大重点，相比于ASIC固定式的设计，FPGA可提供弹性化的I/O接口，也成为嵌入式视觉开发的一大卖点。

虽然FPGA具备弹性、可扩充性的优势，但一直以来为人诟病的地方就在于复杂的软件定义编程、函式库与架构上的挑战。为了解决这项痛点，赛灵思发布reVISION Stack平台，提供验证过并定义完成的基础平台，开发工程师仅须选用开发工具、架构与函式库，即可快速进入机器学习应用，有效降低FPGA开发门坎。

整体而言，赛灵思汽车产品营销经理孙蕾蕾表示，赛灵思FPGA与SoC优点是可以用到汽车不同应用，包含前端、雷达与光达应用，其延迟相较于CPU和GPU都还来得低。凭借着Xilinx本身FPGA具备的低延迟、低功耗的性能条件，近期在车用领域已与许多车厂及物联网厂商合作，包含戴姆勒、Mobilieye和百度等公司，主要透过AI技术提供前置摄影机、驾驶侦测与自动停车等应用。