Application
Les ASIC différenciateurs
des systèmes ADAS et IVI modernes
Auteurs : Markus Moosmüller, Ingénieur Marketing Senior et Stephan Ahles, Ingénieur Marketing
Senior Socionext Europe GmbH
Les changements à l’intérieur des véhicules se poursuivent
à un rythme soutenu alors que le secteur automobile se
dirige vers la conduite autonome. Ce processus implique
la fusion de l’IVI (In-Vehicle Infotainment ou info-divertissement
embarqué) et de l’ADAS (Advanced Driver Assistance System
ou système avancé
d’aide à la conduite) afin
d’améliorer l’expérience
du conducteur, tout en
renforçant la sécurité.
Pour mettre en oeuvre ces
nouvelles fonctionnalités,
des solutions matérielles
et logicielles complexes
sont nécessaires. Les
ASIC (SoC personnalisés)
constituent la solution
idéale pour obtenir une
plateforme optimisée, tant
pour les clients que pour
les applications.
De nos jours, quand les
gens achètent une voiture,
ils tiennent compte de
bien d’autres facteurs
que l’apparence et les
performances du véhicule
pour prendre leur décision.
La connectivité et
l’intégration transparente
des appareils mobiles
jouent un rôle important.
En outre, une utilisation
simple et pratique grâce à des concepts tactiles associés à des
commandes vocales et gestuelles, ainsi qu’à des possibilités
de réglage de l’éclairage d’ambiance, du système audio et
des sièges sont devenues obligatoires. Grâce à l’intelligence
artificielle et à la reconnaissance biométrique, ces réglages
peuvent également être automatisés et transférés d’un véhicule
à l’autre.
Les individus et leurs demandes et exigences personnelles
sont donc de plus en plus au centre des préoccupations lors
de la spécification de nouveaux systèmes IVI. Cette tendance
ne fera que s’intensifier avec l’introduction de véhicules autonomes
de niveau 3 et 4, qui feront de la conduite du véhicule
une tâche secondaire. Cela donnera lieu à toute une gamme de
possibilités de divertissement pour les passagers du véhicule,
en liaison avec les options de paiement à bord.
Les conducteurs du futur découvriront cela dans un habitacle
purement numérique, qui leur présentera toutes les informations
pertinentes sur un grand écran sans raccord, composé
de plusieurs écrans à haute résolution. Pour améliorer encore
l’expérience de conduite et offrir plus de confort et de sécurité,
les systèmes IVI modernes devront également intégrer un
grand nombre de fonctions ADAS.
Cela implique le traitement de données pertinentes provenant
de nombreux capteurs différents, notamment RADAR,
LIDAR et ultrasons, et
aussi de caméras, le tout
associé à une prise de
décision en temps réel.
L’apprentissage profond
et la reconnaissance
d’objets doivent ensuite
être utilisés pour recueillir
des informations supplémentaires
permettant
d’aider le conducteur et
d’améliorer son confort.
Les applications typiques
sont notamment la vision
panoramique à 360°,
l’aide au stationnement et
la surveillance du conducteur.
Pour mettre en oeuvre
ces fonctionnalités, des
matériels et des logiciels
complexes sont nécessaires.
Au niveau matériel,
l’IVI et l’ADAS nécessitent
des systèmes multiprocesseurs
complexes dotés
d’une grande puissance
de calcul, qui ne peuvent
être mis en oeuvre que sous forme de circuits à très haut niveau
d’intégration.
Le traitement de données vidéo ADAS est un bon exemple.
Des CNN (Convolutional Neural Network, ou réseau de
neurones convolutif) sont souvent utilisés pour analyser
l’environnement du véhicule et ses interactions avec les autres
usagers de la route, à partir de données vidéo. Ces systèmes
sont capables “d’apprendre”, en reproduisant sous forme
électronique le fonctionnement des cellules biologiques d’un
cerveau humain. Il a été prouvé que ces systèmes fonctionnaient
bien dans des domaines comme l’analyse d’images.
Dans les véhicules, des “systèmes d’inférence CNN” sont
utilisés pour reproduire des CNN ayant déjà “appris” à détecter
certaines structures.
Les CNN sont répliqués dans le matériel, avec un mélange de
DSP (processeurs de signaux numériques), de GPU (Graphics
Processor Unit, ou processeur graphique) et de NNP (Neural
Network Processor). L’un des défis majeurs de ce type de
système est l’énorme quantité de données à transférer entre la
mémoire et les processeurs. Des interfaces mémoire modernes
14 ECI Octobre 2020 www.electronique-eci.com
/www.electronique-eci.com