வாகனத்தில் மானிடப்பட்ட இன்ஃப்ராரெட் கேமரா மாட்யூல்களில் நடைபாதை கண்டறிதலுக்கான ஹார்ட்வேர் வேகப்படுத்தல்: பாதுகாப்பும் திறனும் மேம்படுத்துதல்

அறிமுகம்

மேம்பட்ட ஓட்டுனர் உதவி அமைப்புகள் (ADAS) மற்றும் தன்னாட்சி வாகனங்களுக்கு அதிகரிக்கும் தேவையால் வலுவான நடைபாதை கண்டறிதல் தொழில்நுட்பங்களின் வளர்ச்சி முன்னேறியுள்ளது. குறைந்த ஒளி நிலைகளில் சிறந்த செயல்திறனை கொண்ட இன்ஃப்ராரெட் கேமரா மாடுல்கள், நடைபாதை பாதுகாப்பை உறுதி செய்வதற்கான முக்கிய கூறாக உருவாகியுள்ளன. இருப்பினும், பொருள் அடையாளம் காண்பதற்கான இன்ஃப்ராரெட் தரவின் நேரடி செயலாக்கத்திற்கு முக்கியமான கணினி வளங்கள் தேவைப்படுகிறது. இந்த கட்டுரை, ஹார்ட்வேரை வேகமாக்கும் தொழில்நுட்பங்கள் செயல்திறன் தடைகளை எவ்வாறு மீறுகின்றன என்பதைக் குறித்து ஆராய்கிறது, வாகனத்தில் மானிடப்பட்ட இன்ஃப்ராரெட் நடைபாதை கண்டறிதல் அல்காரிதங்களை வேகமாகவும், மேலும் ஆற்றல் திறமையாகவும் செயல்படுத்துகிறது.கேமரா மாட்யூல்கள்I'm sorry, but it seems that there is no text provided for translation. Please provide the text you would like to have translated into Tamil.

முக்கிய சவால்கள் இன்ஃப்ராரெட் பாதசாரி கண்டறிதலில்

செயல்திறன் வாய்ந்த நடைபாதை கண்டறிதல் அல்காரிதங்கள் வாகன அமைப்புகளில் ஒருங்கிணைக்கும்போது பல தடைகளை எதிர்கொள்கின்றன:

• தரவியல் சிக்கல்: இன்ஃப்ரரெட் படங்கள் வெப்ப கதிர்வீச்சு மாதிரிகளை பிடிக்கின்றன, இதனால் நடைபாதைவர்களை பின்னணி சத்தத்திலிருந்து வேறுபடுத்துவதற்கான சிறப்பு அம்சங்களை எடுக்க வேண்டும் (எ.கா., திசைமாற்றப்பட்ட கிரேடியன்ட்களின் வரலாறு (HOG), குழாயியல் நரம்பியல் நெட்வொர்க்கள் (CNNs)).
• உண்மையான-நேர கட்டுப்பாடுகள்: ADAS அமைப்புகள் மோதல்களைத் தடுக்கும் வகையில் துணை-மில்லிசெகண்ட் தாமதத்தைத் தேவைப்படுத்துகின்றன, அதற்காக உயர் வேக தரவுப் செயலாக்கத்தைத் தேவைப்படுத்துகின்றன.
• பவர் திறன்: அதிகமான மின்சார பயன்பாடு வாகன பேட்டரிகளை காலியாக்கலாம், குறிப்பாக மின்சார வாகனங்களில் (EVs).
• சூழல் மாறுபாடு: அல்கொரிதங்கள் பல்வேறு நிலைகளுக்கு (எடுத்துக்காட்டாக, மழை, மங்கலான, மறைவு, வெவ்வேறு அளவுகளில்/நிலைகளில் உள்ள நடைபாதை பயணிகள்) ஏற்படுத்தப்பட வேண்டும்.

ஹார்ட்வேர் வேகப்படுத்தல் தீர்வுகள்: செயல்திறன் மற்றும் திறனை மேம்படுத்துதல்

இந்த சவால்களை சமாளிக்க, உலோக மையமான அணுகுமுறைகள் மூன்று மையமான பகுதிகளை மையமாகக் கொண்டு செயல்படுகின்றன:

1. சிறப்பு செயலாக்க அலகுகள்

• கிராபிக்ஸ் செயலாக்க யூனிட்கள் (GPUs): பன்னாட்டு கணினி திறன்கள் ஆழமான கற்றல் மாதிரிகளை (எ.கா., YOLOv5, சிங்கிள் ஷாட் மல்டி பாக்ஸ் கண்டுபிடிப்பாளர் (SSD)) நேரத்தில் CNN முன்னெடுப்புக்கு வேகமாக்குகின்றன. NVIDIA-வின் DRIVE தளம் ADAS க்கான GPU அடிப்படையிலான வேகமாக்கலை எடுத்துக்காட்டுகிறது.
• புல்-பிரோகிராமேபிள் கேட் அரேஸ் (FPGAs): மறுசீரமைக்கக்கூடிய கட்டமைப்புகள் நிலையான அல்கொரிதங்களை (எ.கா., HOG+SVM குழாய்கள்) வேகமாக்குவதில் சிறந்து விளங்குகின்றன. தனிப்பயன் FPGA வடிவமைப்புகள் CPU களுடன் ஒப்பிடும்போது 50% வரை தாமதத்தை குறைக்கலாம்.
• அனுபவ-சிறப்பு ஒருங்கிணைந்த சுற்றுகள் (ASICs): தனிப்பயன் செய்யப்பட்ட சிப்புகள் (எடுத்துக்காட்டாக, Mobileye EyeQ,) சிறந்த செயல்திறன்-மணி விகிதங்களை அடையின்றி, வேகம் மற்றும் ஆற்றல் திறனை சமநிலைப்படுத்துகின்றன.

2. ஆல்கரிதம்-உருவமைப்பு கூட்டமைப்பு

• மாதிரி மேம்பாடு: கீறுதல், அளவீட்டு, மற்றும் அறிவு சுருக்கம் போன்ற தொழில்நுட்பங்கள் CNN மாதிரிகளை சுருக்கமாக்குகின்றன (எடுத்துக்காட்டாக, துல்லியத்தை பராமரிக்கும் போது அளவை 80% குறைத்தல்), எட்ஜ் செயல்பாட்டை சாத்தியமாக்குகிறது.
• ஹைபிரிட் கட்டமைப்புகள்: CPU, GPU மற்றும் FPGA மாடல்களில் இயக்கவியல் வேலைபொறுத்து பகிர்வு வளங்களை அதிகரிக்கிறது. எடுத்துக்காட்டாக, CPUs கட்டுப்பாட்டு பணிகளை கையாள்கின்றன, GPUs CNN அடுக்குகளை வேகமாக்குகின்றன, மற்றும் FPGAs தரவுகளை முன் செயலாக்குகின்றன (எடுத்துக்காட்டாக, காபோர் வடிகட்டுதல்).
• தரவியல் முன் செயலாக்கம் வெளியேற்றுதல்: குறிப்பிட்ட ஹார்ட்வேர் மாடுல்கள் முன்பாக உலோகப் படம் மேம்படுத்தலை (சத்தம் குறைத்தல், எதிரொலி சரிசெய்தல்) செயல்படுத்துகின்றன, முதன்மை செயலி சுமையை குறைக்கின்றன.

3. துறையின்பSpecific பயிற்சி மற்றும் தரவுப் பெருக்கம்

• தரவுகள்: குறியீட்டிட்ட வெப்ப தரவுகளுடன் பயிற்சி ஆல்கொரிதங்களை (எடுத்துக்காட்டாக, FLIR-ADAS, KAIST பல்வேறு ஸ்பெக்ட்ரல் நடைபாதை) வலிமையை அதிகரிக்கிறது. ஹார்ட்வேர் வேகப்படுத்திகள் இந்த தரவுகளை திறம்பட செயலாக்குவதற்காக அமைக்கப்பட்டுள்ளன.
•  செயற்கை தரவுகள்: உருவாக்கப்பட்ட வெப்ப காட்சி (எ.கா., மங்கலான காட்சிகள், இரவு மறைவு) உண்மையான உலக தரவுகளை இணைத்து, மாதிரியின் பொதுவான தன்மையை மேம்படுத்துகிறது.

உண்மையான உலக தாக்கம் மற்றும் எதிர்கால போக்குகள்

ஹார்ட்வேர் வேகப்படுத்தல் கார் தொழில்நுட்பத்தை மறுபடியும் வடிவமைக்கிறது:

• OEM ஒருங்கிணைப்பு: டெஸ்லாவின் முழு சுய இயக்கம் (FSD) அமைப்பு மற்றும் BMW இன் ADAS தளங்கள் மேம்பட்ட நடைபாதை கண்டுபிடிப்புக்கு GPU+FPGA கலவைகளை பயன்படுத்துகின்றன.
• ஆட்டோமோட்டிவ்-கிரேடு ASICகள்: அம்பரெல்லா மற்றும் ஹாரிசான் போன்ற நிறுவனங்கள் L3-L4 சுயாட்சியை குறிவைக்கும் தனிப்பட்ட சிப்புகளை உருவாக்குகின்றன, மேம்படுத்தப்பட்ட இன்ஃப்ராரெட் செயலாக்க குழாய்களை உட்படுத்தி.
• புதுமை தொழில்நுட்பங்கள்: நரம்பியல் வடிவமைப்பு கணினி மற்றும் குவாண்டம்-உத்வேகமான கட்டமைப்புகள் அளவீட்டில் செயல்திறனை அதிகரிக்க வாக்குறுதி அளிக்கின்றன.

தீர்வு

அதிகரிக்கப்பட்ட அல்காரிதங்களை சிறப்பு உலோகங்களுடன் இணைத்து, வாகனத்தில் மானிடப்பட்ட இன்ஃப்ரரெட் கேமரா மாட்யூல்கள் குறைந்த மின்சார உபயோகத்துடன் நேரடி பாதசாரி கண்டறிதலை அடைய முடியும். ADAS மற்றும் தன்னாட்சி இயக்கம் வளர்ந்துவரும் போது, அனைத்து ஒளி நிலைகளிலும் பாதுகாப்பை உறுதி செய்வதில் உலோக வேகமூட்டல் முக்கியமாக இருக்கும், வாகனங்கள் பாதசாரிகளை தடையின்றி பாதுகாக்கும் எதிர்காலத்திற்கு வழி வகுக்கிறது.