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

அறிமுகம்

மேம்பட்ட ஓட்டுனர் உதவி அமைப்புகள் (ADAS) மற்றும் தன்னாட்சி வாகனங்களுக்கு அதிகரிக்கும் தேவையால் வலுவான நடைபாதை கண்டறிதல் தொழில்நுட்பங்களின் மேம்பாட்டுக்கு தூண்டுதல் ஏற்பட்டுள்ளது. குறைந்த ஒளி நிலைகளில் சிறந்த செயல்திறனை கொண்ட இன்ஃப்ராரெட் கேமரா மாடுல்கள், நடைபாதை பாதுகாப்பை உறுதி செய்வதற்கான முக்கிய கூறாக உருவாகியுள்ளன. இருப்பினும், பொருள் அடையாளம் காண்பதற்கான இன்ஃப்ராரெட் தரவின் நேரடி செயலாக்கம் முக்கியமான கணினி வளங்களை தேவைப்படுத்துகிறது. இந்த கட்டுரை, ஹார்ட்வேர் வேகமூட்டல் தொழில்நுட்பங்கள் செயல்திறன் தடைகளை எவ்வாறு கடக்கின்றன என்பதைக் குறித்து ஆராய்கிறது, வாகனத்தில் மவுன்ட் செய்யப்பட்ட இன்ஃப்ராரெட் நடைபாதை கண்டறிதல் அல்காரிதங்களை வேகமாகவும், சக்தி திறமையாகவும் செயல்படுத்துகிறது. கேமரா மாட்யூல்கள்I'm sorry, but it seems that there is no text provided for translation. Please provide the text you would like me to translate into Tamil.

முக்கிய சவால்கள் வெப்பதிரை நடைபாதை கண்டறிதலில்

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

• தரவியல் சிக்கல்: இன்ஃப்ரரெட் படங்கள் வெப்ப கதிர்வீச்சு மாதிரிகளைப் பிடிக்கின்றன, இதனால் நடைபாதைவர்களை பின்னணி சத்தத்திலிருந்து வேறுபடுத்துவதற்கான சிறப்பு அம்சங்களை எடுக்க வேண்டும் (எடுத்துக்காட்டாக, திசைமாற்றப்பட்ட கிரேடியன்ட்களின் வரலாறு (HOG), குழாயியல் நரம்பியல் நெட்வொர்க்கள் (CNNs)).
• உண்மையான-நேர கட்டுப்பாடுகள்: ADAS அமைப்புகள் மோதல்களைத் தவிர்க்க மில்லிசெகண்டுக்கு கீழ் தாமதத்தைத் தேவைப்படுத்துகின்றன, அதற்காக உயர் வேக தரவுப் செயலாக்கத்தைத் தேவைப்படுத்துகின்றன.
• சக்தி செயல்திறன்: அதிக சக்தி பயன்பாடு வாகன பேட்டரிகளை காலியாக்கலாம், குறிப்பாக மின்சார வாகனங்களில் (EVs).
• சுற்றுச்சூழல் மாறுபாடு: அல்கொரிதங்கள் பல்வேறு நிலைகளுக்கு ஏற்ப அடிப்படையாக்க வேண்டும் (எ.கா., மழை, மங்கல், மறைவு, வெவ்வேறு அளவுகள்/நிலைகளில் உள்ள நடைபாதை பயணிகள்).

ஹார்ட்வேர் வேகப்படுத்தல் தீர்வுகள்: செயல்திறனை மற்றும் திறனை மேம்படுத்துதல்

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

1. சிறப்பு செயலாக்க அலகுகள்

• கிராஃபிக்ஸ் செயலாக்க யூனிட்கள் (GPUs): பன்னாட்டு கணினி திறன்கள் ஆழமான கற்றல் மாதிரிகளை (எ.கா., YOLOv5, சிங்கிள் ஷாட் மல்டி பாக்ஸ் கண்டுபிடிப்பாளர் (SSD)) நேரடி CNN முன்னறிவிப்புக்கு வேகமாக்குகின்றன. NVIDIA-வின் DRIVE தளம் ADAS க்கான GPU அடிப்படையிலான வேகமாக்கலின் எடுத்துக்காட்டாக உள்ளது.
• புல்-பிரோகிராம்மேபிள் கேட் அரேஸ் (FPGAs): மறுசீரமைக்கக்கூடிய கட்டமைப்புகள் நிலையான ஆல்காரிதங்களை (எ.கா., HOG+SVM குழாய்கள்) வேகமாக்குவதில் சிறந்து விளங்குகின்றன. தனிப்பயன் FPGA வடிவமைப்புகள் CPU களுடன் ஒப்பிடும்போது 50% வரை தாமதத்தை குறைக்கலாம்.
• அறிக்கையின்பொருள்-சிறப்பு ஒருங்கிணைந்த சுற்றுகள் (ASICs): தனிப்பயன் செய்யப்பட்ட சிப்புகள் (எ.கா., Mobileye EyeQ,) சிறந்த செயல்திறன்-பரிசு விகிதங்களை அடைய, வேகம் மற்றும் ஆற்றல் திறனை சமநிலைப்படுத்துகின்றன.

2. அல்கொரிதம்-கருவி இணை வடிவமைப்பு

• மாதிரி மேம்பாடு: கீறுதல், அளவீட்டியல் மற்றும் அறிவு சுருக்கம் போன்ற தொழில்நுட்பங்கள் CNN மாதிரிகளை சுருக்கமாக்குகின்றன (எடுத்துக்காட்டாக, துல்லியத்தை பராமரிக்கும் போது அளவை 80% குறைத்தல்), எல்லை செயல்பாட்டை சாத்தியமாக்குகிறது.
• ஹைபிரிட் கட்டமைப்புகள்: CPU, GPU மற்றும் FPGA மாடல்களில் இயக்கவியல் வேலைபளு 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 முன்னதாக இன்ஃப்ராரெட் படம் மேம்படுத்தல் (சத்தம் குறைத்தல், எதிரொலி சரிசெய்தல்) செய்கின்றன, முதன்மை செயலி சுமையை குறைக்கின்றன.

3. துறையின்பSpecific பயிற்சி மற்றும் தரவுப் பெருக்கம்

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

உண்மையான உலக தாக்கம் மற்றும் எதிர்கால போக்குகள்

ஹார்ட்வேர் வேகமாக்கல் வாகனத் துறையை மறுசீரமைக்கிறது:

• 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 சுயாதீனத்தை இலக்கு வைத்து, சிறந்த இன்ஃப்ராரெட் செயலாக்க குழாய்களை உருவாக்கும் தனிப்பட்ட சிப்புகளை உருவாக்குகின்றன.
• உதயமான தொழில்நுட்பங்கள்: நரம்பியல் வடிவமைப்பு கணினி மற்றும் க்வாண்டம்-உத்வேகமான கட்டமைப்புகள் அளவீட்டில் செயல்திறனை அதிகரிக்க வாக்குறுதி அளிக்கின்றன.

தீர்வு

சீரமைக்கப்பட்ட ஆல்காரிதங்களை சிறப்பு சாதனங்களுடன் இணைத்து, வாகனத்தில் மானிடப்பட்ட இன்ஃப்ரரெட் கேமரா மாட்யூல்கள் குறைந்த சக்தி செலவுடன் நேரடி நடைபாதை கண்டறிதலை அடைய முடியும். ADAS மற்றும் தன்னாட்சி இயக்கம் வளர்ந்துவரும் போது, அனைத்து ஒளி நிலைகளிலும் பாதுகாப்பை உறுதி செய்ய சாதன வேகமூட்டுதல் முக்கியமாக இருக்கும், வாகனங்கள் நடைபாதையாளர்களை தடையின்றி பாதுகாக்கும் எதிர்காலத்திற்கு வழி வகுக்கிறது.