logo

请下载表单,填写基本信息,并发送邮件至app@huaticn.com 我们会尽快与您取得联系

公司新闻

华体科技与赛灵思联合发布的智慧城市白皮书都讲了些啥?

   近日,华体科技与赛灵思联合发布了题为《加速智慧城市应用》的白皮书,这个白皮书都讲了些啥?

001
白皮书英文截图


下面小编为你详细披露白皮书的中文全文内容:

介绍

   华体科技是中国智慧路灯等智慧城市应用系统的领军企业之一。

   据EEWorld.com.cn报道,根据中国产业研究中心的分析,预计2017年中国智慧城市市场规模达到6万亿元,未来5年(2017-2021年)年均复合增长率约为32.64%。作为智慧城市的关键组成部分,全球智慧路灯市场的规模也很有前景。据产业研究所称,到2020年,全球智慧路灯市场将超过60亿美元,由于城市化和智慧城市的发展,到2020年,中国市场有望超过100亿元人民币。

   RSU(路侧单元)是智慧路灯系统中的关键设备之一,它使新兴的智能路边停车和V2X应用成为可能。现代城市和人工智能算法的复杂性和不断进化的本质,使得基于人工智能的智慧城市设备必须具有足够的计算能力、低延迟、可升级性和低成本。

   华体科技的云眼路侧单元旨在满足所有这些目标,这得益于赛灵思业界领先的FPGA平台在成本、性能和灵活性方面的出色平衡。

   与智慧路灯基础设施一起,智慧城市设备的部署速度空前的快,效率空前的高,成本空前的低。

关键优势

与同类嵌入式GPU解决方案相比,基于FPGA的路侧单元解决方案具有以下优点:

企业微信截图_15874335542163_副本

解决方案概述:

   路边智慧停车系统是一种前沿的基于计算机视觉的解决方案。该系统采用先进的人工智能算法,智能识别完整的停车轨迹,综合识别输出率99%。与电子支付系统相结合,完美实现无泊车员和无意识支付体验的目标。

002
   
该系统还集成了自动驾驶和驾驶员辅助系统,提供V2X功能,如自动代客泊车(AVP)、交通避免、交通数据收集和分析等。

   智慧路灯是最近几年才推出的作为智慧城市的新入口解决方案。

   越来越多的智慧城市设备,如4G/5G基站,路侧单元智慧停车和V2X应用、电动汽车充电站、数字广告牌、监控摄像头、环境监控等已被纳入智慧路灯之中。

   施工期间,光纤高度通讯速度快,功率大供应基础设施也已到位与智慧路灯网一起获得为未来的智慧城市解决方案做好准备。

003
云眼路侧单元:

   华体科技路侧单元、云眼 (CloudEye)是智慧路灯基础设施的神经元。

   边缘服务器提供了计算机视觉和深度学习引擎等应用智慧路边停车,智慧城市对象识别,识别和数据的过程。

004
   它还与配备自动驾驶和驾驶员辅助系统的车辆通信,提供信息支持V2X功能,如AVP、交通避免和交通数据收集和分析等。

HT-AIoT模块:

   云眼路侧单元是由赛灵思 Kintex-7 FPGA为基础的AIoT模块。该AIoT核心解决方案具有深度定制的人工智能网络,是计算机视觉应用的高计算能力、低功耗和低延迟的完美结合。

005
主要特点:

1、AI芯片硬件算法加速,多重深学习网络任务并行处理,自动化机器学习机制。

2、超高的平均目标识别精度(mAP)和识别率。

3、支持同时处理多达8个高清摄像机视频流。

4、核心板频率高达2.0GHz,配备具有PCIe Gen2、RJ45、USB3.0等高灵敏度速度的接口。

5、4G DDR3提供了巨大的存储空间。

未来的工作

   下一代云眼路侧单元将基于赛灵思 ZU+ EV平台,集成四路Cortex-    A53 CPU, 4K@60fps H.264/H。265 VCU和丰富的可编程逻辑资源在单片机SoC中,大大提高了系统性能,降低了PCB的面积和BOM的成本。

   时间AI分析提取必要的元数据使用赛灵思DPU在可编程逻辑。此外,预处理和后处理,包括颜色空间转换、缩放、Softmax等可以加快与可编程逻辑,使端到端的应用程序加速。

   通过赛灵思Vitis AI,可以将车牌识别、车辆识别、行人检测、交通流监测等多个重型AI任务部署在DPU内置硬件平台上。

006
    Vitis AI的堆栈如图所示。多通道多任务AI应用程序可以在多个cpu上高效运行,底层AI运行库支持多线程和基于qos的任务调度。应用程序开发支持高级c++和Python API以及Gstreamer。

007







更多关于华体科技的信息,请访问:http://www.huaticn.com/

更多关于ZU+ EV的信息,请访问:https://www.xilinx.com/products/devices/soc/zynq-ultrascale-psoc.html

更多关于Vitis AI的信息,请访问:https://github.com/Xilinx/Vitis-AI