Dai chip per le GoPro a quelli per veicoli autonomi la strada passa per Parma
Al CES 2018 Ambarella ha presentato il chip a basso costo e basso consumo CV1: un’architettura sviluppata per potenziare la vista delle telecamere delle auto
Qual è il settore in cui la risoluzione ed i dettagli delle immagini migliorano in modo sorprendente anno dopo anno ed i costi tendono a diminuire?
Se siete appassionati di mountain bike o vi dedicate alle immersioni in estate, probabilmente avrete già risposto: le action camera. In effetti telecamere come GoPro e concorrenti hanno diversi aspetti in comune con quelle che sempre più importanti stanno diventando nel settore auto.
Al Computer Electronics Show 2018 che sta per andare in archivio, l’americana Ambarella ha presentato un nuovo processore basato su una architettura alternativa alle più diffuse e potenti CPU e GPU e sviluppata pensando ad impieghi intensivi di computer vision: il chip CV1.
Forse non è un marchio familiare come Intel o Nvidia, ma si tratta dell’azienda che coi suoi processori SoC (system-on-chip) per l’elaborazione delle immagini è stata un pilastro del successo delle GoPro. Adesso punta ad aumentare i ricavi legati al settore automotive che recentemente contavano per circa il 15%. Perché non è certo tirato per i capelli dire che computer vision e sistemi per la guida autonoma sono fatti l’uno per l’altra.
L’architettura CVflow sviluppata da Ambarella ha i propri punti di forza nell’elaborazione delle immagini. Nel mondo della guida autonoma c’è oggi in corso una competizione tra chi vuole i dati dei sensori in forma grezza per farli elaborare e fondere da un cervello centrale (che in molti casi è una GPU Nvidia) e chi invece ritiene preferibile indirizzare verso lo stadio di sintesi centrale dei dati già “lavati e stirati”.
Quello della classificazione dei dati (pedone, ciclista, albero, segnale stradale ecc.) a livello di sensori periferici è un compito che il chip CV1 sarà in grado di effettuare grazie ad algoritmi di deep learning che non hanno per questo bisogno di interfacciarsi né con server sul cloud né con una GPU centrale sul veicolo.
Lo sviluppo di questi chip ha beneficiato in particolare dell’esperienza del VisLab creato a Parma dal professor Alberto Broggi, rilevato proprio da Ambarella un paio di anni fa e che è diventato la punta di diamante del gruppo americano nel proporre soluzioni adatte alle case auto.
VisLab si sta quindi rivelando una acquisizione fatta al momento giusto per aggiungere valore alle tecnologie di computer vision applicate all’auto proprio nel momento in cui questo mercato sembra sul punto di decollare.
Con Ambarella che ha da offrire prodotti per sistemi ADAS (frenata di emergenza eccetera), specchietti digitali, visione a 360° intorno all’auto o sistemi head-up display.
A Las Vegas ha portato due telecamere, una monoculare destinata a rilevare immagini a corto raggio ma già in grado di effettuare classificazioni dei dati, e la nuova SuperCam che copre fino a 150 metri. Questa telecamera stereo a lungo raggio è in grado di fornire a sistemi centrali l’equivalente di una nuvola di punti che disegnano i LiDAR (i sensori laser), dati che gli sviluppatori delle case auto potranno riversare in software come Caffe o TensoFlow per mettere a punto reti neurali in grado di gestirli nel modo voluto.
La telecamera stereo Ambarella può passare circa la metà dei punti di un LiDAR, ma lavora anche in condizioni di scarsa visibilità. Il nuovo chip CV1 sembra avere buone prospettive commerciali proprio per la capacità di fornire ottime performance per quanto riguarda risoluzione e calibrazione abbinate ad un basso consumo: marcia a 4 watt.
Un fattore importante per gli ingegneri delle case automobilistiche che devono conciliare le necessità degli impianti elettrici delle auto dei prossimi lustri. E un fattore altrettanto interessante è il costo: il prezzo sarà sotto i $50.
Così, come ha sottolineato il professor Broggi in una intervista ad EETimes, anche le telecamere si propongono come alternativa non solo ai costosi LiDAR, ma anche alle impegnative GPU, dato che la classificazione sempre più spesso sembra diventare un compito che si può delegare a chip specializzati ed a basso costo come il CV1.
