[論文レビュー] Embedded Platforms for Computer Vision-based Advanced Driver Assistance Systems: a Survey

Gorka Vélez, Oihana Otaegui|arXiv (Cornell University)|Apr 28, 2015

Autonomous Vehicle Technology and Safety参考文献 19被引用数 5

ひとこと要約

本調査は、コンピュータビジョンに基づく先進運転支援システム（ADAS）向けの埋め込みプラットフォームをレビューし、設計上のトレードオフと実装上の課題を分析している。GPU、FPGA、専用アクセラレータなどの多様なハードウェアソリューションを評価し、自動車環境におけるリアルタイムビジョンワークロードへの適正性について批判的な評価を提供している。

ABSTRACT

Computer Vision, either alone or combined with other technologies such as radar or Lidar, is one of the key technologies used in Advanced Driver Assistance Systems (ADAS). Its role understanding and analysing the driving scene is of great importance as it can be noted by the number of ADAS applications that use this technology. However, porting a vision algorithm to an embedded automotive system is still very challenging, as there must be a trade-off between several design requisites. Furthermore, there is not a standard implementation platform, so different alternatives have been proposed by both the scientific community and the industry. This paper aims to review the requisites and the different embedded implementation platforms that can be used for Computer Vision-based ADAS, with a critical analysis and an outlook to future trends.

研究の動機と目的

• 埋め込み自動車システムにコンピュータビジョンアルゴリズムを実装するための主要な設計要件を特定および分析すること。
• ADAS向けに利用可能な埋め込みプラットフォーム（一般用途および専用ハードウェアを含む）の範囲を評価すること。
• ビジョンベースのADASワークロードにおけるプラットフォームの能力、パフォーマンス、エネルギー効率の面で、批判的な比較を提供すること。
• 現在の実装アプローチにおけるギャップと課題を特定し、今後の研究の方向性を示唆すること。

提案手法

• ハードウェア・ソフトウェア共同設計のトレードオフに焦点を当てた、コンピュータビジョンベースのADASで使用される埋め込みプラットフォームに関する体系的レビュー。
• 一般用途（例：CPU、GPU）とドメイン特化型（例：FPGA、ASIC、DSP）ソリューションに分類してプラットフォームを分類すること。
• 異なるプラットフォーム間での遅延、スループット、消費電力といったパフォーマンス指標の分析。
• ビジョンアルゴリズムを埋め込みシステムに移植するためのプログラミングモデルおよびツールチェーンの評価。
• 産業界および学術界の事例研究および実世界の実装の統合。
• 自動車アプリケーションにおけるリアルタイムビジョン処理のトレンドと課題の要約。

実験結果

リサーチクエスチョン

• RQ1 埋め込み自動車プラットフォームにコンピュータビジョンアルゴリズムを実装する際の主な設計制約は何ですか？
• RQ2 GPU、FPGA、ASICなどの異なる埋め込みプラットフォームは、ADASワークロードにおけるパフォーマンス、電力効率、柔軟性の観点でどのように比較されますか？
• RQ3 リソース制限のある埋め込みシステムに複雑なビジョンアルゴリズムをマッピングする際の主な課題は何ですか？
• RQ4 現在のハードウェアプラットフォームは、ADASアプリケーションのリアルタイム処理要件をどのようにサポートしていますか？
• RQ5 ビジョンベースのADAS向け埋め込みプラットフォームにおける新たなトレンドと今後の方向性は何ですか？

主な発見

• すべてのADASビジョンワークロードに最適な単一の埋め込みプラットフォームは存在せず、パフォーマンス、電力、柔軟性のトレードオフは用途によって異なる。
• GPUはビジョンアルゴリズムに強い並列処理を提供するが、自動車環境では電力と熱制約に直面する。
• FPGAは高いカスタマイズ性と低遅延を提供するが、開発と最適化に多大な専門知識を要する。
• 専用アクセラレータ（例：ASIC）は最高のパフォーマンスと効率性を実現するが、柔軟性に欠け、開発コストが高くなる。
• CPU + GPU + FPGA などの複数のプロセッシングユニットを組み合わせたハイブリッドアーキテクチャは、パフォーマンスと適応性のバランスに有望である。
• 標準化された開発スタックおよびツールチェーンの欠如が、業界全体における広範な採用の主な障壁のままである。