KeepTruckin的新型dashcam基于Ambarella的CV22芯片系统,使用AI监控卡车和其他商用车辆的驾驶员。

驾驶员监控系统已成为汽车安全对话的重要组成部分。虽然大多数关于驾驶员监控的讨论都围绕着它对乘用车中的个人的使用,但商用车行业中有一个巨大的市场,用于监控卡车中的驾驶员,以确保安全并防止事故发生,同时使车队管理人员能够评估风险并降低保险成本。

为服务于这一市场,车队管理技术公司KeepTruckin本周表示,它与边缘人工智能(AI)芯片上视觉系统(SoC)公司Ambarella合作,为大型商用车开发新的售后dashcam。新的dashcam使用单个Ambarella CV22 SoC同时为其双摄像头系统提供AI和图像处理,该双摄像头系统集成了一个摄像头用于前高级驾驶员辅助系统(ADAS)和一个RGB-IR摄像头,用于驾驶员监控系统(DMS)和驾驶员记录。

CV22的每瓦性能规格还使小型AI dashcam能够运行KeepTruckin的专有AI算法,以实现实时高风险行为检测和直接在设备上发出主动警告,同时散热最少。

EE Times采访了KeepTruckin和Ambarella的高管,以了解更多有关产品开发的信息。KeepTruckin产品高级副总裁Jai Ranganathan表示, “驾驶员安全变得比以往任何时候都重要,尤其是在针对商业运营商的诉讼越来越多的情况下。因此,行车记录仪的概念变得非常流行。我们与Ambarella合作开发了下一代行车记录仪。在研究他们的芯片时,我们的一个关键指标是每瓦特的推断;相对于成本的性能也很重要用单个镜头进行检测,这可能很困难。”

他说,从开始到今天推出dashcam,整个过程大约需要18个月。“对我们来说,(在实现快速上市的过程中)最大的因素是有一个合作伙伴可以帮助整个开发过程。否则,快速上市是不可行的。”

KeepTruckin的产品总监Abhishek Gupta补充道,“开发人员的支持非常有益,特别是因为我们在大流行期间建造了这个系统,当时很多人都在远程工作。”

Ranganathan表示,KeepTruckin的AI dashcam利用Ambarella的边缘AI和视觉处理性能,提供基于AI的高级功能,以高精度和高效率检测高风险行为。“Ambarella可扩展的CVflow AI视觉SoC系列为我们持续的车队管理创新提供了支持,这些SoC都由一个通用、强大的SDK支持,为我们的产品开发提供了平台方法。”

汽车业务副总裁兼Strategy Analytics主管Ian Riches提供了分析师的观点,“KeepTruckin为其新的AI Dashcam选择了Ambarella SoC,为其提供了一个强大、经济高效的平台。Ambarella的生态系统为其提供开发量身定制的AI解决方案所需的工具,这些解决方案将对其车队客户有利。”

CV22启用的前端ADAS功能包括近距离跟车、车道偏离、前向碰撞、超速和交通违法警告。使用同一个SoC,同时运行多个神经网络模型,车内摄像头的DMS功能包括监控驾驶员疲劳、分心和违反政策的情况,如使用手机或安全带的情况,以及来自前摄像头的数据。

AI Dashcam连接到KeepTruckin车辆网关,该网关将预先分析的数据、视频和静止图像实时上传到KeepTruckin基于云的车队管理软件。CV22 SoC集成了Ambarella的图像信号处理器,该处理器在所有照明条件下提供高质量、1440p分辨率的HDR视频,同时利用其片上H.264/H.265编码降低传输带宽和存储成本。

KeepTruckin可以通过无线软件更新将附加功能随时间上传到CV22,为投资该平台的客户带来增值。此外,KeepTruckin的模型培训越来越精确,因为其内部安全团队实时评估质量,增加了额外的风险背景,并提供了使模型培训和开发周期更短的输入。

Ambarella市场总监乌迪特·布希亚(Udit Budhia)表示,“对于售后市场而言,这可能是最先进的汽车AI视觉产品。我们看到ADAS预警系统(如车道偏离预警)的快速增长。”谈到CV22 SoC在该应用中的优势,他补充道,“一个关键组件是图像信号处理器(ISP)。我们支持各种传感器类型,包括RGGB、RGB-IR、单色、RCCB和RCCC,并支持HDR处理。我们可以检测场景中的对象,还具有低光过滤,从而减少噪声,从而更有效地处理视频。我们使用更少的带宽和明显更少的DRAM。”

关于工具,Budhia表示,“我们的工具允许同时开发前置摄像头和驾驶员监控摄像头。”,这提高了并行运行更多模型的可靠性和效率,从而提高了周围的检测和可见性。它的一整套CV工具帮助KeepTruckin等客户移植自己的神经网络,包括对PyTorch、ONNX、Caffe和TensorFlow等行业标准机器学习框架的支持。

>>这篇文章最初发表在我们的姐妹网站上,EE时间.