La guida autonoma (AD) e i sistemi avanzati di assistenza alla guida (ADAS) si basano sul rilevamento preciso dell'ambiente circostante il veicolo per navigare in sicurezza. I produttori di tutto il mondo si sono affidati a sensori e algoritmi avanzati per migliorare la percezione e raggiungere livelli di sicurezza senza precedenti.
Teraki ha presentato l'ultimo software di rilevamento radar che identifica con precisione oggetti statici e in movimento con una maggiore accuratezza e una minore potenza di calcolo. La soluzione per il traffico reale funziona su microcontrollori AURIX TC4x conformi allo standard ASIL-D di Infineon.
"Le prestazioni dei sistemi radar per autoveicoli sono aumentate drasticamente nel corso delle ultime generazioni di prodotti", ha dichiarato Marco Cassol, direttore del marketing di prodotto per i microcontrollori automobilistici Infineon. "L'elaborazione dell'intelligenza artificiale è una delle tante innovazioni che ci hanno aiutato a incrementare le prestazioni dei radar. Gli esclusivi algoritmi radar di Teraki sono ora implementati nella nuova unità di elaborazione parallela (PPU) di Infineon per mostrare le prestazioni radar di nuova generazione dei dispositivi AURIX TC4x di Infineon".
"Abbiamo perfezionato il nostro algoritmo per ottenere di più con meno", ha dichiarato Daniel Richart, Ceo di Teraki. "Con la minima quantità di dati, le nostre soluzioni rilevano e classificano correttamente oggetti statici e in movimento con segnali radar, fornendo alle applicazioni AD e ADAS le informazioni essenziali per la consapevolezza della situazione e il processo decisionale. In definitiva, il nostro obiettivo è quello di garantire la sicurezza, a livello edge, riducendo i tempi di inferenza e la potenza di elaborazione richiesta dai dispositivi limitati".
Mentre il radar diventa lo standard industriale per l'elaborazione del segnale a costi contenuti, il superamento dei limiti di questa tecnologia di sensori diventa una priorità. Ad esempio, le interferenze possono ridurre notevolmente le prestazioni di rilevamento del radar, portando a rilevamenti non validi in situazioni difficili multi-target, il che comporta anche elevati requisiti di elaborazione. Inoltre, la precisione richiesta per classificazioni radar affidabili richiede un maggior numero di punti dati per fotogramma e una risoluzione angolare inferiore a 1 grado, se si vogliono rilevare e classificare correttamente oggetti statici e in movimento.
L'approccio machine learning (ML) di Teraki intende risolvere questa sfida lavorando con i dati grezzi e riducendo il rumore, mentre agisce come funzione cognitiva per sezionare le informazioni dal radar, identificare i target in un ambiente rumoroso, insieme a cluster e altre interferenze, e diminuire la capacità di elaborazione a livello edge. Il rilevamento ML di Teraki fornisce un maggior numero di punti per oggetto, riducendo i falsi positivi e aumentando così la sicurezza, soprattutto se confrontato con altre tecniche di elaborazione radar, come il CFAR.
Portato su AURIX TC4x di Infineon, l'algoritmo basato su ML di Teraki riduce i segnali radar dopo la prima trasformazione rapida di Fourier (FFT), ottenendo tassi di errore fino a 25 volte inferiori di oggetti mancanti a parità di RAM/fps. Rispetto al CFAR, la classificazione è fino al 20% più precisa e i rilevamenti validi aumentano del 15%. Con questa versione, Teraki migliora l'architettura del chipset dei dispositivi edge, garantendo prestazioni di elaborazione in tempo reale su AURIX TC4x, che alleggerisce i requisiti di calcolo consumando bitrate a 4 o 5 bit invece che a 8 o 32 bit senza compromettere i punteggi F1. Ciò comporta una riduzione della memoria fino a due volte.
 per applicazioni ADAS e guida autonoma.){kind=link}