Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
© EnSilica Embedded | 30 März 2016

EnSilica stellt neuen Kalman-Filter-IP-Block vor

EnSilica, ein Anbieter von Lösungen für den Halbleiter- und IP-Bereich, hat einen Kalman-Filter IP-Block für den Gebrauch in situationsbewußten Radarsensoren in „Advanced Driver Assistance“-Systemen (ADAS) vorgestellt.
Das ist eine Produktankündigung von EnSilica. Allein der Emittent ist für den Inhalt verantwortlich.
ADAS beinhalten elektronische Stabilitätskontrolle, Kollisionsvermeidung und -verminderung, Toter Winkel-Erkennung, Fahrspurkontrolle und eigenständiges Parken. Der Kalman-Filter IP-Block, Teil der EnSilica automotive IP-Produktpalette, ist geschätzt bis zu 10 mal so schnell wie eine reine Softwarelösung.

Kalman-Filter werden in sensorbasierten ADAS als Teil von Radarnachführern benutzt, um Positions- und Geschwindigkeitsmessungen der Radarsensoren zu glätten. Die Entwicklung des EnSilica Kalman-Filter IP folgt den Richtlinien für die Integration von Geräten gemäß Standard ISO 26262: Funktionale Sicherheit für Straßenfahrzeuge. Es unterstützt sowohl klassische Kalman-Filter (KF) als auch erweiterte Kalman-Filter (EKF); die letzteren werden eingesetzt, wenn der Zusammenhang zwischen dem Zielzustand des Filters und der Radarmessung nicht linear ist.

Die kompakte, kleine Architektur des EnSilicas Kalman-Filters erlaubt es, kostengünstig die für das Kalman-Filter erforderlichen CPU-intensiven Matrixoperationen von der CPU auf die Hardware zu übertragen .Es benutzt Entfernungs- Geschwindigkeits- und Richtungsmessungen, um die Position des Ziels im nächsten Zeitintervall vorherzusagen. Es kombiniert die Radarmessung mit einem dynamischen Bewegungsmodell mit forward prediction, um die Positions- und Geschwindigkeitsschätzung zu verbessern, indem false-alarm Messungen verworfen werden. Der Kalman-Filter-IP–Block stellt auch einen generischen Algorithmus zur Verfügung, um Messungen von verschiedenen Sensoren in eine einzige Zielrichtung vereinen zu können.

Für ein typisches automotives Radarsystem kann das EnSilicas Kalman-.Filter den nächsten Zustand in etwa 10µs bestimmen. Dies erlaubt es, jederzeit eine hohe Anzahl von Zielen gleichzeitig zu verfolgen, weil die typische Rechenzeit sehr klein gegenüber dem Radar-Meßzyklus von typischerweise einigen Millisekunden ist. Das Filter führt 5 Rechenschritte durch: Setzen der Anfangswerte, Vorhersage der Zustands- und Fehler-Kovarianzen, Berechnung des Kalman-Gewinns, Durchführung der Schätzung und Berechnung der Fehler-Kovarianz. Alle Berechnungen werden in Gleitkomma-Arithmetik ausgeführt, um numerische Stabilität zu gewährleisten und um identische Ergebnisse gegenüber einer Softwarelösung zu erreichen. Zum Speichern der Matritzen werden abhängig von deren Größe typischerweise 8Kbit RAM-Blöcke benutzt.

„Kalman-Filter-Nachführung ist sowohl für radarbasierte fortgeschrittene Fahrerassistenzsysteme als auch für Drohnen, UAV und UGV, die schnell und situationsbewußt auf unterschiedliche Sensoren reagieren müssen essentiell“, sagt Ian Lankshear, CEO von EnSilica. „Die Integration des EnSilica Kalman-Filters in die Frontend DSP-Einheit, die die CPU-intensiven Aufgaben des Kalman-Filters übernimmt, bietet eine kosteneffektive Lösung für ASIC oder FPGA-Anwendungen und erhöht die Systemleistung durch Entlastung der CPU.“

Kommentare

Kritische Kommentare sind erlaubt und auch erwünscht. Diskussionen sind willkommen. Beschimpfungen, Beleidigungen und rassistische / homophobe und verletzende Äusserungen sind nicht erlaubt und werden entfernt.
Weiterführende Erläuterungen finden Sie hier.
Anzeige
Anzeige
Weitere Nachrichten
2018.05.11 10:46 V9.5.4-1