Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
© EnSilica Embedded | 30 MĂ€rz 2016

EnSilica stellt neuen Kalman-Filter-IP-Block vor

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

Kalman-Filter werden in sensorbasierten ADAS als Teil von RadarnachfĂŒhrern benutzt, um Positions- und Geschwindigkeitsmessungen der Radarsensoren zu glĂ€tten. Die Entwicklung des EnSilica Kalman-Filter IP folgt den Richtlinien fĂŒr die Integration von GerĂ€ten gemĂ€ĂŸ Standard ISO 26262: Funktionale Sicherheit fĂŒr Straßenfahrzeuge. Es unterstĂŒtzt 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, kostengĂŒnstig die fĂŒr das Kalman-Filter erforderlichen CPU-intensiven Matrixoperationen von der CPU auf die Hardware zu ĂŒbertragen .Es benutzt Entfernungs- Geschwindigkeits- und Richtungsmessungen, um die Position des Ziels im nĂ€chsten Zeitintervall vorherzusagen. Es kombiniert die Radarmessung mit einem dynamischen Bewegungsmodell mit forward prediction, um die Positions- und GeschwindigkeitsschĂ€tzung zu verbessern, indem false-alarm Messungen verworfen werden. Der Kalman-Filter-IP–Block stellt auch einen generischen Algorithmus zur VerfĂŒgung, um Messungen von verschiedenen Sensoren in eine einzige Zielrichtung vereinen zu können.

FĂŒr ein typisches automotives Radarsystem kann das EnSilicas Kalman-.Filter den nĂ€chsten Zustand in etwa 10”s bestimmen. Dies erlaubt es, jederzeit eine hohe Anzahl von Zielen gleichzeitig zu verfolgen, weil die typische Rechenzeit sehr klein gegenĂŒber dem Radar-Meßzyklus von typischerweise einigen Millisekunden ist. Das Filter fĂŒhrt 5 Rechenschritte durch: Setzen der Anfangswerte, Vorhersage der Zustands- und Fehler-Kovarianzen, Berechnung des Kalman-Gewinns, DurchfĂŒhrung der SchĂ€tzung und Berechnung der Fehler-Kovarianz. Alle Berechnungen werden in Gleitkomma-Arithmetik ausgefĂŒhrt, um numerische StabilitĂ€t zu gewĂ€hrleisten und um identische Ergebnisse gegenĂŒber einer Softwarelösung zu erreichen. Zum Speichern der Matritzen werden abhĂ€ngig von deren GrĂ¶ĂŸe typischerweise 8Kbit RAM-Blöcke benutzt.

„Kalman-Filter-NachfĂŒhrung ist sowohl fĂŒr radarbasierte fortgeschrittene Fahrerassistenzsysteme als auch fĂŒr Drohnen, UAV und UGV, die schnell und situationsbewußt auf unterschiedliche Sensoren reagieren mĂŒssen 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 ĂŒbernimmt, bietet eine kosteneffektive Lösung fĂŒr ASIC oder FPGA-Anwendungen und erhöht die Systemleistung durch Entlastung der CPU.“
Anzeige
Anzeige
Weitere Nachrichten
2018.12.05 15:01 V11.10.4-2