作者:David Katz, Tomasz Lukasiak, and Rick Gentile
數(shù)十個處理器控制著當今汽車的每一個性能方面,沒有一個“車輛體驗”功能不受技術(shù)的影響。無論是氣候控制、發(fā)動機控制還是娛樂,在過去十年中,制造商產(chǎn)品的功能都在不斷發(fā)展。這種演變背后的力量之一,即信號處理器性能成本比的快速增長,即將對另一個關(guān)鍵的汽車組件——安全子系統(tǒng)產(chǎn)生深遠的影響。
雖然目前大多數(shù)可用的安全功能都利用各種傳感器(主要涉及微波、紅外光、激光、加速度計或位置檢測),但直到最近才引入了能夠滿足實時計算要求的處理器,使視頻圖像處理能夠為安全技術(shù)做出重大貢獻。ADI公司的Blackfin媒體處理器系列具有高處理速度、多功能數(shù)據(jù)移動功能和視頻專用接口,為這個不斷增長的市場提供了極具吸引力的解決方案。本文將討論Blackfin處理器在新興的基于視頻的汽車安全領(lǐng)域可以發(fā)揮的作用。
汽車安全系統(tǒng)中的視頻
在許多方面,使用高性能媒體處理器的基于視頻的系統(tǒng)可以大大提高汽車安全性。然而,由于較短的響應時間對于挽救生命至關(guān)重要,因此必須實時確定地進行圖像處理和視頻過濾。有一種自然的趨勢,即使用處理器可以為給定應用程序處理的最高視頻幀速率和分辨率,因為這為決策提供了最佳數(shù)據(jù)。此外,處理器需要將車速和相對車-物體距離與所需條件進行比較,同樣是實時的。此外,處理器必須與許多車輛子系統(tǒng)(如發(fā)動機、制動、轉(zhuǎn)向和安全氣囊控制器)交互,處理來自所有這些系統(tǒng)的傳感器信息,并向駕駛員提供適當?shù)囊暵犦敵?。最后,處理器應該能夠連接到導航和電信系統(tǒng),以響應和記錄故障、事故和其他問題。
圖1顯示了汽車安全系統(tǒng)的基本視頻操作元件,表明了圖像傳感器可能在整個車輛中的放置位置,以及如何將車道偏離系統(tǒng)集成到底盤中。有幾件事值得注意。首先,多個傳感器可以由不同的汽車安全功能共享。例如,后置傳感器可以在車輛倒車時使用,也可以在車輛前進時跟蹤車道。此外,車道偏離系統(tǒng)可以接受來自多個攝像機源中的任何一個的饋送,為給定情況選擇適當?shù)妮斎搿T诨鞠到y(tǒng)中,視頻流將其數(shù)據(jù)饋送到嵌入式處理器。在更高級的系統(tǒng)中,處理器接收其他傳感器信息,例如來自GPS接收器的位置數(shù)據(jù)。
圖1.用于汽車安全應用的基本攝像頭放置區(qū)域。
智能安全氣囊
媒體處理器在汽車安全中的新興用途是“智能安全氣囊系統(tǒng)”,該系統(tǒng)根據(jù)誰坐在受安全氣囊影響的座椅上來決定部署。目前,基于重量的系統(tǒng)使用最廣泛,但視頻傳感將在五年內(nèi)普及??梢允褂脽岢上駭z像機或常規(guī)攝像機,速率高達每秒 200 幀,并且可能使用多個攝像機來提供每個乘員的立體圖像。目標是表征乘員的位置和姿勢,而不僅僅是他們的體型。如果發(fā)生碰撞,系統(tǒng)必須選擇是完全限制部署、以較低的力量部署還是完全部署。在幫助確定身體位置時,圖像處理算法必須能夠區(qū)分人的頭部和其他身體部位。
在這個系統(tǒng)中,媒體處理器必須以高幀速率采集多個圖像流,處理圖像以分析在所有類型的照明條件下每個乘員的大小和位置,并持續(xù)監(jiān)控位于整個汽車中的所有碰撞傳感器,以便在幾毫秒內(nèi)做出最佳的部署決策。
防撞和自適應巡航控制
另一個備受矚目的安全應用是自適應巡航控制(ACC),這是防撞系統(tǒng)的一個子集。ACC是一種便利功能,可控制發(fā)動機和制動系統(tǒng),以調(diào)節(jié)汽車的速度及其與前方車輛的距離。采用的傳感器涉及微波、雷達、紅外和視頻技術(shù)的組合。媒體處理器可能會從安裝在汽車后視鏡附近的攝像頭實時處理每秒 17 到 30 幀(聚焦在道路上)。圖像處理算法可能包括針對不同照明場景的幀到幀圖像比較、對象識別和對比度均衡。視頻傳感器輸入的目標是提供有關(guān)車道邊界和道路曲率的信息,并對障礙物進行分類,包括汽車前方的車輛。
ACC系統(tǒng)作為便利功能進行推廣,而真正的防撞系統(tǒng)則通過協(xié)調(diào)汽車的制動、轉(zhuǎn)向和發(fā)動機控制器來積極避免事故。因此,由于任務的復雜性、關(guān)鍵的可靠性考慮以及法律和社會后果,它們的發(fā)展速度較慢。據(jù)估計,到2010年,這些系統(tǒng)的部署可能順利進行。鑒于典型的5年汽車設(shè)計周期,此類系統(tǒng)設(shè)計已經(jīng)在進行中。
碰撞警告系統(tǒng),如 ACC,是避免碰撞類別的一個子集。這些提供了可能即將發(fā)生的事故的警告,但它們不會主動避免它。這個利基市場有兩個主要的子類別:
盲點監(jiān)視器 - 攝像頭戰(zhàn)略性地安裝在車輛外圍,以提供駕駛員盲點的視覺顯示,并在處理器檢測到盲點區(qū)域中存在另一輛車時發(fā)出警告。在倒檔時,這些系統(tǒng)還可以用作倒車警告,警告駕駛員汽車后部的障礙物。顯示屏可以與后視鏡集成,提供汽車周圍環(huán)境的完整、無障礙視圖。此外,該系統(tǒng)可能包括車廂內(nèi)“盲點”的視頻,例如,允許駕駛員監(jiān)控后向嬰兒。
車道偏離監(jiān)視器 - 這些系統(tǒng)可以通知駕駛員是否改變車道不安全,或者他們是否偏離車道或偏離道路,從而有助于檢測駕駛員疲勞。前置攝像頭監(jiān)控汽車相對于道路中心線和側(cè)標記的位置,最遠可達汽車前方 50 至 75 英尺。如果汽車無意中開始離開車道,系統(tǒng)會發(fā)出警報。
車道偏離 - 系統(tǒng)示例
除了媒體處理器在基于視頻的汽車安全應用中可以發(fā)揮的作用外,分析此類應用的典型組件也具有指導意義。為此,讓我們進一步探討一個可以使用Blackfin媒體處理器的車道偏離監(jiān)控系統(tǒng)。
考慮到所執(zhí)行信號處理功能的復雜性,圖2的整體系統(tǒng)圖相當簡單。有趣的是,在基于視頻的車道偏離系統(tǒng)中,大部分處理是基于圖像的,并且在信號處理器內(nèi)而不是通過模擬信號鏈進行。這大大節(jié)省了系統(tǒng)物料清單。對駕駛員的輸出包括警告,以在車輛無意中離開車道之前糾正汽車的預計路徑。它可能是可聽見的“隆隆聲”聲音、編程的提示音或語音消息。
嵌入式處理器的視頻輸入系統(tǒng)必須在惡劣的環(huán)境中可靠地運行,包括寬而劇烈的溫度變化和不斷變化的路況。當數(shù)據(jù)流進入處理器時,它會實時轉(zhuǎn)換為可以處理以輸出決策的形式。在最簡單的層面上,車道偏離系統(tǒng)根據(jù)道路上的車道標記查找車輛的位置。對于處理器來說,這意味著必須將傳入的道路影像流轉(zhuǎn)換為一系列描繪路面的線。
處理器可以通過查找邊緣來查找數(shù)據(jù)字段中的行。這些邊緣形成了駕駛員在前進時應保持車輛的邊界。處理器必須跟蹤這些行標記,并確定是否將異常情況通知驅(qū)動程序。
請記住,其他幾個汽車系統(tǒng)也會影響車道偏離系統(tǒng)。例如,使用制動系統(tǒng)和轉(zhuǎn)向信號燈通常會在有意變道和慢速轉(zhuǎn)彎時阻止車道偏離警告。
圖2.車道偏離算法的基本步驟以及處理器如何連接到外部世界。
現(xiàn)在讓我們更深入地了解車道偏離系統(tǒng)示例的基本組件。圖 3 遵循與圖 2 相同的基本操作流程,但更深入地了解正在執(zhí)行的算法。進入系統(tǒng)的視頻流需要經(jīng)過過濾和平滑處理,以減少溫度、運動和電磁干擾引起的噪聲。如果沒有這一步,就很難找到干凈的車道標記。
圖3.算法流程,顯示中間圖像處理步驟的結(jié)果。
下一個處理步驟涉及邊緣檢測;如果系統(tǒng)設(shè)置正確,找到的邊將代表車道標記。然后,這些線必須與車輛的方向和位置相匹配?;舴蜃儞Q將用于此步驟。它的輸出將跨圖像幀進行跟蹤,并將根據(jù)所有編譯的信息做出決定。最后一個挑戰(zhàn)是及時發(fā)出警告,而不會發(fā)出誤報。
圖像采集
Blackfin處理器的一個重要特性是其并行外設(shè)接口(PPI),旨在處理傳入和傳出的視頻流。PPI 無需外部邏輯即可連接到各種視頻轉(zhuǎn)換器。除了符合ITU-R 656標準的視頻編碼器和解碼器外,PPI還可以連接到CMOS相機芯片和LCD顯示器,這些芯片和LCD顯示器在汽車行業(yè)中很常見。由于PPI可以實時捕獲視頻,因此對于本文中討論的各種汽車安全應用至關(guān)重要。
在支持 ITU-R 656 的設(shè)備中,消隱數(shù)據(jù)和活動視頻數(shù)據(jù)之間的每個邊界都使用嵌入數(shù)據(jù)流中的 4 字節(jié)數(shù)據(jù)序列進行設(shè)置。PPI 自動解碼此序列,無需處理器干預,以收集傳入的活動視頻幀。使用這種嵌入式控制方案,物理連接只需八條數(shù)據(jù)線和一個時鐘。
PPI還連接到各種沒有嵌入式控制方案的圖像傳感器和數(shù)據(jù)轉(zhuǎn)換器。在這些情況下,PPI 最多提供三個幀同步來管理傳入或傳出數(shù)據(jù)。對于視頻流,這些幀同步用作物理水平同步、垂直同步和場線(HSYNC、VSYNC 和場)。
對于汽車安全應用,圖像分辨率通常從VGA(640×480像素/圖像)到QVGA(320×240像素/圖像)。無論實際圖像大小如何,傳輸?shù)臄?shù)據(jù)格式都保持不變,但當傳輸?shù)臄?shù)據(jù)較少時,可以使用較低的時鐘速度。此外,在最基本的車道偏離警告系統(tǒng)中,只需要灰度圖像。因此,數(shù)據(jù)帶寬減半(從 16 位/像素減半到 8 位/像素),因為色度信息可以忽略。
內(nèi)存和數(shù)據(jù)移動
高效使用內(nèi)存是系統(tǒng)設(shè)計人員的重要考慮因素,因為外部存儲器價格昂貴,而且其訪問時間可能具有高延遲。雖然Blackfin處理器具有片上SDRAM控制器,以支持經(jīng)濟高效地添加更大的片外存儲器,但明智地僅傳輸應用所需的視頻數(shù)據(jù)仍然很重要。通過智能解碼ITU-R 656前導碼,PPI可以幫助這種“數(shù)據(jù)過濾”操作。例如,在某些應用程序中,只需要活動視頻字段。換句話說,水平和垂直消隱數(shù)據(jù)可以忽略,不傳輸?shù)絻?nèi)存中,導致帶入系統(tǒng)的數(shù)據(jù)量減少多達 25%。更重要的是,這種較低的數(shù)據(jù)速率有助于節(jié)省內(nèi)部和外部數(shù)據(jù)總線上的帶寬。
由于視頻數(shù)據(jù)速率要求很高,因此必須在外部存儲器中設(shè)置幀緩沖器,如圖4所示。在此方案中,當處理器在一個緩沖區(qū)上運行時,PPI 通過 DMA 傳輸填充第二個緩沖區(qū)??梢栽O(shè)置一個簡單的信號量來保持幀之間的同步。使用Blackfin靈活的DMA控制器,幾乎可以在內(nèi)存填充過程中的任何點生成中斷,但通常配置為在每個視頻線或幀的末尾發(fā)生。
圖4.將外部存儲器用于幀緩沖器。
一旦完整的幀進入SDRAM,數(shù)據(jù)通常會傳輸?shù)絻?nèi)部L1數(shù)據(jù)存儲器中,以便內(nèi)核能夠以單周期延遲訪問它。為此,DMA 控制器可以使用二維傳輸來引入像素塊。圖 5 顯示了一個示例,說明如何通過 16D DMA 引擎將 16 × 1 個“宏塊”(許多壓縮算法中使用的結(jié)構(gòu))線性存儲在 L2 內(nèi)存中。
圖5.從 SDRAM 到 L2 內(nèi)存的 1D 到 1D DMA 傳輸。
為了有效地瀏覽源圖像,需要控制四個參數(shù):X 計數(shù)、Y 計數(shù)、X 修改和 Y 修改。X 和 Y 計數(shù)分別描述在“水平”和“垂直”方向上讀入/讀出的元素數(shù)量。水平和垂直是此應用程序中的抽象術(shù)語,因為圖像數(shù)據(jù)實際上是線性存儲在外部存儲器中。X 和 Y 修改值通過在傳輸必要的 X 計數(shù)或 Y 計數(shù)后指定要“跨步”遍歷數(shù)據(jù)的量來實現(xiàn)此抽象。
從性能的角度來看,最多可以有四個獨特的SDRAM內(nèi)部庫隨時處于活動狀態(tài)。這意味著,在視頻框架中,當 2D 到 1D DMA 從一個庫拉取數(shù)據(jù)而 PPI 饋送另一個庫時,不會觀察到額外的銀行激活延遲。
投影校正
用于車道偏離系統(tǒng)的攝像頭可以位于前擋風玻璃的中央頂部位置,面向前方,在后擋風玻璃中,面向已經(jīng)行駛的道路,或作為“鳥瞰”攝像頭,為即將到來的道路提供最廣闊的視角,因此可以代替多個視線攝像頭使用。在后一種情況下,由于廣角鏡頭,視圖會變形,因此在解析圖片內(nèi)容之前,必須將輸出圖像重新映射到線性視圖中。
圖像過濾
在進行任何類型的邊緣檢測之前,重要的是要過濾圖像以消除圖像捕獲過程中拾取的任何噪聲。這一點至關(guān)重要,因為引入邊緣檢測器的噪聲會導致檢測器輸出假邊沿。
顯然,圖像過濾器需要足夠快地運行以跟上輸入圖像的連續(xù)性。因此,必須優(yōu)化圖像過濾器內(nèi)核,以便在盡可能少的處理器周期內(nèi)執(zhí)行。一種有效的濾波方法是通過基本的二維卷積操作來實現(xiàn)。讓我們看看如何在Blackfin處理器上有效地執(zhí)行這種計算。
卷積是圖像處理中的基本操作之一。在二維卷積中,對給定像素執(zhí)行的計算是該像素鄰域像素的強度值的加權(quán)和。由于蒙版的鄰域以給定像素為中心,因此蒙版區(qū)域通常具有奇數(shù)維度。相對于圖像,蒙版尺寸通常較小;3 × 3 掩碼是一種常見的選擇,因為它在每個像素的基礎(chǔ)上計算是合理的,但足夠大以檢測圖像中的邊緣。
圖 3 顯示了 3 × 6 內(nèi)核的基本結(jié)構(gòu)。例如,圖像中第 20 行第 10 列的像素的卷積過程輸出為:
輸出(20,10) = A × (19,9) + B × (19,10) + C × (19,11) + D × (20,9) + E × (20,10) + F × (20,11) + G × (21,9) + H × (21,10) + I × (21,11)
圖6.3×3卷積核的基本結(jié)構(gòu)。
高級算法可以通過以下步驟進行描述:
將掩碼的中心放在輸入矩陣的元素上。
將遮罩鄰域中的每個像素乘以相應的濾鏡遮罩元素。
將每個乘法相加為一個結(jié)果。
將每個總和放在輸出矩陣中與掩碼中心相對應的位置
圖 7 顯示了一個輸入矩陣 F、一個 3 × 3 掩碼矩陣 H 和一個輸出矩陣 G。
圖7.輸入矩陣,F(xiàn);3×3掩模矩陣,H;和輸出矩陣 G。
計算每個輸出點后,掩碼將向右移動。在圖像邊緣,算法環(huán)繞到下一行中的第一個元素。例如,當掩碼以元素 F2M 為中心時,掩碼矩陣的 H23 元素乘以輸入矩陣的元素 F31。結(jié)果,輸出矩陣的可用部分沿圖像的每個邊緣減少一個元素。
通過正確對齊輸入數(shù)據(jù),Blackfin的兩個乘法累加(MAC)單元都可以在單個處理器周期中使用,一次處理兩個輸出點。在同一周期中,多個數(shù)據(jù)提取與 MAC 操作并行發(fā)生。該方法允許為每個循環(huán)迭代高效計算 2 個輸出點,或每像素 4.5 個周期,而不是圖 9 中的每像素 7 個周期。
邊緣檢測
廣泛使用各種各樣的邊緣檢測技術(shù)。在考慮如何檢測邊緣之前,算法必須首先確定邊緣實際是什么的合適定義,然后找到增強邊緣特征以提高檢測機會的方法。由于圖像傳感器不理想,因此必須解決兩個問題:噪聲和量化誤差的影響。
圖像中的噪點幾乎可以保證原始圖像中具有相同灰度級別的像素在噪點圖像中不會具有相同的級別。噪音會基于許多不容易控制的因素引入,例如環(huán)境溫度、車輛運動和外部天氣條件。圖像中的量化錯誤將導致邊緣邊界延伸到多個像素。這些因素共同作用使邊緣檢測復雜化。因此,選擇的任何圖像處理算法都必須將抗噪性作為主要目標。
一種流行的檢測方法使用一組常見的基于導數(shù)的運算符來幫助定位圖像中的邊緣。每個導數(shù)運算符都旨在查找強度發(fā)生變化的位置。在此方案中,可以通過包含理想邊屬性的較小圖像對邊進行建模。
我們將討論 Sobel 邊緣檢測器,因為它易于理解,并說明了擴展到更復雜的方案的原理。Sobel 檢測器使用兩個卷積核來計算水平和垂直邊緣的梯度。第一種設(shè)計用于檢測垂直對比度的變化(Sx).第二個檢測水平對比度的變化(Sy).
輸出矩陣為圖像中的每個像素保存“邊緣似然”幅度(基于水平和垂直卷積)。然后對該矩陣進行閾值設(shè)置,以利用大小較大的響應對應于圖像中的邊緣這一事實。因此,在霍夫變換階段的輸入處,圖像僅由“純白色”或“純黑色”像素組成,沒有中間漸變。
如果應用程序不需要真實幅度,則可以節(jié)省成本高昂的平方根運算。構(gòu)建閾值矩陣的其他常見方法包括對每個像素的梯度求和,或者簡單地取兩個梯度中最大的一個。
直線檢測—霍夫變換
Hough 變換是一種廣泛使用的方法,用于通過在參數(shù)化空間中定位圖像中的全局模式(如直線、圓形和橢圓)來查找它們。它在車道檢測中特別有用,因為基于公式1的極坐標表示,可以很容易地將線檢測為霍夫變換空間中的點:
![]() |
(1) |
這個方程的含義可以通過將垂直線從給定線延伸到原點來可視化,使得 θ 是垂直線與橫坐標形成的角度,θ 是垂直線的長度。因此,一對坐標(ρ,θ)可以完全描述這條線。圖 1a 中的 L2 和 L8 行演示了這一概念。圖8b顯示L1由θ1和垂直紅色的長度定義,而L2由θ2和藍色垂直線的長度。
圖 8a.邊緣檢測器的輸出是像這樣的二進制圖像,人類觀察者可以對其進行目視檢查以顯示線條?;舴蜃儞Q允許對這兩條線進行定位。
圖 8b.上圖中的兩條白線可以用從原點延伸的紅色和藍色垂直線段的長度和角度來描述。
圖 8c.圖 8a 中圖像的霍夫變換。θ 的范圍是 [0, 2π],ρ 的范圍是圖 8a 中輸入圖像對角線的一半。兩個明亮區(qū)域?qū)诰植孔畲笾?,可用于重建圖8a中的兩條線。
查看霍夫變換的另一種方法是考慮一種可以直觀地實現(xiàn)算法的方法:
僅訪問二進制圖像中的白色像素。
對于要考慮的每個像素和每個 θ 值,在像素上畫一條與原點成 θ 角的線。然后計算 ρ,即原點和所考慮的線之間的垂直長度。
在累積表中記錄此(ρ,θ)對。
對圖像中的每個白色像素重復步驟 1-3。
在累積表中搜索最常遇到的 (ρ, θ) 對。這些對描述了輸入圖像中最可能的“線”,因為為了記錄高累積值,必須有許多白色像素沿著(ρ,θ)對描述的線存在。
Hough 變換是計算密集型的,因為為輸入圖像中的每個像素計算了正弦曲線。但是,某些技術(shù)可以大大加快計算速度。
首先,一些計算項可以提前計算,以便可以通過查找表快速引用它們。在Blackfin的定點架構(gòu)中,僅存儲余弦函數(shù)的查找表非常有用。由于正弦值與余弦相位相差 90 度,因此可以使用具有偏移量的同一表。使用查找表時,公式(1)的計算可以表示為兩個定點乘法和一個加法。
另一個可以提高性能的因素是一組關(guān)于輸入圖像中車道標記的性質(zhì)和位置的假設(shè)。通過僅考慮那些可能成為車道標記的輸入點,可以避免大量不必要的計算,因為每個白色像素只需要考慮狹窄的θ值范圍。
霍夫變換的輸出是一組可能是車道標記的直線。這些線的某些參數(shù)可以通過簡單的幾何方程計算。可用于進一步分析的參數(shù)包括與相機中心軸的偏移、檢測到的線的寬度以及相對于相機位置的角度。由于許多高速公路系統(tǒng)中的車道標記是標準化的,因此一組規(guī)則可以從車道標記候選列表中刪除某些線。然后可以使用一組可能的車道標記變量來推導出汽車的位置。
車道跟蹤
車道信息可以從汽車內(nèi)的各種可能來源確定。這些信息可以與車輛相關(guān)參數(shù)(例如速度、加速度等)的測量相結(jié)合,以幫助進行車道跟蹤。根據(jù)這些測量結(jié)果,車道偏離系統(tǒng)可以明智地決定是否正在進行意外偏離。在高級系統(tǒng)中,可以對其他因素進行建模,例如一天中的時間、路況和駕駛員的警覺性。
估計車道幾何形狀的問題是一個挑戰(zhàn),通常需要使用卡爾曼濾波器來估計道路曲率。具體來說,卡爾曼濾波器可以預測未來的道路信息,然后可以在下一幀中使用這些信息,以減少霍夫變換帶來的計算負載。
如前所述,霍夫變換用于查找每個圖像中的線條。但這些線條也需要通過一系列圖像進行跟蹤。通常,卡爾曼濾波器可以描述為估計對象未來狀態(tài)的遞歸濾波器。在本例中,對象是一條線。線條的狀態(tài)基于其位置及其跨多個幀的運動路徑。
除了道路狀態(tài)本身,卡爾曼濾波器還提供每個狀態(tài)的方差。預測狀態(tài)和方差可以結(jié)合使用,以縮小未來幀中 Hough 變換的搜索空間,從而節(jié)省處理周期。
決策 - 當前車輛位置或車道交叉時間
根據(jù)我們的經(jīng)驗,我們知道誤報總是不可取的。要讓消費者禁用可選的安全功能,沒有比讓它指示不存在的問題更快的方法了。
有了處理框架,系統(tǒng)設(shè)計人員可以將自己的知識產(chǎn)權(quán) (IP) 添加到每個處理線程的決策階段。最簡單的方法可能是在做出決定時考慮其他車輛屬性。例如,當車道變換被認為是有意的時(例如使用閃光燈或踩剎車時),可以抑制車道變換警告。更復雜的系統(tǒng)可能會考慮 GPS 坐標數(shù)據(jù)、乘員駕駛剖面、一天中的時間、天氣和其他參數(shù)。
結(jié)論
在前面的討論中,我們只描述了一個示例框架,說明如何構(gòu)建基于圖像的車道偏離系統(tǒng)。我們試圖確定的一點是,當靈活的媒體處理器可用于設(shè)計時,有足夠的空間來考慮功能添加和算法優(yōu)化。
審核編輯:郭婷
-
處理器
+關(guān)注
關(guān)注
68文章
19882瀏覽量
234964 -
控制器
+關(guān)注
關(guān)注
114文章
17089瀏覽量
184100 -
汽車電子
+關(guān)注
關(guān)注
3037文章
8340瀏覽量
170090
發(fā)布評論請先 登錄
評論