Eckdaten

In immer mehr Applikationen werden smarte Vision-Technologien integriert. Dadurch wächst auch der Bedarf, Kamera- und KI-Technologien auf Embedded-Level zu integrieren. OEMs stehen dann vor der Aufgabe, die Summe der Einzelteile möglichst reibungslos zur Serienreife zu bringen. Congatec hat bereits applikationsfertige Bundles vorgestellt, die in Zusammenarbeit mit den Halbleiterherstellern entstanden sind.

Da smarte Vision-Technologien in immer mehr Applikationen integriert werden, wächst auch der Bedarf, Kamera- und KI-Technologien auf Embedded-Level zu integrieren. Der Aufwand hierfür ist nichts Außergewöhnliches, da er vergleichbar mit dem Aufwand der Integration sonstiger Peripheriekomponenten ist. Im Grunde also keine große Herausforderung – wäre da nicht auch der Bedarf, zusätzlich KI-Technologien gepaart mit dem Time Synchronzied Networking zu integrieren, um beispielweise gleichzeitig die Echtzeitfähigkeit verteilter Robotik-Steuerung zu erhalten.

Auch ist es immer mit Aufwand verbunden, auf Basis von ARM-Technologien applikationsfertige Plattformen zu erhalten, da diese auf den applikationsspezifischen Bedarf angepasst werden müssen. Ganz unabhängig von der zum Einsatz kommenden Prozessortechnologie ergibt sich folglich immer der Bedarf für OEMs, die Summe der Einzelteile möglichst reibungslos zur Serienreife zu bringen. Idealerweise finden sie hierfür dann schon beim Lieferanten ihre spezifischen Lösungsplattformen, die mehr bieten als die Summe der einzelnen Komponenten. Denn dann können sie sich auf die Entwicklung ihrer neuen Applikationen konzentrieren.

Heterogene Lösungsangebote der Prozessorhersteller

Bild 1: Smarte Embedded-Vision-Plattformen mit KI-basierender Situational Awareness sind aus vielen kleinen Funktionsbausteinen zusammengesetzt, deren Zusammenspiel validiert sein muss.

Bild 1: Smarte Embedded-Vision-Plattformen mit KI-basierender Situational Awareness sind aus vielen kleinen Funktionsbausteinen zusammengesetzt, deren Zusammenspiel validiert sein muss. Congatec

Die Herausforderungen beginnen schon beim Integrationsaufwand für beispielsweise MIPI-CSI-basierende Kameratechnologien. Während sie bei ARM-basierenden Technologien bereits zum Standard gehören, ist hierfür bei x86-Plattformen ein spezifischer Integrationsaufwand erforderlich. Beim Einsatz von KI-Technologien gibt es zudem zwischen AMD und Intel durchaus unterschiedliche Strategien, was den Software-Support betrifft. So setzt AMD – wie bei OpenCX/CV auch – auf Open-Source-Lösungen wie ROCm und Tensor Flow, um den heterogenen Einsatz der Embedded-Computing-Ressourcen zu unterstützen, der für die Deep-Learning-Inferenz-Algorithmen erforderlich ist.

Intel hingegen bietet Kunden eine Distribution des Toolkits Open Vino (eigene Schreibweise: OpenVINO) an, das sowohl Optimierungen für Deep-Learning-Inferenzen bietet als auch viele Aufrufe traditioneller Computer-Vision-Algorithmen unterstützt, die in Open CV implementiert sind – insgesamt also ein integriertes Gesamtpaket. Letztlich zielt Intel mit dem Support von FPGAs sowie dem Intel Movidius Neural Compute Stick auch darauf ab, nicht nur die teuren GPUs der Anbieter AMD oder Nvidia einzusetzen, sondern auch weitere Alternativen aus eigenem Hause für die Inferenzsysteme aufzuzeigen.

Auch NXP bietet mit dem eIQ Machine Learning Software Development Environment Antworten auf den Einsatz von KI, nicht nur im Automotive-Segment, sondern auch im industriellen Umfeld. Es umfasst Inferenz-Maschinen, Neuronal Network Compiler, Vision- und Sensorlösungen sowie Hardware-Abstraktionsschichten und stellt damit alle erforderlichen Schlüsselkomponenten für die Bereitstellung einer breiten Palette von Machine-Learning-Algorithmen dar. Auch eIQ basiert auf gängigen Open Source Frameworks, die in den NXP-Entwicklungsumgebungen für MCUXpresso und Yocto integriert sind, und ist im Early Access Release verfügbar für i.MX RT und i.MX.

Embedded-Computing-Plattformen müssen zur Lösung passen

Bei diesen drei unterschiedlichen KI-Ansätzen der Halbleiterhersteller ist bereits zu erkennen, dass sich für OEMs je nach Lösungspfad unterschiedliche Anforderungen ergeben, was die Umsetzung der eigenen Applikationen betrifft. In jedem Fall aber muss die Embedded-Computing-Hardware auf den Einsatz der jeweiligen Softwarelösung vorbereitet sein, was auch eine gewisse Sorgfalt bei der Auswahl der einzelnen Hardwarekomponenten erfordert. Deshalb ist die Zusammenarbeit zwischen den Halbleiterherstellern und den Embedded-Computing-Anbietern so entscheidend. Arbeiten OEMs mit Unternehmen wie Congatec zusammen, die zu den führenden Anbietern in diesem Bereich zählen, und haben diese bereits applikationsfertige Bundles auf Basis dieser Lösungen vorgestellt, die in Zusammenarbeit mit den Halbleiterherstellern entstanden sind, können OEMs sicher sein, dass die wesentlichen Hausaufgaben bereits gemacht sind.

KI-Implementierungen sind jedoch nur so viel wert wie ihr Zusammenspiel mit den dazu passenden Embedded-Vision-Technologien. Aus diesem Grund ist Congatec mit Basler eine Kooperation eingegangen, die darauf abzielt, Kunden perfekt aufeinander abgestimmte Komponenten für Embedded-Vision-Applikationen zu bieten. Zwei recht nah beieinanderliegende Applikationsplattformen sind aus dieser Kooperation bereits entstanden: eine mit NXP-Technologie und die andere auf Basis von Intel-Prozessoren.

Thema der nächsten Seite: Drei unterschiedliche Lösungen aus einem Haus

Seite 1 von 212