Skip to Main Content
白皮書

自動駕駛的高階合成

能將 LiDAR、雷達、攝影機和其他成像設備的感測器資料融合在一起,是自動車和 ADAS 運作的關鍵所在。這項感測器融合任務,將會越來越多地使用客製化處理硬體 FPGA 或 ASIC 來完成。需要更多客製化晶片採用機器學習和 AI,以根據這項感測器資料進行決策。在一些特定情況下,高階合成 (HLS) 方法比人工編碼的 RTL 好上許多,這份白皮書說明了如何利用此方法加速設計流程並克服驗證挑戰。

HLS 能以較高階的抽象化完成設計

自動駕駛車輛需要精密的感測器架構才能運作,這些感測器包括 LiDAR、雷達、視訊等等,可持續即時地產生大量有關汽車周遭環境的資料。這些感測器會不斷將其輸出傳送至功能強大且連接到處理單元的領域控制器,以便進行分析作業。來自不同感測器的離散資料接著會合併,以建立與車子位置、速度、方向和周遭環境相關且有意義的資訊,這個程序稱為感測器融合。Siemens Digital Indstries Software 的 Catapult® HLS 平台和 PowerPro® 解決方案,是業界領先的 HLS 平台,品質已獲肯定。藉由 Catapult 平台,設計人員能夠使用業界標準的 ANSI C++ 和 SystemC 來描述功能的目的,並提升至更具生產力的抽象層級。Catapult 平台提供強大的產品組合,可將高階合成搭配 PowerPro,以便進行 RTL 功耗的測量、探索、分析和最佳化;此外,還可組合驗證基礎架構,以實現無縫的 C++ 和 RTL 驗證。

分享