到2013年9月，谷歌的自主驾驶汽车已在计算机控制下成功行驶了500000多英里，并且没有发生过一起交通事故[1]。谷歌具有革命性的无人驾驶汽车项目旨在利用摄像头、雷达传感器和激光测距仪(以及谷歌的地图数据库)监测和引导汽车行驶，从而提高汽车驾驶的安全性和效率。谷歌的无人驾驶汽车原型车使用了价值150,000美元的机器人组件，包括价值70,000美元的激光雷达系统，因此距离商用还有很长的路要走。2013年8月，尼桑汽车公司宣布计划于2020年前推出无人驾驶汽车，以实现零交通事故死亡率。
自主驾驶汽车商用化进展的重点工作是，如何让自主驾驶汽车价格更低、可靠性和安全性更高。实现自主驾驶汽车的关键技术之一是计算机视觉，其使用基于摄像头的视觉分析，目的是提供高可靠、低成本的视觉解决方案。尽管基于摄像头的传感器成本低于其它技术，但其处理要求会急剧增加。今天的系统要求我们处理30帧每秒、1,280x800分辨率的图像，通常会同时要求运行5种以上的算法。
德州仪器最新的应用处理器TDA2x基于OMAP5技术，拥有顶级的Vision AccelerationPac，可以高效率、低成本、可编程和灵活地实现高级驾驶辅助系统(ADAS)，以支持自主驾驶汽车的20/20视觉功能。Vision AccelerationPac是一种可编程加速器，拥有专用硬件单元和定制过程，可使用高级语言实现完全编程。它允许视觉开发人员使用标准处理器架构所不具备的一些高级性能。使用高级语言实现的Vision AccelerationPac可编程支持，允许终端汽车制造厂商在算法调整方面进行探索，做出一些具有创新性的解决方案。当这些算法远未成熟时，这种功能特别重要，并且对于缩短产品上市时间也至关重要。
长眼睛的汽车
美国人口普查局的统计数据表明，在美国，平均每年发生600万起机动车交通事故。16-24岁年青人的交通事故死亡率最高。该统计数据还表明，大多数交通事故的原因均为人为操作失误。人们相信，给机动车加装视觉和智能装置可以减少人为操作失误，降低交通事故发生率，从而挽救生命。另外，人们还认为，汽车视觉系统可以帮助缓解交通拥堵，提高公路通行能力，提高汽车燃油效率，并提高驾驶者的行车舒适性。
高级驾驶辅助系统(ADAS)是朝着完全自主驾驶汽车的目标迈出的关键性一步。ADAS系统包括但不限于自适应巡航控制、车道保持辅助、盲点探测、车道偏离警告、碰撞警告系统、智能速度自适应、交通标志识别、行人保护与物体探测、自适应灯光控制和自动泊车辅助系统。
摄像头是一种低成本方法，涵盖许多交通应用环境，可用于智能分析。立体前置摄像头可用于自适应巡航控制，监控实时交通状况，帮助保持与前车的最佳距离。前置摄像头还可用于车道保持辅助，让汽车保持在车道中间，也可用于交通标志识别和物体探测。侧摄像头可用于并道监控、盲点探测和行人感知。
摄像头后台数据分析功能，让汽车拥有类似人类视觉的能力。实时视觉分析引擎需要对每一个视频摄像帧进行分析，提取正确的信息来做出智能决策。它不仅仅需要超强的计算能力，在瞬间对数据进行处理，以让快速运动的汽车做出正确的机动，还需要宽I/O来提供多个摄像头的视觉分析引擎输入，从而实现同步关联。低功耗、低延迟和可靠性也是汽车视觉系统的几个关键方面。
TI技术实现者—Vision AccelerationPac
TI的Vision AccelerationPac是一种可编程加速器，专门用于满足汽车、机器视觉和机器人市场计算机视觉应用的处理、功耗、延迟和可靠性需要。Vision AccelerationPac包含一个或者多个嵌入式视觉引擎(EVE)，用于实现嵌入式视觉系统的可编程性、灵活性、低延迟处理和功率效率以及小硅片面积，因此可实现性能与价格的优异结合。相同功率级别下，相比现有ADAS系统，每个EVE拥有8倍以上的高级视觉分析计算性能改善。详情，请参看图1。
图1 Cortex-A15相同功率预算时计算性能为原来的8倍以上
下一页中的图2显示了Vision AccelerationPac架构。
