AImotive在Nextchip Apache5 NPU上实现98%视觉效率

一款生产级参考设计现提供新型服务导向架构（SoA）网关，释放车辆每个部分的数据。 虽然联网车辆数据快速增长，但车企难以将其变现，因缺乏将数据集成进现有基础设施并提取有意义 ROI 的专长。 Moter Technologies 首席数字官 Michael Fischer——亚洲最大保险集团之一的数据科学部门——在接受 EE Times 采访时与 NXP 半导体全球营销总监 Brian Carlson 解释说，主要障碍是获取车辆数据。双方描述了连接汽车与保险生态系统的合作伙伴关系。 点击查看大图 NXP 与 Moter 的新平台旨在提供更容易的深度车辆数据边缘访问，这是高级保险、车辆健康和车队

NXP i.MX 8M Plus处理器将机器学习驱动视觉带至工业边缘，实现实时决策和安全数据处理。 制造和工业流程快速自动化创造了对智能视觉系统日益增长的需求。这些系统捕获视觉输入并应用先进处理技术实时决策，常作为需要可靠、低延迟通信的大型控制架构一部分。 凭借集成神经处理单元(NPU)和双MIPI CSI摄像头接口，i.MX 8M Plus应用处理器交付嵌入式边缘视觉所需性能和灵活性。本文探讨其关键特性及如何在广泛工业和消费应用中利用。 边缘计算优势 区别于依赖外部服务器的传统云计算，边缘计算将计算贴近数据源。本地处理保持敏感信息内部、减少带宽消耗、最小化延迟，实现更快更可靠实时决策。 嵌入

54.5 这是美国政府要求所有乘用车与轻卡2025年前达成的企业平均燃油经济性（CAFE）。2014年均值仅24.1 mpg。汽车业面临十年内将平均燃效翻倍以上的巨大压力。倒计时已开始。 过去5-7年行业显著推进，混动与纯电车获突破。但通往54.5 mpg之路需多技术融合，含大规模轻量化塑料部件应用。 塑料已占现代汽车材料约50%，却仅贡献约10%整车重量。减重降发动机负荷、直接提燃效。 塑料部件如何加速2025年达标54.5 mpg： 碳纤维增强塑料（CFRP） 工程师长期依赖金属满足碰撞标准，因塑料强度不足。今日CFRP突破：强度约钢10倍、重量减半。科尔维特Stingray引擎盖/车顶、

工业机器人技术从1970年代起步，在负载、自由度、工具应用等特性上稳步演进。近期，机器人视觉迎来革命性进展。会“看”的机器人开始改变用户商业模式。 机器人视觉形态多样，在汽车等全行业应用广泛。移动机器人用磁传感器沿地面/墙面预设磁轨自主导航。拾取放置机器人配专用相机识别传送带上特定形状。识别后激光/超声波传感器精准测距，快速搬运避障。 汽车机器人视觉应用丰富。移动机器人磁视觉自主巡厂，减免笨重昂贵传送带定位设备。二三维相机让机器人从众多物体中拾取指定对象。这一看似简单能力对可省去分料传送带的多车型零件生产工厂影响深远，大幅节省空间。像发那科R2000ia这样已通用的机器人，加装发那科V500i