Ambarella(下称”安霸半导体”,纳斯达克代码:AMBA,专注人工智能视觉的一家半导体公司)宣布推出 CVflow® 系列最新芯片 CV5,该款人工智能视觉处理器可支持 8K 视频录制或 4 路独立图像输入的 4K 视频流录制。 新 SoC 芯片 CV5 将推动智能汽车摄像系统、消费级无人机、运动相机和 360° 全景相机,以及机器人视觉系统的进一步发展。安霸半导体 CVflow AI 引擎与双核 Arm®A76 处理器的完美集成为各种主流人工智能算法提供卓越性能。CV5 拥有高性能图像信号处理器(ISP),可为视频编码优化以提高人眼观感,同时为机器视觉算法优化以提升准确度。CV5 采用 5 纳米先进制程,拍摄 8Kp30 视频所需功耗低于 2 瓦。
安霸半导体首席执行官 Fermi Wang 表示:“CV5 的问世让安霸半导体可为下一代智能汽车、消费类相机和机器人视觉提供全新革命性解决方案。 我们将性能卓越的 CVflow AI 引擎与 8K 视频录制和多路 4K 视频流录制集于一身,让摄像机拥有优秀的图像处理和新颖的人工智能。”
在汽车视频流远程处理应用中,CV5 可支持多路视频流编码,涵盖前置 ADAS、驾驶员监控、车舱监控及侧视摄像头。借助于 CVflow 人工智能引擎,CV5 可同时运行高级驾驶员辅助系统(ADAS)算法(如车道偏离、前方碰撞预警)以及驾驶员监控算法(如驾驶员疲劳驾驶检测)等。 多路高分辨率视频捕捉与先进的人工智能处理的完美结合,可支持 ADAS 摄像头在远距离以更高精度识别目标物体。
对于那些盈手可握的超低功耗运动相机,尤其是要支持 8K 视频高帧率录制和回放、360 度全景和 VR 的视频设备来说,CV5 是非常理想的解决方案。
在消费级机器人和无人机应用中,CV5 的 CVflow 人工智能引擎可加速 SLAM 运算、实现路径规划、障碍检测、避障,自主定位导航等全自动运作。 具体到无人机航拍,CV5 在执行飞行控制和导航功能的同时,可实现录制高达 8Kp60 的视频。
CV5 与安霸半导体其他 CVflow 系列芯片共享同一套 SDK 和计算机视觉算法优化(CV)工具,简化了各个价格区间和不同性能选项的相机开发流程。 一套完整的机器视觉工具包括了编译器、调试器,并支持行业标准的 PyTorch™、ONNX™、Caffe™ 和 TensorFlow™ 等机器学习框架,以及卷积神经网络(CNN)性能优化完全指南,可帮助客户将自己的神经网络快速移植到 CV5 上。
CV5 芯片关键特征:
· 支持 DNN 的 CVflow 架构
· 双核 1.6GHz Arm®Cortex®-A76 附带 NEON™DSP扩展和 FPU
· 高速 SLVS-EC, MIPI-CSI (C/D PHY)接口,可接入多达 14 个摄像头
· 多通道 ISP,处理能力高达 8KP60
· 原生支持 RGGB、RCCB、RCCC、RGB-IR 和单色传感器
· 多重曝光高动态范围(HDR)处理
· 实时硬件加速的鱼眼镜头畸变校正(LDC)
· 支持多码流,高达 8Kp60 的 AVC 和 HEVC 编码
· 多种外设接口,包括 4 通道 PCIe、CAN FD、千兆网口、USB 3.1(主/从模式),三个 SD 卡控制器,MIPI DSI/CSI-2 和 HDMI 输出
· 支持高达 32GB 的 LPDDR4x / LPDDR5 / LPDDR5x, 64 位数据总线
· 可实现设备信息安全包括安全启动,支持 TrustZone®、TRNG、OTP、内存隔离,内存加密和虚拟化
· 5nm 制程
· 16×16 FBGA 封装,球间距 0.5 mm
关于Ambarella(安霸半导体)
Ambarella 的产品广泛应用于人类和计算机视觉领域,包括视频安防、高级驾驶辅助系统(ADAS)、电子后视镜、行车记录仪、驾驶员及舱内智能监控、汽车无人驾驶和机器人应用等。Ambarella 的低功耗处理器可用于智能摄像机设计,支持超高清图像处理、视频压缩、深度神经网络加速,可从高分辨率视频中提取有价值的数据。
不会。安霸半导体即安霸半导体技术有限公司,它是一家芯片公司,工作环境优美,一般不加班,有双休和法定假日。福利待遇好,工资也很高。
安霸半导体技术有限公司,地址在上海市浦东新区芳甸路,是一家全球领先的视频编码芯片公司,自2004年在美国硅谷成立,始终致力于高清视频技术的开发与应用。
安霸半导体的面试难度很高,首先,他们会询问你关于半导体行业的知识,以及你对技术的理解,这是面试的第一步;其次,他们会询问你关于设计、编程、调试、测试等方面的问题,这是面试的第二步;最后,他们会询问你关于管理、团队协作等方面的问题,这是面试的最后一步。安霸半导体的面试难度很高,需要考生具备丰富的知识和技能,以及良好的团队协作能力。欢迎分享,转载请注明来源:内存溢出
评论列表(0条)