1 引言

由于攝像頭可提供豐富的視覺數(shù)據(jù)，因此攝像頭是機器人和機器感知和理解周圍環(huán)境的主要傳感器模式。隨著基于深度學習的 AI 和具有 AI 功能的嵌入式處理器（即邊緣 AI 處理器）的進步，相較以往，現(xiàn)在可以在更低的功耗下以更高的準確性對龐大而復雜的視覺數(shù)據(jù)進行分析。因此，攝像頭是應用最廣泛的傳感器，可用于分析場景、檢測障礙物、識別標簽以及 2D 和 3D 條形碼、定位物體的位置以及自主機器人的位置、繪制環(huán)境地圖等等。

根據(jù)計算資源和數(shù)據(jù)源的接近程度，執(zhí)行視頻分析的 AI 有兩種方法，分別是云 AI 和邊緣 AI。云 AI 處理中央計算基礎設施上的視覺數(shù)據(jù)，用于深度神經(jīng)網(wǎng)絡 (DNN) 模型的訓練和推理。云 AI 可以使用大量計算資源來分析海量數(shù)據(jù)，尤其在模型訓練方面表現(xiàn)出色，因此云 AI 一直處于主導地位。但是，由于數(shù)據(jù)需要傳輸?shù)皆?，因此對于實時應用，云 AI 會帶來延遲和安全問題。相比之下，邊緣 AI 在直接連接到攝像頭傳感器的器件上運行 DNN 模型推理。由于攝像頭數(shù)據(jù)在本地處理，因此邊緣 AI 可實現(xiàn)實時處理，同時減少延遲和安全問題。

邊緣 AI 需要可以處理多個攝像頭并同時執(zhí)行多個 DNN 推理的低功耗邊緣 AI 處理器。隨著邊緣 AI 處理器變得越來越強大，邊緣 AI 技術正廣泛用于許多應用，這反過來又在尺寸、功耗和散熱方面對邊緣 AI 處理器提出了挑戰(zhàn)。該處理器需要外形小巧，并且能夠在工廠和施工現(xiàn)場的惡劣環(huán)境下，以及在車輛內或安裝在道路上的攝像頭內高效運行。此外，移動機器和機器人等某些設備需要在遵循嚴格功能安全標準的應用中通過邊緣 AI 處理器認證。

本文介紹了高度集成的 AM69A 處理器。文中介紹了 AM69A 上運行的邊緣 AI 的幾個用例，并提供了資源利用率和功耗的估算值。這些用例包括 AI 盒、機器視覺、多攝像頭 AI 等。本文還討論了如何使用 AM69A 的異構架構、經(jīng)過優(yōu)化的 AI 模型以及易于使用的軟件架構來開發(fā)邊緣 AI 系統(tǒng)。