COMPRESSION DRIVING AUTOMOTIVE
intoPIX-powered
Automotive & Autonomous Driving Solutions
intoPIX brings cutting-edge image compression technology to the automotive industry, delivering high-quality, low-latency video solutions for advanced driver assistance systems (ADAS), infotainment, and autonomous driving. Our expertise in JPEG XS and other innovative codecs ensures superior performance, reliability, and efficiency for in-vehicle video streaming and data transfer.
High Quality & Low Latency
Delivering crisp, real-time video for critical automotive applications.
Scalable & Flexible Solutions
Adaptable to diverse automotive systems and architectures.
自动驾驶汽车的挑战
对于自动驾驶，多个传感器被组合起来，它们的数据被传输到所谓的ECU（电子中央单元），在ECU中，来自传感器的数据被共同分析并计算相关的行动。来自这些传感器的数据需要以最大的响应速度进行处理，因此意味着在整个数据流中要有很低的延时。
在实施方面，考虑到传感器的数量，需要尽可能限制功耗。车内的布线也至关重要。高分辨率摄像头和有限的接口带宽要求在低延迟传输和/或在一个端口/电缆上汇聚多个传感器流时进行智能压缩以减少带宽。我们的解决方案适用于任何协议，如 MIPI 或汽车以太网，并可在FPGA,ASIC,CPU 或GPU 上运行。
车载传输系统（或称信息娱乐系统）是车载硬件和软件的集合，可提供音频或视频娱乐功能，如汽车导航系统、视频播放器、USB 和蓝牙连接、车载电脑、车载互联网和 WiFi。intoPIX 可通过JPEG XS（参见 TicoXS）等新技术实现无损质量和微秒级延迟的视频传输。
汽车总是需要更多的摄像头，这些摄像头会产生难以置信的数据量，因此需要更重的带宽。
我们使用新的RAW CFA压缩技术（见TicoRAW）的目的是为了避免繁重的电缆，这意味着额外的成本、额外的空间要求和额外的电力消耗。 此外，在这种极其敏感的使用中，我们不能忽视延迟；最轻微的延迟可能会产生灾难性的后果。
Transforming Automotive Applications with Our Solutions
您是否希望通过cloud 基础设施优化存储资源并不断改进ADAS 模型？
感知是通过人工智能网络对全球收集的图像进行训练后实现的，这些图像存储在cloud 中，用于训练。我们的软件库针对 CPU 和 GPU 进行了优化，能够压缩这些训练集，专门用于增强ADAS （高级驾驶辅助系统）模型。初始数据集可以存档，而压缩集则每天使用。解码在训练过程中实时进行。
- 降低存储成本： 存储图像所需的数据量可减少 5 到 10 倍，大大降低了数据仓库的存储成本。在公共Cloud 上存储大量数据很快就会变得过于昂贵，完全不合理。
- 不断改进ADAS 模型：降低成本有助于克服预算限制，使ADAS 模型随着时间的推移不断发展，确保模型更精确、质量更高。
您是否希望通过有效地重新编码和压缩图像来降低存储成本、加快cloud 上传速度并简化数据管理？
环游世界的汽车会记录图像。这些汽车配备了数据记录器，可在图像传输到cloud 之前将其存储起来。我们的IP FPGA 或 ASIC 核心硬件和软件库可用于压缩存储的图像。
- 经济高效的存储：压缩后，数据记录仪可存储更多图像，大大降低了存储成本。
- 更快的上传时间： 压缩可缩短上传至cloud 的时间，提高整体效率。
- 无缝数据增量：无需在cloud 中重新压缩，即可增加训练集，从而简化数据管理流程。
您是否希望提高图像质量，并直接降低相机传感器的功耗？
随着时间的推移，JPEG XSRAW 将成为汽车图像传输的实际标准，并可使用我们的低功耗ASIC 解决方案直接集成到图像传感器中。可以使用我们的GPU 库和/或专用硬件直接在ADAS 平台上进行解码。
- 降低功耗： 降低向中央处理器的数据传输速率将减少摄像头模块所需的功率，从而消除过热问题。
- 增强图像质量： ECU 将不再受限于其物理接口的带宽，可实现更高的图像分辨率、帧速率或bit depth ，从而获得更高的感知质量。
intoPIX Automotive Technologies Overview
TicoRAW 用于汽车传感器数据
Our TicoRAW solutions enable to optimize RAW Bayer (& other CFA data) during the capture, transfer, storage and machine learning at the speed of light. Low power in camera, it enables to capture, store and stream RAW (CFA, Bayer), including HDR at the 10X reduced size and bandwidth. Our range of FPGA & ASIC cores (encoder/decoder) supports high resolution (from 2Mpixels to 200Mpixels), at 30, 60, 120 fps (or beyond), handling RGGB, RYYCy, RCCC, and other CFA pattern from 8 to 16bit.
无损（数学上）压缩能力也是一个固有的特点。我们的编码/解码软件库针对x86-64CPU , ARM64CPU & Nvidia GPU，具有令人难以置信的性能!该软件能力也是用于开发目的的车辆数据采集的一个关键优势。
用于汽车视频连接的TicoXS (JPEG XS)
intoPIX 有大量的JPEG XS实现，从IP-cores forFPGA &ASIC 到软件库。新的轻量级低延迟ISO标准旨在取代未压缩的视频，保持微秒级的延迟，以最小的编码/解码复杂度实现无损质量，完美地满足汽车行业的需求。
intoPIX 汽车解决方案的最终好处
| TicoRAW | TicoXS | |
|---|---|---|
| 极低的延迟 |  | |
| 原始质量 无损的人类或机器视觉 | | |
| 较低的带宽 | | |
| 降低了设备的成本和功耗 | | |
| 支持高分辨率 | | |
| 符合MIPI接口或汽车以太网的要求 | | |
| 更少的接口，更少的电缆，更少的存储 | | |
TicoRAW 带宽减少实例
，用于通过MIPI或自动以太网的传感器数据接口
以TicoRAW 传感器压缩率为4:1为例（如下表），它将使用（至少）4倍的带宽，或在相同的带宽上支持（至少）4倍的分辨率，相同数量的MIPI通道，或在同一电线上传输4倍的传感器。
请注意，TicoRAW ，对于下面提到的许多格式，可以压缩到10:1，并低于1 Gbps。
| < 2.5 Gbps |
| < 5 Gbps |
| < 10 Gbps |
常规RAW （单位：Gbit/sec）
| 格式 | 帧数 | 8位 | 十位元 | 12位 | 14位 | 16位 |
|---|---|---|---|---|---|---|
| 1MP/720p | 30 | 0.22 | 0.28 | 0.33 | 0.39 | 0.44 |
| 1MP/720p | 60 | 0.44 | 0.55 | 0.66 | 0.77 | 0.88 |
| 2MP/1080p | 30 | 0.50 | 0.62 | 0.75 | 0.87 | 1.00 |
| 2MP/1080p | 60 | 1.00 | 1.24 | 1.49 | 1.74 | 1.99 |
| 4MP | 30 | 0.91 | 1.13 | 1.36 | 1.59 | 1.81 |
| 4MP | 60 | 1.81 | 2.27 | 2.72 | 3.1 | 3.63 |
| 4K超高清 | 30 | 1.99 | 2.49 | 2.99 | 3.48 | 3.98 |
| 4K超高清 | 60 | 3.98 | 4.98 | 5.97 | 6.97 | 7.96 |
| 1000万像素 | 30 | 2.26 | 2.83 | 3.40 | 3.96 | 4.53 |
| 1000万像素 | 60 | 4.53 | 5.66 | 6.79 | 7.93 | 9. 06 |
TicoRAW (单位：Gbit/sec)
| 格式 | 帧数 | 8位 | 十位元 | 12位 | 14位 | 16位 |
|---|---|---|---|---|---|---|
| 1MP/720p | 30 | 0.06 | 0.07 | 0.08 | 0.10 | 0.11 |
| 1MP/720p | 60 | 0.11 | 0.14 | 0.17 | 0.19 | 0.22 |
| 2MP/1080p | 30 | 0.12 | 0.16 | 0.19 | 0.22 | 0.25 |
| 2MP/1080p | 60 | 0.25 | 0.31 | 0.37 | 0.44 | 0.50 |
| 4MP | 30 | 0.23 | 0.28 | 0.34 | 0.40 | 0.45 |
| 4MP | 60 | 0.45 | 0.57 | 0.68 | 0.78 | 0.91 |
| 4K超高清 | 30 | 0.25 | 0.62 | 0.75 | 0.87 | 1.00 |
| 4K超高清 | 60 | 1.00 | 1.25 | 1.49 | 1.74 | 1.99 |
| 1000万像素 | 30 | 0.57 | 0.71 | 0.85 | 0.99 | 1.13 |
| 1000万像素 | 60 | 1.13 | 1.41 | 1.70 | 1.98 | 2.27 |
