Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
22 www computerautomation de ● 5 21 embedded computing Sekunde gilt es erst einmal zu verarbeiten Auch beim Stereo-Sehen mit zwei Kameras und optional strukturiertem Licht ist die Arbeitslast hoch Entsprechend hoch sind die Anforderungen an den Datendurchsatz und die heterogene Rechenleistung mit CPU und GPGPU Hier empfiehlt sich derzeit die erste Generation der verfügbaren COM-HPC-Module auf Basis der IntelCore-Prozessortechnologie der 11 Generation Codename Tiger Lake auf COMHPC Sie existieren zwar im COM-HPCClient-Format bieten dafür aber attraktive Features die andere Modulstandards nicht haben Zum einen die volle Bandbreite der PCIe-Gen4-Schnittstellentechnologie sodass zwischen Kameras und Prozessor sowie zwischen diskreten GPUs die für die massiv parallele Bilddatenverarbeitung und KI-Algorithmen genutzt werden eine doppelt so hohe Bandbreite zur Verfügung steht wie bei PCIe Gen3 Gepaart wird dies mit dem nativen Support von MIPI-CSIKameras was die Kosten für die Kameratechnologie sinken lässt und die Performance steigert Hinzu kommt der Support von leistungsfähigen und Ethernetbasierten Konfigurationsoptionen der auf Basis des congatec Starter-Sets für COM-HPC von 8x 1GbE-Switching-Optionen und 2x 2 5GbE inklusive TSN-Unterstützung bis hin zu dualer 10GbE-Konnektivität reicht und auch in Richtung Zweidraht-EthernetSupport für die effiziente Echtzeit-Anbindung kleinster Peripheriegeräte wie Sensoren und Aktoren ausgebaut werden kann Das Ökosystem für AI ist entscheidend Der KI-Support für MIPI-CSIangebundene Kameras wie ihn etwa Congatec bietet macht IIoTund Industrie 4 0-vernetzte Embedded-Systeme zudem noch applikationsfreundlicher Eine KIund Inferenz-Beschleunigung lässt sich auf der CPU mittels Intel-DL-Boostbasierter Vektor-Neural-Network-Instruktionen VNNI und auf der GPU mittels 8-BitInteger-Instruktionen Int8 umsetzen Attraktiv ist in diesem Zusammenhang auch die Unterstützung des Intel-OpenVino-Ecosystems für KI das eine Funktionsbibliothek und optimierte Aufrufe für OpenCVund OpenCL-Kernel enthält um Deep Neural Network-Workloads plattformübergreifend zu beschleunigen und so schnellere und genauere Ergebnisse für KI-Inferenzen zu erreichen Eine passende Plattform zu Trainingszwecken wurde von Intel Labs China Autonomous System Lab bereits auf Basis von COM Express vorgestellt Zudem gibt es bereits ein Intelzertifiziertes ready for Production-Kit für die Workload-Konsolidierung Mit der Verfügbarkeit von COM-HPC-Modulen besteht infolge nun die Möglichkeit dieses OpenVINO-Ökosystem mit seinen SoftwareLibraries bis hin zu Adaptive Human-Robot Interaction AHRI oder Simultaneous Localization & Navigation SLAM auch auf COM-HPC zu evaluieren ATXkompatibles Carrierboard Das ATXkonforme Carrierboard congaHPC EVAL-Client bietet hierzu alles was für die Evaluierung smarter Vision-Robotik und autonomer Logistikfahrzeuge nötig ist Es verfügt über zwei massivperformante PCIe-Gen4x16 Schnittstellen sowie eine Vielzahl an LAN-Optionen hinsichtlich der Datenbandbreiten Übertragungsmethoden und Konnektoren darunter 2x 10 GbE sowie 2 5 GbE und 1-GbE-Unterstützung Über Mezzanine-Karten kann der Carrier sogar noch leistungsfähigere Schnittstellen bis hin zu 2x 25 GbE betreiben was diese Evaluierungsplattform zu einem Kandidaten für umfassend vernetzte Edge-Geräte macht Das Herzstück des vorgestellten Startersets für COM-HPCClient-Designs ist das Computeron-Modul conga-HPC cTLU das in verschiedenen Prozessorkonfigurationen erhältlich ist hap Zeljko Loncaric ist Marketing Engineer bei Congatec Das Kit for Education das im Intel Labs China Autonomous System Lab entwickelt wurde bietet drei Ausbaustufen und basiert auf ComputeronModules von Congatec Bild Congatec