车联网/自动驾驶对时延的要求极高,数据传输及处理量极大;如何更好的基于GPU实现边缘计算提速? 如何通过GPU 加速提升基础架构利用率,及让 GPU 资源得到充分利用?实际遇到部署成本高,需求不是刚性的;用到的硬件需标准化;及如何保证边缘计算的安全等问题。
车联网及V2X车路协同场景中,执行路侧或路口感知任务的MEC (Multi-access Edge Computing) - 多接入计算单元是典型的边缘计算的场景,通过多设备或多传感器的接入(视频+毫米波雷达+激光雷达),实时感知和分析道路上发生的各类事件和路况,并将这些事件或告警及时广播或发布出来,有效的提高安全性和交通效率。 目前在车联网的场景中,经常遇到的时钟(帧)同步,多传感器融合,点云数据的加速等问题,英伟达与我们的合作伙伴可提供完备的解决方案,尤其对于激光雷达的点云数据加速处理部分,我们也会开源一些基于CUDA的加速实现,供广大的开发者参考和迭代。( https://github.com/NVIDIA-AI-IOT/cuda-pcl )
收起