R-Car 软件开发套件
R-Car SDK（软件开发套件）是一套可以快速入门并且易于使用的开发框架，适用于R-Car V 系列 SOC。
为汽车应用重新建构软件开发
在寻找实现下一代汽车智能摄像头应用和自动驾驶系统的新方法时，汽车制造商正不断地将目光转向深度学习。...
概览
简介
适用于自动驾驶 Level 2+ /Level 3 等级系统的销量市场
R-Car V4H 片上系统 (SoC) 专为高级驾驶辅助 (ADAS) 和自动驾驶 (AD) 解决方案的中央处理量身定制。 R-Car V4H 拥有高达 34 TOPS（每秒万亿次运算）的深度学习性能，可通过汽车摄像机、雷达和激光雷达对周围的物体进行高速图像识别和处理。
得益于其高集成度的性能，R-Car V4H 允许客户开发具有成本竞争力的单芯片 ADAS 电子控制单元 (ECU)。 这些控制单元可支持适合Level 2+和Level 3 等级的自动驾驶系统，包括完整的 NCAP 2025 功能。 双 V4H 配置实现 Level 3 等级系统所需系统性能的无缝升级和故障降级运行。 R-Car V4H 还支持环视和自动泊车功能，具有优异的 3D 可视化效果实现逼真的渲染效果。
目前处于量产中的 R-Car V3M 和 R-Car V3H 专注于 Level 1和Level 2 等级应用的智能前置摄像头。 R-Car V4H 使用可扩展的架构，可复用第三代 R-Car 产品的软件资源。 这有助于客户在开发Level 2+ 和Level 3 等级系统时能够平稳、快速地扩展到下一代系统。 R-Car V4H 还支持最新的激光雷达、雷达和热成像摄像机技术。
低功耗的一流 R-Car 深度学习技术：16 TOPS / Watt
R-Car V4H 提供高达 34 TPOS 的高效深度学习性能。 它使用超低功耗，仅需被动散热系统，可帮助降低BOM成本。
解决方案满足行业严格的 ASIL B/D 要求
R-Car V4H 开发过程针对所有安全相关的IP提供ASIL-D系统能力。 R-Car V4H 的信号处理部分有望实现实时域的 ASIL-B 及 D 指标。 此外，R-Car V4H 还可以与 RAA271041 前端稳压器和针对汽车应用优化的 RAA271005 PMIC 组合使用。 这使得R-Car V4H和外围存储器能够从车载电池的12V电源中获得高度可靠的供电。这些功能可实现低功耗运行，同时以极低的BOM成本实现ASIL-D目标合规等级以满足系统和随机硬件故障的要求。有助于最大限度地减少硬件和软件开发工作量，同时缩减设计复杂性、成本和上市时间。卓越的可扩展性能可最大化软件复用度以覆盖 ADAS/AD Level 1到Level 3 等级的应用。
嵌入式软件平台开发为实现“软件定义的汽车”铺平道路
R-Car V4H软件开发工具套件（SDK）也可助力更快、更轻松的启动设备评估和软件开发，包括深度学习算法移植。该SDK带来机器学习开发的全部功能，并对嵌入式系统的性能、电源效率和功能安全进行优化。套件提供完整的仿真模型，瑞萨独立于操作系统的软件平台使“软件定义汽车”的开发更加容易。
特性
- 四核1.8 Ghz Arm® Cortex®-A76内核，为ADAS/AD应用提供总计49KDMIPS的通用算力
- 三个锁步1.4Ghz Arm® Cortex®-R52内核，提供9KDMIPS的总算力，以支持ASIL-D等级实时操作，而无需外部微控制器
- 专用深度学习和计算机视觉I/P，整体性能达34 TOPS
- 用于机器和人类视觉并行处理的图像信号处理器（ISP）
- 用于鱼眼畸变校正或其它数学运算的图像渲染器（IMR）
- 图形处理器单元（GPU）AXM-8-256 @ 600MHz，整体性能超过150 GFLOPS
- 专用车用接口：CAN、以太网AVB、TSN和FlexRay
- 两个第四代PCIe接口
- 集成了多种复杂的安全机制，提供了高覆盖范围，并能够对随机硬件故障进行快速检测和响应，从而为大多数 SoC 处理链实现 ASIL B/D 指标
- 由 Renesas 和 R-Car 联盟合作伙伴支持的开放解决方案
产品对比
应用
应用
- 自动驾驶Level 2+ 级、Level 3 级、Level 4 级
- 用于 NCAP 2025 5 星的前置智能摄像头
- 自动泊车和 3D 环视系统
- 驾驶员与乘员监控系统
- 激光雷达系统
- 智能测绘相机
- 机器人
- 工业应用
设计和开发
软件与工具
软件与工具
| Software title
|
Software type
|
公司
|
|---|---|---|
| 带有 GPU 和不带 GPU 的 3D 环绕视图 GPU 版 (R-Car H3 / M3) • 4x 2MP @ 30fps 输入 • 4k @ 60fps 输出 • 碰撞色彩协调 • 动态 3D bowl、动态混合区 • 车辆透视（历史视图） • 检测功能 IMR 版 (R-Car V3H / V3M) • 4x 2MP 30fps 输入
|
Software Package | Cogent Embedded Inc. |
| Atlas Camera Optimization Suite for R-Car by Algolux The Atlas Camera Optimization Suite is the industry’s first set of machine learning tools and workflows that automatically optimizes camera architectures for optimal image quality or for computer vision. Through a secure cloud-enabled interface, Atlas significantly improves computer vision results in days vs. traditional approaches that deliver suboptimal results even after many months of manual ISP tuning.
|
Software Package | Algolux |
| Autobrains AI Solution Autobrains provides video perception SW. Revolutionary, self-learning AI leveraging R-Car V Series assets.
|
Software Package | AutoBrains Technologies Ltd. |
| Automotive SoC Consulting Service R-Car Online Consultation is a service where you can receive various consultations regarding R-Car V3H and R-Car V3M. We propose various solutions according to the customer’s situation, such as consultation for customers who are considering R-Car for the first time, learning of image recognition and deep learning using R-Car, and construction of evaluation environment. With this development consulting service for automotive SoC, we will shorten the introduction time of customers and solve problems at an early stage.
|
Software Package | Hitachi Industry & Control Solutions, Ltd. |
| R-Car 驾驶员监控解决方案 — R-Car V3 M/H 上基于视觉的 ADAS 算法开发 R-Car 驾驶员监控解决方案 驾驶室内基于摄像头的驾驶员监控系统，搭配 RGB、RGB+IR 和仅 IR 传感器 CNN 和非 CNN 型号，可用于优化处理器负载。 R-Car V3 M/H 采用基于视觉的 ADAS 算法开发套件，包括弱势道路使用者检测、车辆检测、交通标志识别和红绿灯识别，以及用于开发 ADAS 解决方案的完整研发服务。
|
Software Package | PathPartner Technology Pvt Ltd |
| 适用于 R-Car V3H 和 R-Car V3M 的 ISP 解决方案 R-Car V3x ISP 解决方案、ISP 渠道 • 原始数据校正 • 镜头校正 • 降噪 • 颜色插值 • 演示 • 曝光控制 • 白平衡 • 色彩校正 • 色彩空间转换：RGB 或 YUV 输出 PC 调谐工具 • 实时调谐 • 离线调谐
|
Software Package | Cogent Embedded Inc. |
| 使用 OpenCL 和 SYCL 的 R-Car 硬件 专为瑞萨 R-Car 开发人员打造的 Codeplay 解决方案。 ComputeSuite for R-Car™ 让开发人员能够利用 OpenCL 和 SYCL 对 R-Car 硬件上的应用程序进行加速。
|
Software Package | Codeplay Software |
| RT-RK - Expertise on Renesas' Computer Vision and CNN Consulting and services on computer vision and machine learning to optimize the performance of Tier 1 and OEM algorithm on Renesas products
|
Software Package | RT-RK |
| SVNet, Deep Learning Embedded Software by STRADVISION SVNet is a deep learning and camera-based embedded perception software for ADAS and Autonomous Vehicles use cases. There are millions of vehicles powered by SVNet from Level 2 ADAS to Level 4 Autonomous Vehicles in the production pipeline in Germany and China.
|
Software Package | StradVision, Inc. |
| R-Car Virtual Platform The R-Car Virtual Platform (VPF) accelerates in-vehicle software development for next-generation vehicles.
|
Simulator | 瑞萨电子 |
| R-Car Virtual Platform The R-Car Virtual Platform (VPF) accelerates in-vehicle software development for next-generation vehicles.
|
Simulator | 瑞萨电子 |
| 多设备分布式处理软件 该软件将应用程序的功能分散配置到多个SoC和微控制器内部的CPU和HWIP中，以最大限度地发挥硬件的性能。
|
Solution Toolkit | 瑞萨电子 |
| R-Car NAS（神经结构搜索） 该工具可自动设计在R-Car上高效运行的深度学习模型
|
Model-Based Development | 瑞萨电子 |
| R-Car DNN Compiler DNN编译器可自动应用深度学习模型中的R-Car V4H程序优化
|
Compiler/Assembler | 瑞萨电子 |
| R-Car DNN Simulator 深度学习模型R-Car程序快速模拟器
|
Simulator | 瑞萨电子 |
| AI Workbench 支持通过网页浏览器对 AI 模型和瑞萨 R-Car SoC 平台应用进行远程开发、测试和评估。
|
Software Package | 瑞萨电子 |
| Hybrid Compiler 跨越不同SoCs世代的通用接口
|
Compiler/Assembler | 瑞萨电子 |
| RH850 基于模型的开发环境 [Embedded Target for RH850 Virtual Platform] Embedded Target for RH850 Virtual Platform是一种开发环境，允许用户从Simulink®模型生成目标设备的外设代码，可在Simulink和虚拟环境中执行协同验证vHILS(Virtual Hardware In the Loop Simulation)。
|
Model-Based Development | 瑞萨电子 |
18 items
|
||
开发板与套件
开发板与套件
R-Car V4H 系统评测板套装 / White Hawk
White Hawk 是一款适用于 R-Car V4H 的评估套件，可使用 R-Car V4H 来评估系统并用来开发操作系统、设备驱动器和应用程序。 使用 White Hawk 评估套件可让开发人员高效地执行所需任务，例如评估 R-Car V4H 系统性能，从而大大缩短产品开发的周期...
特色文件:
模型
视频和培训
How to Use e² studio for R-Car - Build and Run
This video describes how to build a project and run a program in e² studio.
Video List
新闻和博客
| 博客 | 2024年1月3日 | ||
| 博客 | 2023年11月28日 | ||
| 博客 | 2023年10月13日 | ||
| 博客 | 2023年1月6日 | ||
| 博客 | 2022年12月20日 | ||
| 新闻 | 2022年12月15日 | ||
| 博客 | 2022年9月15日 | ||
| 新闻 | 2022年3月8日 |
