Industrie-PC Sensor-Daten vom Fahrzeugprüfstand heterogen verarbeiten

Autor / Redakteur: Korbinian Hacker * / Dipl.-Ing. (FH) Hendrik Härter

Für Testsysteme im Automobilbau setzt InoNet erstmals auf Prozessortechnik von AMD. Möglich wird damit eine heterogene und parallele Datenverarbeitung, die vor allem bei der Sensordaten-Fusion ihre Vorteile ausspielt.

Firmen zum Thema

Test-Plattform: Automotive-OEMs können mit dem von InoNet entwickelten Industrie-PC auf AMD-Grundlage alle relevanten Schnittstellen anschließen und verarbeiten.
Test-Plattform: Automotive-OEMs können mit dem von InoNet entwickelten Industrie-PC auf AMD-Grundlage alle relevanten Schnittstellen anschließen und verarbeiten.
(Bild: AMD)

Fahrzeugdaten am Prüfstand wird von Hardware überwacht, die auf komplexe Datenprocessing- und Datenlogging-Funktionen getrimmt ist. Angetrieben von den Fahrerassistenzsystemen (ADAS) und autonomen Fahrzeugen nach ISO 26262 müssen Entwickler kontinuierlich Test- und Validierungsprozesse überwachen. Parallel dazu nimmt nicht nur die Hardware im Fahrzeug, sondern auch die Software stetig zu.

Dementsprechend steigen die Aufwände für Testprozeduren. Für die Prozessoren bedeutet das, sie müssen mehr Rechenleistung bieten. Sie lassen sich auf HiL, SiL und ViL – also Hardware-, Software- und Vehicle-in-Loop-Prozesse ausgelagert. Damit soll erreicht werden, dass die Validierung schneller und vor allem reproduzierbarer wird. Hierzu müssen sie vor allem eine flexibel austauschbare Performance- und Interface-Skalierbarkeit bieten, für die die Eco-Systeme der x86er-Prozessortechnik sich besonders eignen.

Enorme Menge an Messdaten beim autonomen Fahren

Auf dem Weg vom autonomen Fahren mit den Autonomiestufen Level 2 bis 5 steigen die Datenmengen dabei exponentiell an. Notwendig sind hohe Schreibraten und eine zeitliche Synchronisierung der Daten, teilweise auch von Rohdaten. Nur damit lässt sich absichern, dass Big-Data Anwendung im Rahmen der Entwicklung effizient gestaltet werden können. So kommen beispielsweise neben den bekannten Umfeldsensoren wie Ultraschall und Radar immer mehr Videokameras zur Rundum-Überwachung sowie zusätzlich Laser- und Lidar-Systeme für autonomes Fahren hinzu, deren Daten ebenfalls mitgeschrieben und ausgewertet werden müssen.

Außerdem müssen die Ausgaben an die Aktoren wie Lenkung, Motor- und Getriebesteuerung sowie Licht- und Warngeber integriert werden. Wie hoch bereits heute die Sensorendichte für Level-3-Systeme ist, zeigt der Staupilot im Audi A8, der 24 verschiedene Sensorsysteme nutzt. Darunter sind fünf Radarsensoren und sechs Kameras [1]. Zukünftig muss zudem die Car-to-X-Kommunikation via Mobilfunknetze, wie 5G-Netz, einbezogen werden. Sie dient der Kommunikation mit den Systemen der umgebenden Verkehrsteilnehmer und stationären Wegstreckeneinrichtungen, wie beispielsweise Verkehrsüberwachungssystemen, Ampeln und Parkeinrichtungen.

Zusätzlich dazu ist die Hardware im Fahrzeug während der Testvorgänge einer erhöhten Temperatur, stärkeren Schocks und Vibrationen ausgesetzt und muss den widrigen Umgebungsbedingungen nicht nur im zuverlässigen Dauerbetrieb, sondern auch den Testfahrten in teilweise extremen Umgebungen standhalten.

Embedded-Systeme mit AMD-Technik

Auf die Auslegung solcher Automotive-Test-Systeme hat sich InoNet spezialisiert und bietet entsprechend angepasste Industrial-Computing-Lösungen. Die Embedded-Systeme bieten für den Einsatz beim autonomen Fahren genügend Rechenleistung und sind zudem robust nach industriellem Standard und eignen sich für den Einsatz in Fahrzeugen: sie halten erhöhten Temperaturen, Schocks und Vibrationen stand. Durch das skalierbare Datenvolumen bis zu 256 TByte und Datenraten bis zu 12 GByte/s eignen sich die In-Vehicle-PCs für Anwendungen des Rapid Control Prototyping. Ingenieure am Prüfstand haben die Möglichkeit, die Festplatten zu wechseln, ein Weitbereichsnetzteil (mit Ignition Control) zu verwenden sowie die zeitliche Synchronisierung bei Kaskadierung (Hardware Time Stamping) zu ermöglichen.

Bisher mussten die Experten von Automotive-Testplattformen verzichten: Eine leistungsfähige Embedded-Computing-Plattform für heterogenes Parallelprocessing auf Grundlage frei programmierbarer Applikationssensoren. Damit können Daten für die Sensor-Fusion können vom einfachen LIN-Bus oder CAN-FD-Bus bis hin zur GigE-Vision sowie USB 3.0 Kamera alle anfallenden verarbeitet werden. Deshalb Dazu kam es zu einem Wechsel von Intel auf die AMD-Embedded-Prozessortechnik.

Mehr Rechenleistung mit Grafikeinheiten (GPU)

Die AMD Ryzen Embedded V1000 Prozessoren überzeugt mit der CPU-Performance. Außerdem ist es Grundlage für Situational-Awarness-Applikationen mit paralleler General-Purpose-Datenverarbeitung auf der GPU (GPGPU), da die Vega GPU einen Performancedurchsatz von bis zu 3,6 TFLOPS bietet.
Die AMD Ryzen Embedded V1000 Prozessoren überzeugt mit der CPU-Performance. Außerdem ist es Grundlage für Situational-Awarness-Applikationen mit paralleler General-Purpose-Datenverarbeitung auf der GPU (GPGPU), da die Vega GPU einen Performancedurchsatz von bis zu 3,6 TFLOPS bietet.
(Bild: AMD)

Der entscheidende Vorteil der neuen Auslegung ist die Möglichkeit, auf Basis der derzeit leistungsstarken Prozessor-integrierten Grafikeinheiten (GPU) ein performantes Parallelprocessing für das Daten-Preprocessing der verschiedenen Sensoren sowie KI-Inferenz-Algorithmen anbieten zu können. Die Grafikeinheiten werden als General Purpose Graphics Processing Units (GPGPU) bezeichnet, weil sie nicht nur Grafikdaten für die Bildschirmdarstellung aufbereiten, sondern alle anderen Datenarten verarbeiten können.

Im Gegensatz zu CPUs bieten sie viel mehr Recheneinheiten, die Daten parallel verarbeiten können. Im InoNet-System sind das GPGPUs mit bis zu 704 Compute-Units, die entsprechend 704 Datenpunkte in einem Rutsch bearbeiten können. Ein Quadcore-Prozessor mit simultanem Multiprocessing kann dagegen nur bis zu acht Datenpunkte parallel verarbeiten. Einen weiteren Vorteil bietet die Tatsache, dass es diskrete GPUs der gleichen Generation wie die der Prozessor-integrierten Grafik gibt, die ein einheitliches Management und hoher Skalierbarkeit eröffnet.

Das gesamte GPU-Ecosystem von AMD reicht bis hin in Serverfarmen,welche für die leistungsfähigen Deep-Learning-Systeme entwickelt worden sind. Sie sind Grundlage für eine hohe Skalierbarkeit eines massiveren, GPGPU-basierten Paralellprocessings auf Basis eines einzigen Ecosystems, das zudem noch Open-Source-Standards wie ROCm und Tensorflow unterstützt. Sowohl im Servergeschäft als auch bei Embedded-Anwendungen hat sich AMD einen Namen erarbeitet, der vor allem dank der Zen-Mikroarchitektur und dem Infinity-Bus verwirktlicht wird. AMD kann in seinen Ryzen- und Epyc-Prozessorfamilien die selbe Coretechnik integrieren kann.

AMD-Prozessor überzeugt bei der Leistung

Nach Cinebench und 3DMark11 Tests bieten die AMD Ryzen Embedded R1000 SoCs eine bis zu vier Mal höhere Performance pro Dollar als vergleichbare Intel-Prozessoren des Typs Core i3 7100U.
Nach Cinebench und 3DMark11 Tests bieten die AMD Ryzen Embedded R1000 SoCs eine bis zu vier Mal höhere Performance pro Dollar als vergleichbare Intel-Prozessoren des Typs Core i3 7100U.
(Bild: AMD)

Für die erste Automotive-Test-Plattform mit der Embedded-Prozessor-Technik von AMD hat sich InoNet die von AMD entwickelte Serie Ryzen Embedded V1000 entschieden, die eine hoch-skalierbare TDP von 12 bis 54 W bietet. Sie bietet Automotive-Entwicklern als Accelerated Processing Unit mit zentraler CPU- und GPU-Integration vor allem Performance. Im Detail bietet der Prozessor des Typs Ryzen Embedded V1000 bis zu zweimal mehr Performance als sein Vorgänger [2] sowie bis zu 46 Prozent [3] mehr Multi-Thread-Performance als vergleichbare Prozessoren am Markt.

Auch bei der Grafik haben die Ryzen-Embedded-Prozessoren ebenfalls zugelegt: Sie bieten gut doppelt so viel Grafikperformance als die vorherige Accelerated Processing Unit der AMD Embedded R-Series (Codename Merlin Falcon) und bis zu dreimal mehr Grafik-Performance als direkt vergleichbare Prozessoren vom Wettbewerb [4]. In der Summe erreichen die V1000 APUs mit Zen CPU und Vega GPU einen Performancedurchsatz von bis zu 3,6 TFLOPS [5].

Motherboard für Fahrzeugerprobung und -entwicklung

Das Mini-ITX Motherboard MI988 von Ibase mit AMD Ryzen Embedded V1000 Prozessoren liefert die Technologische Grundlage für die Automotive Test Plattformen von InoNet
Das Mini-ITX Motherboard MI988 von Ibase mit AMD Ryzen Embedded V1000 Prozessoren liefert die Technologische Grundlage für die Automotive Test Plattformen von InoNet
(Bild: AMD)

InoNet implementiert diese Prozessorgeneration auf Basis des Ibase Mini-ITX Motherboards MI988 in sein Automotive-Test-System. Dieses System ist für unterschiedliche Anforderungen in der Fahrzeugerprobung und -entwicklung auslegbar. Die Prozessoren sind verlötet und externe Anschlüsse wie M12 oder 25-polige D-Sub-Buchsen sind gesichert. Alle Signalleitungen lassen sich zur Kommunikation bedarfsgerecht mit CAN und CAN-FD, LIN, RS232 und anderen Fahrzeugnetzen bestücken.

Werden die Prozessoren als Datenlogger verwendet, können die Messdaten auf bis zu 8 TByte große SSDs über bis zu zwei Shuttles ausgegeben werden. Für die Kommunikation innerhalb des Systems verfügt der Industrie-PC über 4x 10-GbE-Interfaces über RJ45-Anschlüsse per Kupfer. Individuelle Erweiterungen, beispielsweise durch dedizierte GPGPUs, bietet der industrielle Box-PC zwei PCIe x8 Slots.

Das konfigurierbare Automotive-Netzteil mit verriegelbarem Neutrik-Stecker mit Ignition-Pin stellt eine Leistung von 250 W bereit. Dank der Kühllung ist es mögich, einen sicheren Betrieb des HPCs bei Umgebungstemperaturen von -10 bis 60 °C zu gewährleisten.

Referenzen

[1] Link Automobil Industrie (abgerufen am 9.3.2021)

[2] Testing done at AMD Embedded Software Engineering Lab. The AMD R-series Embedded SOC formerly codenamed "Merlin Falcon" scored 2399 and the AMD V-series V1807 scored 4978, when running 3dMark® 11P benchmark which measures GPU performance. (4978/2399=2.075) The AMD R-series Embedded SOC formerly called "Merlin Falcon" scored 273 and the AMD V-series V1807 scored 665 on Cinebench R15 nT which measures multi-threaded CPU performance. (665/273= 2.435). AMD Embedded R-Series RX-421BD used a AMD “Bettong” Platform, with a 2x8GB DDR4-2400 RAM, 250GB SSD Drive (non-rotating), TDP 35W, STAPM and ECC Disabled, Graphics Driver 17.40.2011-171026a-320350C-AES, BIOS RBE1306A. AMD Ryzen Embedded V-Series V1807B used the AMD “Dibbler” Platform with 2x8GB DDR4 3200 RAM, 250GB SSD Drive (non-rotating), TDP 35W, STAPM and ECC Disabled, Graphics Driver 17.40-171114a-320676E-AES-2-wRV-E9171, BIOS TDB1100EA. Both systems ran Microsoft Windows® 10 Pro. EMB-144.

[3] Testing done at AMD Embedded Software Engineering Lab on the Intel Core i3 - 7100U. The Ryzen 3 2200U was used to approximate the V1202B. The i3-7100U scored 254 and the AMD Ryzen 3 2200U scored 372 on Cinebench R15 nT benchmark which measures multi-threaded CPU performance. System Configurations: Intel Core i3-7100u: HP 15inch Notebook, i3-7100u with Intel® HD Graphics 620, 1x8GB DDR4-2133 RAM, 1 TB 5400 rpm SATA, Microsoft Windows 10 Pro, Graphics Driver 21.20.16.4627, BIOS F.07. AMD Ryzen 3 2200U: AMD “Mandolin” Platform, TDP 15W, STAPM enabled, ECC Disabled 2x4GB DDR4 2400 RAM, 512GB SSD Drive (non-rotating), Microsoft Windows 10 Pro RS3, Graphics Driver 23.20.768.0. EMB-147.

[4] Comparison is based on performance measured using the 3dMark® 11P benchmark. The AMD V-series V1807B scored 5618; the Intel Core i7-7700HQ scored 1783. The score for the Intel Core i7-7700HQ was measured using HP Omen with 8GB, Intel® HD 630 Graphics, 1x8GB DDR4 2400 RAM, 1TB 7200rpm HD, Microsoft Windows 10 Pro, Graphics Driver 21.20.16.4627, BIOS F.24. The score for AMD Ryzen Embedded V-Series V1807B was measured using the AMD “Dibbler” Platform, 2x8GB DDR4 3200 RAM, 250GB SSD Drive (non-rotating), TDP 45W, STAPM Enabled, ECC Disabled, Microsoft Windows 10 Pro, Graphics Driver 17.40-171114a-320676E-AES-2-wRV-E9171, BIOS TDB1100EA. EMB-146.

[5] The equation makes assumptions for clock and uses16-bit floating point operands. FLOPS = 11 CU * 4 SIMD/CU * 4Shaders/SIMD * 4 MAC/Pixel * 4 FLOPS/Cycle/ALU * 1300MHz = 3.661 TFLOPS. EMB-151.

* Korbinian Hacker ist Product Manager Automotive beim Industrie-Computer-Anbieter InoNet.

(ID:47267073)