车辆互联网
计131 （10131664）江鼎
摘要：车辆互联网（IoV）是移动互联网和物联网的必然趋势。它包括所有新的和当前的车辆，或者与双向RF设备集成。它是一种包括信息通信，环境保护，节能和安全的融合技术。为了在这个新兴市场取得成功，获得核心技术和标准将是确保战略优势的关键。
1介绍
NIKLAUS EMIL WIRTH介绍了创新理念：编程=算法+数据结构。受到这种模式的启发，我们将其提高到一个新的水平我们将此提升到另一个层次，即设计=算法+结构。
传统的设计方法通常基于一系列连续阶段：完全指定算法的理论研究，算法到所选架构的映射，性能的评估和最终实现。然而，这些简单的设计过程不再足以应对视频设计挑战的增加需求。传统的顺序设计流程产生了该架构的算法的独立设计和开发。然而，随着每个年代的变迁，算法和系统平台的复杂性不断增加，传统设计中的这些顺序步骤导致产生高效的算法，但是却没有能够移植的平台（平台不实际），因为处理能力不能被新开发的算法有效地利用。因此，将无法避免地观察到两个先前自主的算法开发和架构开发的无缝编织。
随着即将到来的视觉系统中的算法变得更加复杂，数字视频技术中的许多应用必须部署有具有不同性能水平的不同简档。图1是基于定性复杂度分析对视觉计算算法的频谱排序。
如图1所示，因为它们连续地提供更好的视觉质量，未来的视觉计算算法将具有更好的内容自适应性，扩展的时间信息的使用，并且进一步增加图像序列的物理尺寸和分辨率。最近和未来视频编码标准，如MPEG编码方式将继续专注于更好地适应于内容并且在运动估计中更精细的视频编码工具，用于产生更大复杂度和更精确的运动补偿模型。此外，图像序列大小的增加，从标准清晰度到高清晰度（HD）及以上也会在将来的视频编码标准中得到开发。
类似地，视频处理算法（诸如运动自适应去交错器，扫描速率转换器和其它格式转换器）的复杂性也通过研究上述三个复杂特征来表征。用于高清晰度视频处理的内容自适应算法，诸如基于来自周围邻居的纹理内容的在缩放器，用于越来越高清晰度视频处理技术的运动补偿和内容感知算法也将在未来实现。
除了是内容自适应的，计算机视觉算法甚至更复杂，因为它们是内容感知的，因为添加了所需的认知能力。计算机图形算法是高度计算密集的：一些图形算法，例如实时渲染，需要大量的处理能力，并且当使用许多非常复杂的图形时，可视化图形内容是一种可行的算法。对图形处理单元的处理能力的近期演变（GPU）是一个很好的案例，图形算法需要不断增加的计算能力，提供更好的用户体验。
半导体和架构设计技术的快速和持续改进已经在系统架构和平台中产生了提供针对不同应用的高级视觉计算算法的创新。每个应用程序都具有通用性要求，可以折衷每单位硅面积的性能（性能/硅面积），使用灵活性，算法变化和功耗。算法的常规实现通常放置在两个架构极端：纯硬件或纯软件。
虽然应用专用集成电路实现算法提供最高速度或最佳性能，然而这是通过平衡灵活性来实现的。单芯片处理器或CPU上的纯软件实现是最灵活的，但是需要
较高的功率开销并且产生较慢的处理速度因此，还引入了诸如指令集数字信号处理器和专用指令集处理器的几种其他类型的架构（图2）。我们认为并将展示嵌入式多核处理器和可重构架构将成为在视觉计算算法用于多功能视觉系统的架构中的领先趋势。
因为视觉算法变得越来越复杂，关键就是如何成功地将它们映射到对于多功能应用最佳的平台上是未来的设计方法。上述顺序设计流程可以提供非常复杂并且因此不能实现的优秀视觉算法，或者可以仅在具有有限应用的系统平台上由于其差的视觉质量而使用。因此，考虑到未来，我们引入了算法/架构共同探测的概念，它现在是一个领先的范式。
算法和架构优化的并发探索包括提取具有架构特征的算法的复杂性度量，以及数据流模型，产生针对目标应用的平台上的最佳映射。重要的是要注意，在计算机算法的复杂性分析中使用的传统生长顺序是不够的，因为它基于理想的随机存取机，其仅仅是广谱平台内的单个点或平台（图2 ）。因为当代和未来的平台超出了纳米级范围，我们讨论的复杂性测量提供了算法的内在复杂性的量化测量，用于设想未来系统架构和平台的范围或频谱。
此外，许多复杂的算法，如那些难以实现的计算机视觉现在可以通过本文中讨论的更好的数据流表示建模，从而使之实现。
2高级视觉计算算法的多功能应用数字视频技术通过为用户提供许多享受媒体内容的新方式，大大改变了我们的日常生活。现在不仅由传统内容创建者（例如，工作室和广播公司），而且由用户自己创建大量视频内容，用户自己（他们过去仅仅是内容创作的最终用户）。如果没有先进的数字视频技术，新创建的对象和服务[例如用户创建的内容，个人广播，视频电话和互联网协议电视（IPTV）]将不存在。
最近数字媒体发展的核心是视觉计算技术，包括视觉信息的采集，表示，操纵，分析，合成，分发和再现。视觉计算从图像和视频处理，计算机视觉，计算机图形学和可视化的各个领域出现。数字视频设备之间的互操作性对于加速视觉计算技术的发展至关重要。这种互操作性通过在视觉内容处理的每个阶段支持通用格式成为可能。
本节针对四个领域的新兴应用程序调查高级视觉计算算法：视频编码，视频处理，计算机视觉和计算机图形学。
A.视频编码
由国际标准化组织（ISO）和国际电信联盟等国际标准化组织制作的视频编码标准为在不同应用中培养普通视频格式奠定了良好的基础。在现有的视频编码标准中，MPEG格式MPEG-1被用在视频CD播放器中以代替盒式录像机。 MPEG-2是最成功的视频编码标准：它服务于许多应用领域，包括数字电视，DVD，卫星/有线广播和高清晰度电视。 MPEG-4高级视频编码（AVC）/H.264现在是最先进和最高性能的视频编码标准; MPEG-4用于诸如数字视频广播/数字多媒体广播和IPTV的新兴媒体应用中。目前，MPEG-4 AVC / H.264甚至通过竞争诸如HD-DVD 的现有视频应用来挑战其前身MPEG-2。
近来，MPEG已经开发了几种新的编码标准，诸如可伸缩视频编码（SVC），多视图视频编码（MVC）和可重构视频编码（RVC）[5]。 SVC和MVC标准基于MPEG-4
