当前位置: 首页 > news >正文

产品升级 | 新一代高性能数据采集平台BRICK2 X11,助力ADAS与自动驾驶开发

随着ADAS(高级驾驶辅助系统)和自动驾驶(AD)开发中对数据采集与处理的需求日益增长,高性能硬件的重要性愈发凸显。

为此,康谋正式发布了其BRICK系列的最新产品——BRICK2 X11,作为BRICK2的直接升级版本,这款数据采集平台集成了强大的数据记录与计算能力,旨在满足行业对高可靠性和灵活性的需求。

一、高性能核心与模块化设计

BRICK2 X11的核心是全新的COM Express®模块COMe bTL6-H,搭载工业级Intel® Xeon®处理器,不仅显著提升了性能,还能在苛刻环境下长期稳定运行。其模块化架构支持灵活扩展,例如通过PCIe GPU Add-On或SPC Add-On,用户可集成两块x8-PCIe 3.0扩展卡,满足多样化需求。

未来,康谋还计划推出更多扩展模块,以支持更多原始数据接口的直接集成。

二、适应严苛环境的可靠性

BRICK2 X11采用主动冷却的封闭式散热片外壳设计,可在-20°C至+60°C的宽温范围内稳定运行。其开放式系统架构支持Windows或Linux操作系统,提供多种部署选项,既可作为集中式采集也可作为分散式的采集系统,为ADAS和AD组件的验证提供更多可能性。

三、精准同步与智能管理

与康谋其他产品一样,BRICK2 X11通过IEEE 802.1AS多域标准与专有XTSS解决方案实现精准时间同步。此外,智能 I/O 驱动接口 (SIODI) 允许用户实时监控、管理和调整系统参数,为定制化系统的配置提供了关键工具。

四、认证与发布

BRICK2 X11已通过CE、FCC、VCCI、ICES、RoHS和REACH认证,该产品已于2025年ADAS & Autonomous Vehicle Technology Expo(斯图加特)首次亮相,现正式上市


我是分享自动驾驶技术的康谋,欢迎关注互动~
自动驾驶数据采集平台 - 自动驾驶数采设备 | 传感器数据采集 | 高带宽数据采集 | ADAS数采模块 | 康谋科技康谋BRICK系列具备高带宽的数据采集、处理和记录功能,可以非常灵活地集成到传感器和ECU的开发和验证系统中,有效应对庞大的传感器数据量和存储成本挑战。BRICK支持XTSS时间同步服务,可广泛配置和即插即用,同步精度高达100ns以内。我们提供丰富的拓展接口和多种存储方案,您可以根据自身需求和实际使用情况来进行配置。https://keymotek.com/data-harvesting-and-analysis/?sessionid=1567905987

http://www.dtcms.com/a/244351.html

相关文章:

  • 【AI】模型vs算法(以自动驾驶为例)
  • RPA与Agent技术如何结合,以实现跨系统、跨平台的工作流程自动化?
  • 本地docker部署的dify,不用git命令如何无损升级?
  • Redis分布式缓存(RDB、AOF、主从同步)
  • ArcGIS中坐标系一致但图层无法重叠问题解决
  • JavaWeb期末速成
  • 一套基于Apple watch电话手表包含150个覆盖商务、健康、爱好、定位、时钟、挂件的移动端UI界面的psd
  • GoldenDB简述
  • Vue ⑧-Vue3 | 组合式API
  • 产业园如何精准招商?
  • 【Pandas】pandas DataFrame notna
  • DAY 46 超大力王爱学Python
  • RFID测温芯片在新能源电池管理中的创新应用
  • 电路图识图基础知识-行程开关自动往返运行控制电路详解(二十三)
  • 人工智能新纪元:技术融合驱动产业深变的五大路径
  • 水利水电安全员考试真题中,有哪些易错易混淆的知识点需要重点关注?
  • window 显示驱动开发-创建视频处理设备
  • 【Java】【力扣】121.买卖股票的最佳时机
  • 【leetcode】125.验证回文串
  • Spring Boot 3 集成 MyBatis 连接 MySQL 数据库
  • Unity 服务器交互开发指南
  • 【第一章:人工智能基础】02.数据处理及可视化-(3)可视化工具与技术
  • java实现RabbitMQ消息发送和接收功能(包含测试)
  • 代码随想录训练营二十六天| 654.最大二叉树 617.合并二叉树 700.二叉搜索树的搜索 98.验证二叉搜索树
  • ttyd:安全地通过网络共享您的 Linux 终端
  • 上传一个新菜谱-第一部分
  • 深入解析Docker网桥模式:从docker0到容器网络的完整通信链路
  • 人机交互设计知识点总结
  • 控制器轨迹生成
  • 如何设计一个用于大规模生产任务的人工智能AI系统