近年来,随着摄像头传感器不断进行技术升级,智能互联网协议摄像头逐渐取代模拟摄像头,基于人工智能和深度学习的视频分析取得进展,FPGA 超出了基于视觉的系统所需的许多关键要求:出色的每瓦性能、低延迟、确定性和灵活性。结合英特尔® CPU,基于 FPGA 的加速器解决方案现在可用于下一代视觉基础设备的架构重新设计。
关于机器视觉
机器视觉是人工智能正在快速发展的一个分支。简单说来,机器视觉是用机器代替人眼来做测量和判断。除了数字图像采集和分析之外,机器视觉 (MV) 还可搭配使用高速摄像头和计算机来执行复杂的检查任务。客户可以将得到的数据用于模式识别、对象排序、机械臂控制等。FPGA 适用于 MV 摄像头,使设计能够适应各种图像传感器以及 MV 特定接口。FPGA 还可在边缘计算平台中用作视觉处理加速器,以利用人工智能深度学习的能力来分析 MV 数据。
当前,MV 的主要应用领域包括:
缺陷检测
计量
导航、零件跟踪和识别
光学字符识别和验证 (OCR/OCV)
模式识别
封装、产品、表面和网络检测
图片
英特尔® FPGA 在下一代的 MV 摄像头、抓帧器和视觉控制器中扮演着关键角色:
支持人工智能 AI 深度学习框架、模型和拓扑结构,以实施基于 FPGA 的卷积神经网络 (CNN) 推理加速器;
具有与多种类型的图像传感器和 MV 系统设备连接的灵活性;
快速处理以集成包含各种技巧(比如缺陷像素校正、gamma 校正、动态范围校正以及噪声抑制)的全图像传感器管道 (ISP) 知识产权 (IP)。
英特尔® FPGA 的优势
在机器视觉领域,英特尔® FPGA 的优势主要体现在性能、灵活性和互联三个方面。如下方所述,诸如英特尔® MAX®10、Cyclone® 和 Arria® 设备系列等 FPGA 能够帮助 MV 设计人员实现:
在抓帧器电路板上进行高性能图像预处理(使用 Camera Link 等协议),实现实时帧速率;
将实时功能集成到摄像头系统中,实现面向像素的增益控制、缺陷像素补偿,并扩大动态范围等等;
利用 FPGA 的灵活性支持不断演进的摄像头接口;
实施各种总线接口,比如 PCI*、PCIe*、Gbps Ethernet、USB、CoaxPress 等;
在单个 FPGA 上集成多种功能,如图像采集、摄像头接口、预处理和通信功能;
使用 SoC FPGA(例如 Cyclone® V SoC FPGA), 可以将您的图像信号处理管道与执行 ARM* A9 硬处理器系统的机器视觉算法相结合,构建完整的机器视觉片上系统;
使用 Mathworks* 的 Simulink 和 Embedded Coder 生成面向 Cyclone® V SoC FPGA 的 C/C++ 代码。与 HDL Coder 的英特尔® SoC 支持组合使用时,该解决方案可用于硬件/软件工作流,包括英特尔® SoC 上的模拟、原型设计、验证和实施。
应用案例
使用多个 GigE 摄像头的 GigE 视觉应用示例
图片
由 Pleora Technologies Inc. 提供
客户可以使用英特尔® MAX® 10 FPGA、Cyclone® IV、Cyclone® V 设备系列等 FPGA 实施 GigE Vision 应用,从而获取多项主要优势:
在单个 FPGA 设备上集成图像采集、摄像头接口、预处理和通信等功能。
随着产品的演进灵活支持各种摄像头接口和总线接口。
主板更小、组件数量更少、硬件重制最少,从而降低总体拥有成本 (TCO)。
FPGA 生命周期长,且轻松迁移至最新 FPGA 系列,从而降低产品过时风险。
使用英特尔® Cyclone® IV FPGA 的 Camera Link 示例
图片
Camera Link 是一种串行通信协议,旨在支持点对点自动化视觉应用。它基于 Texas Instruments*(前身为 National Semiconductor)的通道链路接口,经过扩展可支持通用 LVDS 数据传输。
如上图所示,客户可以利用 Cyclone® IV 和 Cyclone®V 设备之类的低成本 FPGA 来创建高性能的 Camera Link 应用,从而降低您的总拥有成本,并增加投资回报 (ROI)。如果您需要更高的性能,请使用英特尔® Cyclone® 10 FPGA、英特尔® Arria® 10 FPGA 或英特尔® Stratix® 10 FPGA。
联系我时,请说是在东莞机械网看到的,谢谢!