嵌入式视觉

安富利"从复杂到明晰" 的新资源 简化了嵌入式视觉技术在实施中面临的难题

安富利亚太与自适应和智能计算的全球领先企业赛灵思公司合作,推出了一系列在全球提供的新资源,以消除新型嵌入式视觉技术和创新中的复杂性。"从复杂到明晰"这一资源将包含来自行业专家的内容和分析,以及覆盖全年的系列网络研讨会和多项活动,为采用安富利模块化系统(SOMs)和开发工具套件的设计师及开发人员提供广泛支持。

"安富利与赛灵思共同发布这项活动和丰富的相关资料,旨在为客户提供可靠的信息来源,从而消除嵌入式视觉及其应用的复杂性,并释放嵌入式视觉的全部潜力和能力,来创建新一代产品系统。"安富利亚洲供应商及产品管理总监钟侨海先生表示。 "让机器通过实时快速提取信息来'查看'­图像往往是一个复杂的过程,因为这将依赖于大量复杂的工具,如算法和图像处理。 安富利通过将赛灵思的产品集成到我们的设计套件和参考设计中,帮助客户简化设计工作和优化学习曲线,从而使其产品能更快地进入市场。"

嵌入式视觉技术
眼睛是心灵的窗户,对大部分人来说,视觉是最直觉的感官。但对机器而言,视觉涵盖极为复杂的作业,机器需要超凡的视觉才能将让人望而却步的新科技化繁为简。其实,基于视觉的系统在很多行业和应用领域中都已普及。

嵌入式视觉技术可实时在各种光线条件下从影像中快速撷取情报,帮助机器「看见」。其实,你每天都随时携带着一个嵌入式视觉系统——智能手机。智能手机中的智能设备不仅能够捕获图像和录制视频,而且还能执行增强现实的应用,这些都展示了嵌入式视觉技术是如何被普遍地广为接受。

高级驾驶辅助系统是嵌入式视觉的重点应用市场之一

在汽车领域,嵌入式视觉系统能让自动驾驶车避开斑马线上的行人,或避免撞到路边,反应速度更快,实现空前的效率。无人驾驶领域的嵌入式视觉市场规模预计在2021年将达到420亿美元。

全可编程技术如何掀起嵌入式视觉的革命

Xilinx Zynq UltraScale+MPSoC ZCU104 评估套件

ZCU104 评估套件可帮助设计人员为监控、高级驾驶员辅助系统 (ADAS)、机器视觉、增强实境 (AR)、无人机和医学成像等嵌入式视觉应用快速启动设计。该套件采用带视频编解码器的 Zynq® UltraScale+™ MPSoC EV 器件,支持嵌入式视觉使用案例的许多常见外设及接口。随附提供的 ZU7EV 器件配备四核 ARM® Cortex™-A53 应用处理器、双核 Cortex-R5 实时处理器、Mali™-400 MP2 图形处理单元、支持 4KP60 的 H.264/H.265 视频编解码器和 16nm FinFET+ 可编程逻辑。

主要性能和优势

  • 针对采用 Zynq UltraScale+ MPSoC 进行基于软件的创造性应用开发进行了优化
  • PS DDR4 4GB 组件 — 64 位
  • 集成型视频编解码器单元支持 H.264/H.265
  • USB3、DisplayPort 和 SATA
  • 一个 LPC FPGA 夹层卡 (FMC) 接口可进行 I/O 扩展
  • 经过优化,能够与支持 OpenCV 及机器学习库的 SDSoC/reVISION 开发环境配合使用
  • 嵌入式视觉应用中的机器学习

    作者:Nick Ni 和 Adam Taylor

    目前嵌入式视觉领域最热门的话题之一就是机器学习。机器学习涵盖多个行业大趋势,不仅在嵌入式视觉 (EV) ,而且在工业物联网 (IIoT) 和云计算中均发挥着极为显赫的作用。对不熟悉机器学习的人来说,很多时候机器学习是通过神经网络创建和训练来实现的。神经网络一语极为宽泛,包含相当数量的截然不同的子类别。这些子类别的名称一般用于识别被实现的网络的具体类型。这些网络均在大脑皮层上建模,在大脑皮层中每个神经元接收输入、处理输入并将其传达给另一个神经元。因此神经元一般由输入层、多个隐藏内部层和一个输出层组成。

    图1:简单的神经网络

    图1:简单的神经网络

     嵌入式视觉可划分为两个高级类别;感知环境和采取行动。视觉导向的机器人和无人机属于后面的采取行动类。

      在民用领域,目前无人机是商业、医疗、农业、广播和执法应用中最热门的话题之一。对许多这样的应用,无人机可提供显著的优势。在广播和执法领域,无人机能够以低得多的成本提供之前需要直升机才能提供的能力。无人机还能执行预订服务,例如,即将推出的 Amazon Prime (亚马逊贵宾会员) 交货服务,或者如乌干达偏远地区的医疗产品交货服务。在农业应用中,无人机能使用高光谱成像来判断作物的健康状况。而这些应用, 只不过是目前已经在使用或正在考虑使用无人机技术的广泛应用的冰山一角。

    农业无人机应用示例

    农业无人机应用示例

    作者:Sleibso ‎

    Aldec的一个应用工程师 Farhad Fallah 在 New Electronics 网站上发表的一篇题​​为“生活在边缘”的文章最近引起了我的注意,因为它简洁地描述了为什么 FPGA 对于许多高性能的边缘计算应用如此有用。以下是这篇文章的一个例子:

    “云计算的好处是多方面的......然而,云也有一些缺点,其中最大的缺点,是没有任何提供商可以保证100%的可用性。将数据发送到云进行处理时总会有一些延迟。你需要等待答案。边缘处理需要高性能,在这方面,FPGA可以并行执行多个不同的任务。”

    赛灵思高管分享四大技术趋势未来

    今天,赛灵思OPENHW2017教师峰会暨创新大赛决赛在新加坡科学技术大学举行。赛灵思亚太区高级副总裁兼亚太区总裁汤立人在会上分享了四大技术趋势。

    All Programmable SoC 进军制造行业

    作者:Aaron Behman 和 Adam Taylor

    制造领域为许多人提供了喜闻乐见的业余爱好,也激励着年轻人从事科学、技术、工程和数学方向的职业。这个领域的许多项目都使用嵌入式处理器(通常如 Arduino 或 Raspberry PI 系列),以提供系统所需的智能化。

      Arduino 和 Raspberry PI 这两大系列嵌入式处理器均得到开发环境的支持,为其提供多种软件库、模块和实例。这些软件库、模块和实例可帮助开发人员迅速方便地接口到各类型外设,如摄像头、加速计和电机等。正是这种易用性让这些处理器在制造领域倍受青睐。

      直到最近制造商都把 All Programmable SoC 排除在制造领域之外,认为它适用于更专业的工程师。但随着 ZynqBerry、Pynq 和 Snickerdoodle 等基于 Zynq® 的开发板的推出以及基于软件的开发方法的问世,这种情况已经发生根本性变化。

    作者:电子创新网 张国斌

    由于人眼只能看到 390nm(蓝光)至 700nm(红光)波长之间的可见光谱,但成像设备凭借各种传感器能捕获到更宽泛波长的图像,包括 X 光、紫外线、红外线以及可见光谱,因此基于成像传感器的嵌入式视觉成为先进最热门的技术之一,应用包括无人驾驶、无人机、机器人、医疗诊断等很多领域,现在,嵌入式视觉正结合了机器学习向自主智能视觉系统发展,但机器学习需要针对应用场景优化,且传统开发时间长,现在,FPGA领头羊赛灵思就放了一个大招,它推出的一个产品不但可以大大简化视觉导向机器学习,更可以提升视觉智能系统的响应时间,并实现软硬件可重配置。

    reVISION惊艳登场, Xilinx让视觉导向机器学习更简单!

    利用赛灵思器件上的INT8优化开发嵌入式视觉

    作者:Yao Fu、Ephrem Wu、Varun Santhaseelan、 Kristof Denolf、Kamran Khan 和 Vinod Kathail

    赛灵思 INT8 优化为使用深度学习推断和传统计算机视觉功能的嵌入式视觉应用提供最优异的性能和能效最出色的计算方法。与其他 FPGA DSP 架构相比,赛灵思的集成 DSP 架构在 INT8深度学习运算上能实现 1.75 倍的解决方案级性能。

    概要

    同步内容