首页 > 新闻中心> 广州校区 >正文

学习嵌入式系统怎么样?嵌入式培训靠谱吗?

更新时间: 2018-12-03 14:31:03来源: 嵌入式培训

    随着处理效能、内存密度和系统整合度的提升,嵌入式视觉逐渐扩增到新兴应用领域,市场规模在十年内必有显著增长。而伴随着应用领域越来越多元化,嵌入式视觉系统有没有面临怎样的挑战?那就是随着粤嵌小编一起去了解吧。

    所谓嵌入式视觉系统包含从所选的影像传感器接收光子到系统输出的整个讯号链。从接收端的影像中撷取处理或未处理的影像或信息,并提供予下游系统,为嵌入式系统架构师则负责根据系统要求确保接收到输出过程的效能。

    首先,我们必须熟悉电磁波谱及期望肉眼可辨识的范围仅390nm(蓝光)至700nm(红光)波长间的光谱,亦为可见光谱;而根据选用影像设备的不同,我们却能捕捉到更广泛的波长影像包括X光、紫外线、红外线以及可见光谱。
    针对近红外光及以下的光谱范围,我们可以选用电荷耦合组件(CCD)或互补金属氧化物半导体(CMOS1)影像传感器(CIS);到了红外光谱范围,则须使用专用的红外光检测器。红外光谱之所以需要专用的传感器,部分原因在于芯片影像传感器如CCD或CIS需要激发能。这些组件通常需要1eV的光子能量来激发一个电子,然而在红外光谱范围,光子能量介于1.7eV至1.24meV之间,因此红外影像传感器应基于HgCdTe或InSb。这些低激发能的传感器,经常与CMOS的读取IC(ROIC)配合使用,以利传感器的控制与读取。
    最常见的两种传感器技术分别是CCD 和CIS:
    电荷耦合组件(CCD)被视为最好的仿真组件,因此若需与数字系统整合,就需要在一定的模拟电压下外加ADC及频率生成功能。每个像素储存由光子产生的电荷,且多数的应用是由2D数组排列成行,每行由多个像素组成。读取CCD时,需透过行与行之间的传输,将每行平行传递到读取缓存器, 再透过读取缓存器将每行串行读取。这个缓存器的读取过程中,会将电荷转换为电压。
    CMOS影像传感器能让ADC、偏压和驱动电路在同一个芯片上做更紧密的整合,可大幅降低系统对整合的需求,并同时提高CIS设计的复杂度。主动像素传感器(APS)是CIS的核心,其中与CCD的不同在于CIS的每个像素中同时包含一组光电二极管及读取放大器,并能单独读取数组中的任一个像素。
    尽管多数的嵌入式视觉皆采用CIS组件,但CCD仍是高端科学研究应用领域中主要采用的传感器。
    作为系统的输入CMOS和CCD是目前图像采集采用的两种领先技术,CCD能够提供更高的图像质量,但是经过过去10年的发展CMOS与其的差距越来越小,在功耗和成本方面大有超过CCD之势。此外很多应用都需要高效的并行处理系统,因此需要采用专用的硬件处理器比如GPU、DSP、FPGA和多核(mulTI-core)SoC,但是这无疑会增加系统的成本、功耗和PCB尺寸等,因此一款经济高效的处理器也是行业所需。当然在实际应用中我们要根据系统的实时性能、功耗、图像精度和算法复杂度来选择适合的处理器。
    为了协助用户搭建自己的嵌入式视觉平台和产品,Xilinx联盟合作伙伴Avnet(安富利)推出了一系列视觉应用解决方案,比如PicoZed嵌入式视觉开发套件,其中,PicoZed SoM集成的是Xilinx Zynq-7030 All Progammable SoC,此外还包括PicoZed扩展板卡V2.0、HDMIFMC扩展板卡(集成摄像头接口)和一个python-1300-C SXGA(1280x1024)摄像头模块。
    这款PicoZed嵌入式视觉开发套件fiche适合开发技巧视觉应用,除了硬件、软件工具和丰富的授权IP核资源,它还支持reVISION Stack技术栈,reVISON Stack包括丰富的设计资源,比如算法、硬件加速OpenCV函数库以及目前流行的神经网络训练数据集。嵌入式视觉系统还在不断的发展,在各大产商和工程师们的努力下将会突破各种瓶颈,在集群视觉、人工智能、物联网和工业自动化等领域获得更多的应用。
    面临瓶颈和挑战并不可怕,可怕的是原地踏步,没有向前发展。伴随着技术的发展,嵌入式视觉系统越来越多元化。

免费预约试听课

推荐阅读