[实用新型]基于APU的嵌入式机载机器视觉硬件平台

说明书

本实用新型公开了一种基于APU的嵌入式机载机器视觉硬件平台,其特征在于包含基于AMD嵌入式R系列SOC的标准COMe模块、基于ZynqUltraScale+MPSoC的标准XMC模块和视频采集底板；视频采集底板上设有用于接收外部视频数据的视频采集接口；标准XMC模块为运行嵌入式Linux图形图像预处理软件提供硬件平台，通过XMC连接器与视频采集底板进行数据传输；标准COMe模块为运行嵌入式Linux图形图像处理软件提供硬件平台，通过COMe连接器与视频采集底板进行数据传输。本实用新型构建了一套可以满足深度学习、目标跟踪、目标识别等需求的基于OpenCL标准异构计算平台。

技术领域

本实用新型属于图像处理技术中嵌入式优化技术领域，为机载图像处理应用提供底层硬件支撑。构建一套可以满足深度学习、目标跟踪、目标识别等需求的基于OpenCL标准异构计算平台。

背景技术

现在主流的GPU生产商是NVIDIA、AMD、高通、ARM。NVIDIA发布的CUDA架构彻底摒弃了以往图像编程的API，使得GPU在更广泛的领域得以应用。但是利用CUDA实现的算法只适用于NVIDIA显卡GPU，这种编程框架使得编程受制于硬件平台的制约。不同的平台搭配不同的编程框架，当一个程序开发人员需要换一个平台进行应用程序开发时，不得不重新学习一套新的编程方法和相应API，这使得GPU的开发重复低效且缺乏可移植性。而且NVIDIA作为显卡厂商，为了保证更大的利润，产品只以板卡形式出售，通过正规渠道无法购买到芯片去做灵活的嵌入式设计，芯片购买渠道不稳定，例如最新的TX1/TX2只能购买模块来使用，同时宽温的芯片需要分销商去筛选，导致成本增加，并不适合在工业级要求等环境领域使用。具有跨平台特性的开放式并行编程语言OpenCL的出现为解决此问题提供了契机，利用OpenCL设计的并行算法能在AMD、高通、ARM、NXP等公司的GPU间移植，该特性使得经过OpenCL优化的算法能够摆脱对硬件平台的依赖。

由此可见OpenCL建设的必要性，使用OpenCL实现深度学习应用的主要投入在于，从CUDA到OpenCL的移植，在嵌入式平台上算法的优化。以人工智能、图像处理为切入点，开发新一代智能工业图像信息应用平台，满足工业高安全应用的项目需求，积极争取机器视觉相关市场，搭建起一套机载通用的图像处理平台，后期可将该平台推往民用工业应用市场，具有较大的市场前景。

发明内容

本实用新型的发明目的在于提供一种基于APU的嵌入式机载机器视觉硬件平台，可以满足图像处理过程中深度学习、目标跟踪、目标识别等需求。

本实用新型的发明目的通过以下技术方案实现：

一种基于APU的嵌入式机载机器视觉硬件平台,包含基于AMD嵌入式R系列SOC的标准COMe模块、基于ZynqUltraScale+MPSoC的标准XMC模块和视频采集底板；

所述视频采集底板上设有用于接收外部视频数据的视频采集接口；

所述标准XMC模块为运行嵌入式Linux图形图像预处理软件提供硬件平台，通过XMC连接器与视频采集底板进行数据传输；

所述标准COMe模块为运行嵌入式Linux图形图像处理软件提供硬件平台，通过COMe连接器与视频采集底板进行数据传输；

所述标准XMC模块与标准COMe模块之间通过PCIe总线通信。

附图说明

图1基于APU的嵌入式机载机器视觉硬件平台的结构示意图。

图2为运行在嵌入式机载机器视觉硬件平台上的软件框架示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。