A-B罗克韦尔1786-RPFM模块 诚信经营 质量可靠
1756-A10 1756-A13 1756-A17 1756-A4 1756-A7 1756-BA1 1756-BA2 1756-BATA | 1756-IF16 1756-IF16H 1756-IF8 1756-IF8H 1756-IF8I 1756-IF6I 1756-IF6CIS 1756-IT6I
| 1794-IM16 1794-IM8 1794-IR8 1794-IRT8 1794-IT8 1794-IV16 1794-IV32 1794-OA16
| 1756-HSC 1756-IA16 1756-IA16I 1756-IA32 1756-IB16 1756-IB16D 1756-IB16I 1756-IB32
|
1756-CN2 1756-CN2R 1756-CNB 1756-CNBR 1756-DHRIO 1756-DNB 1756-EN2T 1756-EN2TR 1756-EN3TR 1756-ENBT 1756-ENET 1756-EWEB | 1756-IR6I 1756-IR12 1756-IRT8I 1756-IT6I2 1756-IM16 1756-L61 1756-L62 1756-L63 1756-L64 1756-L65 1756-L71 1756-L71S
| 1756-M03SE 1756-M08SE 1756-M16SE 1756-N2 1756-OA16 1756-OA16I 1756-OB16D 1756-OB16E 1756-OB16I 1756-OB32 1756-OF4 1756-OF8
| 1756-BATA 1756-CNB 1756-IC16 1756-IB16 1756-IB32 1756-IF16 1756-IR61 1734-ACNR 1734-ADN 1734-AENT 1734-AENTR 1734-APB
|
1756-TBS6H 1756-TBSH 1757-SRM 1746-N2 1746-NI16I 1746-NI4
| 1756-PA75R 1756-PB72 1756-PB75 1756-RM 1756-IB16 1746-IV32
| 1756-OF8I 1756-OW16I 1756-PA72 1756-PA75 1794-OA8 1794-OA8I
| 1746-IA16 1746-IB16 1746-IB32 1746-IM16 1746-IO12DC 1746-ITB16 |
A-B罗克韦尔1786-RPFM模块 诚信经营 质量可靠
把一个相机连接到一台边缘计算机/嵌入式计算机上,然后在云端进行数据处理或存储——这就是“边缘视觉”的概念。近年来,边缘视觉正被广泛应用于自动化产线质检、汽车图像采集和智能工厂等场景中。
伴随着人们对图像质量的要求提高,以及视觉传感器技术突飞猛进的发展,现场产生海量和庞大数据,也给视觉数据的边缘传输和上云带来了严峻挑战。
01 亟待攻克的带宽限制瓶颈
在工业视觉领域,整个行业都在追求更多像素、更高帧率、更高的空间以及时间分辨率。然而,很多用户会反馈1 GigE相机的一个输出已经不够用,只能连接到PLC,急需相机有更多输出通道,以便将图像数据传输到云服务器。
如上图所示,棕色的点是图像传感器,点连接的线代表行业中常见的典型接口(如PCIe 3.0是蓝线,CoaXPress v2 x4是红线)。可以发现,当图像传感器高于某条线时,该接口的带宽就已经不够去传输该图像传感器的数据了。
现如今,图像传感器取得了巨大进步,市面上有很多图像传感器,带宽速度比10GigE、CoaXPress v1快很多,甚至比100千兆接口更快,能提供一万帧、1亿或更多像素和速度远高于150GB/s的带宽。虽然接口取得了一些进步,带宽速度越来越快,但挑战仍然存在——即使有链接聚合也很难能跟上传感器的发展速度,电脑的GPU和CPU性能也远远落后于其他领域。
想要解决这个问题,如果用高分辨率的高速传感器,也将面临很多瓶颈。比如摄像头接口、GPU和CPU的桥接接口、CPU的负载或处理能力,以及计算机上送云端的带宽,往往在好的情况下才能达到1G。
此外,如果现场有多个摄像头,情况会变得更糟。假如有多个10GigE相机、CoaXPress或100 GigE相机,以100 GigE相机为例,速度大概是96千兆比特乘每秒以摄像机的数量。但大多数情况下,用户电脑的大带宽接口PCIe 3.0,其带宽也只有48千兆比特每秒,远远无法满足需求。
02 用图像采集卡压缩预处理
面对这个困境,用户常见的解决方案是在多摄像头和CPU架构之间放置一个图像采集卡,用于压缩以及预处理。例如从图像提取一定区域的ROI,即可减少总数据带宽。
然而,在实际应用中,用户对图像采集卡的需求还有许多:
■ 通常需要高带宽的相机接口、多相机接口、超高精度的同步,以及可定制的IOs来控制外围设备;
■ 在处理过程中,需要能够实时并行处理,并且需要低延迟、有一个大的DRAM,从而计算复杂的算法,需要很多个千兆比特每秒的内存访问带宽;
■ 对系统开发人员而言,图像采集卡需要满足灵活、易于使用的要求。为保障开发便捷性,开放的FPGA也必不可少,可以将一些特定IP放在图像采集卡上,通过集成开发环境实现快速的算法和方案开发;
■ 与此同时,用户对于系统集成的紧凑设计和被动冷却性能,也提出了更严苛的要求...
03 可靠的一体化边缘视觉解决方案
能否能将图像采集卡和计算机很好地合二为一?虹科的HK-Gidel FantoVision 40给出了答案。
这是一款开创性的小型计算机,可与高达4 x 10GigE Vision或 4 X CoaXPress 2.0相机连接进行图像采集和处理。创新架构将高端图像采集与实时图像处理和/或压缩相结合,使用Nvidia Jetson 嵌入式计算机,并在Intel Arria 10 FPGA上进行可选的预处理/压缩。
HK-Gidel FantoVision的另一个显著特点,是其开放式体系结构支持GPU和FPGA上的嵌入式AI/图像处理。软件工程师可以使用CUDA C/C++和NVIDIA的库,在GPU上编写算法。此外,使用新颖的ProcVision套件,在FPGA上开发和部署可选的预处理块,既简单又快速。
该产品的多个HK-Gidel FantoVision单元可以相互连接,可提供独特且可扩展的拓扑结构。使用InfiniVision 开放式框架抓取器流程,100多个传感器可同步处理。
现如今,HK-Gidel FantoVision为高带宽、低延迟应用的新型紧凑、经济高效、可扩展的视觉和成像解决方案开辟了道路。尤其适用于需要高分辨率、高速度的交通监测、面板检测等场景。
例如交通检测应用中有多个摄像机在拍摄高分辨率图像,HK-Gidel FantoVision 可以通过图像采集卡提取ROI区域甚至是车牌,在GPU上布署算法做车牌识别,后将识别的车牌号码传到云端上,从而不需要很多带宽。
虹科是智能感知与机器视觉领域的资源整合及技术服务落地供应商,多年来为用户提供图像采集卡、FPGA图像处理、高带宽图像采集等服务,以及深度AI相机、视觉相机和图像采集等解决方案。目前,虹科已经陆续在国内完成了多家一线公司的汽车图像采集、AOI、晶圆半导体检测、原料体积监测、高端机器人图像处理、智能巡检、工件质量识别等项目。
A-B罗克韦尔1786-RPFM模块 诚信经营 质量可靠