最适合嵌入式视觉应用的处理器

我们目睹嵌入式视觉技术爆炸式增长的一个原因是嵌入式视觉处理器的尺寸不断缩小。嵌入式视觉所需的算法非常需要处理器的资源。速度、带宽和吞吐量必须与成本和功耗仔细平衡，以创建适合嵌入式视觉的处理器。

我们的社会比以往任何时候都更具流动性。消费者也希望技术具有移动性。像手机这样的电池供电设备只有在电池电量足够的情况下才能使用嵌入式视觉。另外，你的设备内部的空间是有限的。制造商不得不把处理器做得越来越小，这样你就可以带着嵌入式视觉一起上路了。

嵌入式视觉应用的处理器类型

计算机视觉技术通常使用中央处理单元(CPU)和图形处理单元(GPU)。制造商已经意识到，需要专门为深度学习算法设计的处理器，并提供更高的效率。当这些处理器与强大的传感器技术配合使用时，可以做得更小。

图形处理单元可以提供大量的并行计算。它们特别适合处理精确到单个像素的视觉数据。通用gpu (gpgpu)也经过优化，在提供高性能的同时降低功耗。

现场可编程门阵列(fpga)在嵌入式视觉应用中越来越受欢迎。fpga具有非常低的延迟级别。它们本质上是算法和硬件的融合。它们具有较低的功耗要求，并且可以同时加速计算机视觉管道的多个部分。

嵌入式视觉处理器架构

有几种设计有助于将嵌入式视觉植入日常设备。一种是片上系统(SoC)架构。在这里，CPU、GPU、接口控制器，通常还有更多，都在一个芯片上。您的移动设备制造商对soc的开发非常感兴趣。

另一种体系结构称为模块上系统(SoM)设计。som包括soc，但也添加了RAM(随机存取存储器)、电源管理和总线系统。载波板可以增加电源连接和其他连接。这是一个你可能会在你的制造工厂的生产线上看到的设计。

还有一些架构需要考虑。单板计算机(SBC)本质上是一个SoM与一个载波板组合在一起。sbc成本低，但不容易针对特定应用进行定制。另一种架构是完全定制的设计。这些设计最常用于高度特定的应用，以降低成本。

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。