zynq中mgtx应用_ZYNQ7000性能分析

提到自动驾驶&＃xff0c;机器人视觉&＃xff0c;高清摄像机&＃xff0c;都要想到摄像头这个单元&＃xff0c;先前本侠也讲过一些FPGA应用在高清摄像头和机器视觉中的深度摄像头以及双目摄像头等&＃xff0c;FPGA在里面的作用主要是对采集的图像进行处理&＃xff0c;对图像的处理需要硬件有着很好的并行的性能&＃xff0c;那么它处理速度跟ARM的CPU比起来有没有优势呢&＃xff1f;本侠今天就带领各位一起来探索一下FPGA在边缘计算方面的应用。

提起计算速度&＃xff0c;我们首先能想到的是云计算。云计算有数不清的好处&＃xff0c;例如计算快&＃xff0c;计算数据的量大&＃xff0c;等等。但智者千虑必有一失&＃xff0c;没有云计算的厂家能够保证他能做任何的事情&＃xff0c;云计算也有自己的不足之处&＃xff0c;最大的不足就是计算的实时性不够高。例如&＃xff0c;在你把一些数据送到云端去进行处理的时候总会有一些延迟&＃xff0c;最难熬的莫过于等结果的时间。边缘计算需要很高的计算性能&＃xff0c;而且有着很高的实时性&＃xff0c;FPGA能够同时并行处理很多的事情&＃xff0c;既能满足数据处理速度的要求&＃xff0c;还能满足实时性的需求&＃xff0c;可谓是两全其美。今年在加利福尼亚的圣塔拉拉举行的嵌入式视觉峰会上展示了基于Aldec的TySOM-2-7Z100原型板的4摄像头ADAS模型&＃xff0c;如图.1所示。TySOM的性能很好&＃xff0c;主要是因为里面的核心的运算处理部件是Xilinx Zynq Z-7100的SoC。

图.1 TySOM-2-7Z100原型板

如图.2可以看到Zynq在TySOM板子中的位置&＃xff0c;为什么Zynq中的FPGA能够在边缘计算方面得到这么好的应用呢&＃xff1f;Zynq-7000可编程SoC将软件可编程的ARM处理器和硬件可编程的FPGA放到了一个芯片中&＃xff0c;能够实现数字分析的同时还能够实现硬件加速&＃xff0c;里面集成了CPU&＃xff0c;DSP&＃xff0c;ASSP和混合信号处理模块。图像处理所用的就是Zynq里面的FPGA模块。那么ARM核心在TySOM办卡中能够起到什么作用呢&＃xff1f;

Aldec的TySOM-2-7Z100原型板的良好的性能依赖于Zynq里面有着双核的ARM Cortex-A9处理器和一个FPGA逻辑。整个图像处理的过程是先从摄像头采集图像开始&＃xff0c;使用一个边缘检测算法(这里的边缘指的是对物理边缘的感知&＃xff0c;例如物体或者是巷子的边界线等)。这是一个计算密集的任务&＃xff0c;因为有上百万的像素需要经过计算。采集到的图像如果是在ARM CPU中进行处理的话每秒钟只能处理3张的图像&＃xff0c;然而在FPGA中每秒可以处理27.5张的图像&＃xff0c;可见在Zynq中FPGA有着举足轻重的作用。也就是说&＃xff0c;有了FPGA图像的处理速度有了将近10倍的速度的提升。

图.2 TySOM-2-7Z100板的正面图

有了高性能的核心处理芯片还不够&＃xff0c;还需要神通广大的外设接口来跟其他的设备进行交互。TySOM的设计能够兼容多达362个I/O的外设接口、16个GTX收发器、两个FMC-HPC可以支持扩展子卡的连接口。ARM CPU处理数据的时候需要的基本的标准接口例如DDR3 RAM&＃xff0c;USB和HDMI&＃xff1b;ARM核心还能够支持Linux的操作系统和其他一些类型的实时操作系统。不仅如此&＃xff0c;ARM的CPU有着1GB的DDR3 RAM能够让其进行支配&＃xff0c;可以支持扩展32GB的SSD存储空间。网络的交互可以通过RJ45接口经过Gigabit Ethernet PHY来实现&＃xff0c;还配备了4个USB 2.0的接口。大多数的FPGA的接口都通过两个FMC-HPC sockets接口来实现跟其他设备的交互。这样&＃xff0c;ARM核心和FPGA模块都能够和外界进行信息的交互。

自动驾驶正在如火如荼的进行中&＃xff0c;随着国家政策对自动驾驶的慢慢的认可&＃xff0c;相信对技术来讲是一件好事&＃xff0c;无论是硬件还是算法都会有自己的用武之地&＃xff0c;在智慧城市&＃xff0c;智慧生活的大环境下&＃xff0c;FPGA的发展也会随着潮流稳步的向前推进&＃xff0c;更好的去拥抱改变&＃xff0c;创造改变的机会。