嵌入式机器视觉系统的三种实现方式

现有的大多数机器人，都采用单片机作为控制单元，以8位和16位最为常见，其处理速度较低，没有操作系统，无法实现丰富的多任务功能，系统的潜力没有得到充分的发掘和应用。随着科技的发展和更多业务需求的增长，嵌入式视觉系统也迎来了更多的挑战，比如功耗、复杂的算法、处理器的性能、更高的图像分辨率等，人们需要的是更加智能化的系统，嵌入式视觉系统是实现智能化系统重要的组成部分。 

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与其的差距也越来越小了，在功耗、成本和功耗方面大有超过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合适的处理器。

嵌入式视觉系统具有易学、易用、易维护、易安装等特点，可在短期内构建起可靠而有效的机器视觉系统，从而极大的进步了应用系统的开发速度。嵌入式视觉是机器人的一个极好解决方案，尤其是将相机集成到机器人的手臂上时。在机器视觉领域，典型的相机集成工作是通过GigE或USB接口实现的，这可以说是一种将相机连接到PC（或IPC）的即插即用解决方案。与制造商的软件开发工具包（SDK）一起使用，可以轻松访问相机，这一工作原理也可以迁移到嵌入式系统中。

在国内外研究中，嵌入式机器视觉系统实现方式主要有三种：

(1)基于标准总线，采用DSP作为运算和控制处理器的系统。DSP芯片虽然能够处理大量信息和高速运行，但其I/O接口单一，不易扩展，控制能力较弱，尚存在一定局限性。

(2)基于DSP+FPGA的机器视觉系统。FPGA与DSP的结合，可实现宽带信号处理，大大提高信号处理速度，但FPGA使用的是硬件描述语言，其算法开发具有很大的难度，功能实现由硬件控制，系统受环境影响较大。

(3)采用ARM微处理器或采用ARM+DSP构建方式的机器视觉系统，这种构建方式人机交互功能强大，集成度高、实时性好、支持多任务，但该系统中ARM与DSP的数据交换方法仍采用外部电路连接，增加了系统的不稳定性。

机器人视觉系统中就可看出嵌入式系统的强大功能与广阔应用领域。在当今数字信息和网络技术高速发展的后PC(Post-PC)时代，嵌入式系统已被广泛应用于移动计算平台(PDA、掌上计算机)、信息家电(数字电视、机顶盒、网络设备)、无线通信设备(智能手机、股票接收设备)、工业/商业控制(智能工控设备、POS/ATM 机)、电子商务平台、甚至军事应用等诸多领域，其前景无疑是令人非常乐观的。边缘计算需要各种设备协同工作以实现更高的效率。消费电子、工业和汽车行业正着眼于FPGA，助力构建灵活、智能学习的环境，将理想变为现实。