图像处理项目硬件选型

简介: 【项目实战派】图像处理项目的硬件平台选型 一直以来我都对嵌入式系统比较感兴趣,因为感到图像处理最终还是要走向便携式、移动化的。这里讲自己对图像处理项目的硬件平台选型这块的想法进行交流,欢迎交流、批评。

【项目实战派】图像处理项目的硬件平台选型

一直以来我都对嵌入式系统比较感兴趣,因为感到图像处理最终还是要走向便携式、移动化的。这里讲自己对图像处理项目的硬件平台选型这块的想法进行交流,欢迎交流、批评。
一、典型图像处理系统构建
 ①相机与镜头——这部分属于成像器件,通常的视觉系统都是由一套或者多套这样的成像系统组成,如果有多路相机,可能由图像卡切换来获取图像数据,也可能由同步控制同时获取多相机通道的数据。根据应用的需要相机可能是输出标准的单色视频(RS-170/CCIR)、复合信号(Y/C)、RGB信号,也可能是非标准的逐行扫描信号、线扫描信号、高分辨率信号等。 
②光源——作为辅助成像器件,对成像质量的好坏往往能起到至关重要的作用,各种形状的LED灯、高频荧光灯、光纤卤素灯等都容易得到。  
③传感器——通常以光纤开关、接近开关等的形式出现,用以判断被测对象的位置和状态,告知图像传感器进行正确的采集。 
④图像采集卡——通常以插入卡的形式安装在PC中,图像采集卡的主要工作是把相机输出的图像输送给电脑主机。它将来自相机的模拟或数字信号转换成一定格式的图像数据流,同时它可以控制相机的一些参数,比如触发信号,曝光/积分时间,快门速度等。图像采集卡通常有不同的硬件结构以针对不同类型的相机,同时也有不同的总线形式,比如PCI、PCI64、Compact PCI,PC104,ISA等。
⑤PC平台——电脑是一个PC式视觉系统的核心,在这里完成图像数据的处理和绝大部分的控制逻辑,对于检测类型的应用,通常都需要较高频率的CPU,这样可以减少处理的时间。同时,为了减少工业现场电磁、振动、灰尘、温度等的干扰,必须选择工业级的电脑。   ⑥视觉处理软件——机器视觉软件用来完成输入的图像数据的处理,然后通过一定的运算得出结果,这个输出的结果可能是PASS/FAIL信号、坐标位置、字符串等。常见的机器视觉软件以C/C++图像库,ActiveX控件,图形式编程环境等形式出现,可以是专用功能的(比如仅仅用于LCD检测,BGA检测,模版对准等),也可以是通用目的的(包括定位、测量、条码/字符识别、斑点检测等)。
⑦控制单元(包含I/O、运动控制、电平转化单元等)——一旦视觉软件完成图像分析(除非仅用于监控),紧接着需要和外部单元进行通信以完成对生产过程的控制。简单的控制可以直接利用部分图像采集卡自带的I/O,相对复杂的逻辑/运动控制则必须依靠附加可编程逻辑控制单元/运动控制卡来实现必要的动作。
二、图像处理项目的硬件平台选型
常见的图像硬件平台和工具链包括
1、pc+mfc+opencv(或类似的商用软件);
2、arm+qt+opencv(或类似软件);
3、dsp+专用算法库;
4、fpga+专用算法库;
值得注意的一点是,opencv作为比较著名的开源算法库,在dsp和fpga( http://ec.eepw.com.cn/center/shownews/userid/38503/id/160095)上面都有移植的实现。
同时,android作为arm的分枝,随着手机已经成为人们日常生活中不可缺少的一个部分,所以手机方面的图像识别程序/应用程序有着非常巨大的竞争力, ios也是类似的
从价格上来说
x86工控机只需要几百元,小一千的价格就可以得到一个完整的电脑
dsp和fpga开发板,如果要能够用于图像处理的价格一般都比较贵,至少上千元。
三、小结
       最终的选择,还是应该根据项目的需要选择平台。所有的硬件最终都是支持需求实现的。对于图像处理来说,一般具有
1、主要功能单一,也就是说不需要丰富的控制资源;
2、算法复杂程度高;
3、实时性有一定程度的要求。
所以,我认为一般来说,选用x86工控机+mfc+opencv或者qt+opencv的形式应该就能够解决许多问题。基于这个平台进行做工作,选择出稳定的方便扩展的平台,能够支持许多未来的工作。



 



目前方向:图像拼接融合、图像识别 联系方式:jsxyhelu@foxmail.com
目录
相关文章
|
数据库
如何用消息系统避免分布式事务?
 前阵子从支付宝转账1万块钱到余额宝,这是日常生活的一件普通小事,但作为互联网研发人员的职业病,我就思考支付宝扣除1万之后,如果系统挂掉怎么办,这时余额宝账户并没有增加1万,数据就会出现不一致状况了。   上述场景在各个类型的系统中都能找到相似影子,比如在电商系统中,当有用户下单后,除了在订单表插
25420 2
|
机器学习/深度学习 算法 搜索推荐
手把手教你强化学习 (三)马尔可夫决策过程与贝尔曼方程
手把手教你强化学习 (三)马尔可夫决策过程与贝尔曼方程
758 0
|
传感器 存储 编解码
工业机器视觉系统相机如何选型?(理论篇—3)
工业机器视觉系统相机如何选型?(理论篇—3)
工业机器视觉系统相机如何选型?(理论篇—3)
【安装教程】【Visio2019】(附带安装包下载)
【安装教程】【Visio2019】(附带安装包下载)
5624 0
【安装教程】【Visio2019】(附带安装包下载)
|
6月前
|
机器学习/深度学习 边缘计算 PyTorch
PyTorch 与边缘计算:将深度学习模型部署到嵌入式设备
【8月更文第29天】随着物联网技术的发展,越来越多的数据处理任务开始在边缘设备上执行,以减少网络延迟、降低带宽成本并提高隐私保护水平。PyTorch 是一个广泛使用的深度学习框架,它不仅支持高效的模型训练,还提供了多种工具帮助开发者将模型部署到边缘设备。本文将探讨如何将PyTorch模型高效地部署到嵌入式设备上,并通过一个具体的示例来展示整个流程。
1117 1
|
机器学习/深度学习 语音技术 算法
|
9月前
|
机器学习/深度学习 人工智能 算法
图像识别:Python 与计算机视觉
在当今的数字时代,图像识别技术已经成为了许多领域的重要组成部分,包括计算机视觉、人工智能和机器学习等。Python 作为一种强大的编程语言,提供了丰富的工具和库,使开发者能够轻松地进行图像识别任务。在本文中,我们将探讨图像识别技术的基本原理,介绍一些常用的 Python 库,并通过一个简单的示例来展示如何使用这些库进行图像识别。
|
数据采集 编解码 开发者
案例分享:Qt多通道数据采集系统(通道配置、电压转换、采样频率、通道补偿值、定时采集、导出excel和图表、自动XY轴、隐藏XY轴、实时隐藏显示通道
案例分享:Qt多通道数据采集系统(通道配置、电压转换、采样频率、通道补偿值、定时采集、导出excel和图表、自动XY轴、隐藏XY轴、实时隐藏显示通道
|
编解码 算法 计算机视觉
YOLOU 集成超轻量化 YOLO 系列模型YOLO-Fastest v2,ONNX一键导出部署!(二)
YOLOU 集成超轻量化 YOLO 系列模型YOLO-Fastest v2,ONNX一键导出部署!(二)
1096 0

热门文章

最新文章