用OpenCV和Vivado HLS加速基于Zynq SoC的嵌入式視覺應用開發

處理子系統、FPGA邏輯和外設在Zynq SoC中的高度集成能確保相對于采用分立式組件設計而成的系統而言提高數據傳輸速率，降低功耗和材料清單成本。我們能用Zynq SoC實現實時處理支持1080p60視頻序列(1,920 x 1,080 RGB圖像，每秒60幀)的系統，達到每秒數千億次運算的處理功能。

　　為了全面利用Zynq SoC的諸多功能與特性，賽靈思推出了以IP和系統為中心的設計環境Vivado™設計套件。該套件可加速集成和實現，從而可幫助設計人員提高開發生產力，進而動態開發出Smater嵌入式產品。Vivado HLS作為該套件的一個組件，能幫助設計人員將采用C/C++語言開發的算法編譯為RTL，以便在FPGA邏輯中運行。

Vivado HLS工具非常適用于嵌入式視覺設計。在此流程中，您用C/C++創建您的算法，再用Vivado HLS將算法或算法的一部分編譯為RTL，進而確定哪些函數更適合在FPGA邏輯中運行，哪些函數更適合在ARM處理器上運行。這樣，您的設計團隊就能集中精力打造出最佳性能的基于Zynq SoC的視覺系統。

加速算法C到IP集成

ZYNQ SOC：嵌入式視覺的最明智的選擇

　　在開發機器視覺應用過程中，設計團隊必須選擇高度靈活的器件，這一點至關重要。設計團隊所需的計算平臺應提供強大的通用處理功能，以支持多種不同的軟件生態系統，此外還要有穩健可靠的數字信號處理功能，以便實現計算強度高、存儲高效的計算機視覺算法。芯片的高度集成對實現高效、完整的系統至關重要。

　　圖2  高層次綜合設計流程

　　為了進一步幫助嵌入式視覺開發人員創建Smarter Vision系統，賽靈思在Vivado中增加了對OpenCV計算機視覺算法庫的支持。賽靈思還推出了最新IP Integrator工具和SmartCORE™ IP以支持此類設計。

OPENCV推廣計算機視覺技術

OpenCV開辟了一條開發智能計算機視覺算法的途徑，而且能預測實時性能。該庫為設計人員提供了用于算法試驗和快速原型設計的環境。

OpenCV設計框架得到多平臺支持。不過在許多情況下，要提高庫對嵌入式產品的效率，就需要在嵌入式平臺上實現，而且該平臺要能夠加速高強度例程，滿足實時性能要求。

　　雖然OpenCV在設計時就考慮到計算效率問題，不過它源自傳統計算環境，可支持多核處理。這種計算平臺或許對高度強調效率、成本和功耗的嵌入式應用來說并不是最佳選擇。

OPENCV的特性

OpenCV是一款基于BSD許可證授權發行的開源計算機視覺庫，這就意味著它可免費用于學術和商業應用中。它最初設計旨在提高通用多處理系統的計算效率，側重于實時應用。此外，OpenCV還提供C/C++和Python等多種編程接口。

　　開源項目的優勢在于，用戶能持續改進算法，并將算法擴展用于多種不同應用領域。目前用OpenCV可現實2,500多種功能，其中包括：

• 矩陣數學

• 公用設施和數據結構

• 通用圖像處理功能

• 圖像轉換

• 圖像金字塔

• 幾何描述符函數

• 特性識別、提取和跟蹤

• 圖像分割與擬合

• 攝像頭校準、立體化和3D處理

• 機器學習：檢測、識別

　　圖3 OpenCV算法庫開發的運動檢測應用實例