OpenVX嵌入式图像处理(一)硬件平台及软件介绍.docx

"OpenVX嵌入式图像处理" 知识点一：硬件选择 * ARM、DSP、FPGA、GPU 四者各有其优点 * ARM 的最大优点是系统封装，一旦 ARM 加上了系统那程序写起来会避开接触诸多底层的麻烦 * 2021 年之前，大多数高端开发板还停留在 DSP+ARM 的架构上，程序写起来可谓是难上加难 * 2021 年英伟达推出了 Jetson 系列的带 GPU 的嵌入式超级计算机在硬件上打破这一难题 知识点二：Jetson Tk1 硬件平台 * Jetson Tk1 全名 Nvidia Jeston Tegra K1 * 拥有 Cortex-A15 架构的 32 位四核心 CPU * 拥有 192 核心的开普勒 GPU * 2GB 内存 * 配备 USB 3.0、HDMI 1.4、SATA、千兆以太网（Realtek RTL8111GS）、音频（Realtek ALC5639）、mini PCI-E 知识点三：Jetson Tk1 硬件问题 * 板子一共有四个串口，一个 RS232 串口和三个 TTL 电平 * 英伟达官方文档中不建议使用 UART 2，由于他适用于开发板的调试功能 * RS232 串口存在只能发不能收的问题，目前尚未解决 * USB 把握器不支持 Kinect V2 知识点四：软件介绍 * Jeston Tk1 自带有 Tegra 系统，其实就是一个参加局部优化的 ARM Ubuntu * Tegra 保存了几乎全部 Ubuntu14.04 LST 的功能 * Nvidia 还供给了 Tegra2Opencv 的工具包，使用它可以利用 NVCC 编译 Opencv * 使用 NVCC 编译的 Opencv 可以利用 Opencv 中的 GPU 模块 知识点五：Opencv 和 VisionWorks 的比较 * 使用 NVCC 编译的 Opencv 可以利用 Opencv 中的 GPU 模块，虽然 Gpu 模块现在还是一个效率存疑的模块，但是就我的测试结果来看，使用 GpuMat 和 Gpu::initUndistortRectifyMap 效率 cv::initUndistortRectifyMap 的 5 倍 * Jeston tk1 还有英伟达自家的 VisionWorks 图像处理库，这个基于 OpenVX 的开源图像处理库供给基于硬件加速的视觉处理算法 * VisionWorks 里有的模块，效率根本上都是 Opencv 的 10 倍以上 知识点六：本系列说明 * 本系列将承受 Jeston Tk1 作为硬件实现平台 * 算法方面会兼用 Opencv 和 VisionWorks 两个库 * 比照他们效率，有什么问题期望大家可以与我一起沟通