基于机器视觉中单线如何传输高分辨率视频数据？

人工智能 （AI） 正在从根本上改变机器视觉和成像应用的功能。边缘 AI 是人工智能的一个分支，能在边缘位置实现本地化决策，在新基建的 5G 网络和物联网等应用中扮演关键角色。

通过在设备中部署与实现边缘 AI，TI 帮助中国和全球客户不断加速这一关键技术在各行各业的落地，推动人工智能的实用化，为中国新基建发展添砖加瓦。边缘 AI 使高分辨率成像数据实时分析的精度和灵敏度变得更高，并且能够快速检测模式或异常。这些功能正在为机器人辅助外科手术、基于 3D 成像的安全和监控平台以及工厂自动化环境中基于视觉的工业机器人提供帮助。

随着传感器技术的进步以及采用微型模块化封装的超高清或 4K 视频图像传感器的实现，这种向基于边缘 AI 处理的转变成为可能。

机器人辅助内窥镜平台和机器视觉摄像机等应用需要传输来自安装在极小的探针尖端上的传感器的高分辨率图像数据，而该探针尖端通过极细的电缆与视频采集和分析系统相连。来自视频采集系统的控制信息同时流回到探针尖端，从而提供了一种通过倾斜和缩放等控制手段来控制探针尖端位置的方法。

工业移动机器人这类基于视觉的控制系统，它们需要极低的延迟，以实现对高精度视频数据的实时采集和分析。通过反向路径传输控制信号以调整摄像机位置的过程也同样需要低延迟。电缆和导体的数量、导体的尺寸以及传感器端的功率耗散可能是空间受限应用（如内窥镜和机器视觉）的重要限制因素。

许多现有的高速接口技术可以帮助实现高分辨率视频数据的可靠传输，但基于视觉的控制系统也存在缺点。例如，由于与协议相关的开销，以太网等标准技术会产生额外的延迟。由于以太网物理层设备无法直接连接到传感器的本地视频接口，因此这些设备还需要额外的导线和元件（如晶体振荡器）。

例如，一个 4MP、30fps 的高分辨率成像仪可以生成大约 3.2Gbps 的视频数据。单个基于千兆位的以太网链路（例如 1000-BaseT）无法提供足够的吞吐量来承载这种未经压缩的高分辨率数据，这会在图像流中引入伪影，进而可能在基于机器视觉的视频处理中导致错误。

专用串行器/解串器 （SerDes） 技术（如 V3Link TSER953 串行器以及 TDES954 和 TDES960 解串器）协同工作，通过单根超细导线同时传输高分辨率视频、控制信号和电力。这些器件有助于在传感器和处理器之间建立链路，以聚合时钟、未压缩的视频、控制、电力和通用输入/输出信号。

在该配置中，信号和电力通过正向通道传输，该通道从位于传感器模块中的串行器通往位于传感器融合分析系统中的解串器或解串器集线器，同时，该通道还能传输控制信号和电力。

V3Link 解串器还为所有连接的串行器提供嵌入式时钟，从而实现跨多个传感器的视频同步，支持视频拼接、图像混合、立体视觉的 3D 重建和深度感应。使用 TDES960 内部生成的帧同步信号，您可以同步多个摄像机并实现 600ns 的精度，进而实现多个需要时间触发的机器视觉应用。通过从反向通道中提取参考时钟实现主时钟同步，还能消除由为多个成像仪充当时钟的不同振荡器的相对漂移引起的同步误差。

用于减少信号损失和降低功耗的自适应均衡器技术

除了支持视频数据、控制信号和电力的单线传输之外，V3Link 器件还包含自适应均衡器技术，在 2.1GHz 频率下可补偿高达 21dB 的损耗，从而支持使用极细的 28 至 32 美国线规 （AWG） 电缆。AWG 编号数字越大，电缆越细，信号损耗也越高。

较细的电缆更加灵活，可以支持传感器在狭窄、空间受限的环境（如内窥镜）中定位的应用。在同一根细电缆上传输电力和控制信号的功能也可以最大限度地减少导体的数量。

在传感器端 250mW 的典型功耗下，V3Link 串行器消耗的功率非常低，能够将传感器和串行器集成到非常紧凑的区域中，没有功耗且不会发热，从而不需要额外的空间。借助 V3Link 产品的专有主时钟同步技术，传感器端无需使用晶振或任何振荡器，这进一步降低了成本和总体空间要求。

结语

从医学成像应用到机器视觉摄像机，边缘 AI 正在推动对实时视频采集、传输和分析的需求。V3Link SerDes IC 可帮助工程师满足这些需求，同时减少电缆数量并降低功耗和整体系统成本。

V3Link 器件提供通用链路技术，非常适合大多数需要实时采集、传输和分析高分辨率视频数据的应用。这些器件支持各种布线配置（如同轴电缆、非屏蔽双绞线和屏蔽双绞线）以及多种时钟模式（如同步和异步）。

编辑：jq