如何克服边缘视觉的带宽限制？

把一个相机连接到一台边缘计算机/嵌入式计算机上，然后在云端进行数据处理或存储——这就是“边缘视觉”的概念。近年来，边缘视觉正被广泛应用于自动化产线质检、汽车图像采集和智能工厂等场景中。

伴随着人们对图像质量的要求提高，以及视觉传感器技术突飞猛进的发展，现场产生海量和庞大数据，也给视觉数据的边缘传输和上云带来了严峻挑战。

01

亟待攻克的带宽限制瓶颈

在工业视觉领域，整个行业都在追求更多像素、更高帧率、更高的空间以及时间分辨率。然而，很多用户会反馈1 GigE相机的一个输出已经不够用，只能连接到PLC，急需相机有更多输出通道，以便将图像数据传输到云服务器。

如上图所示，棕色的点是图像传感器，点连接的线代表行业中常见的典型接口（如PCIe 3.0是蓝线，CoaXPress v2 x4是红线）。可以发现，当图像传感器高于某条线时，该接口的带宽就已经不够去传输该图像传感器的数据了。

现如今，图像传感器取得了巨大进步，市面上有很多图像传感器，带宽速度比10GigE、CoaXPress v1快很多，甚至比100千兆接口更快，能提供一万帧、1亿或更多像素和速度远高于150GB/s的带宽。虽然接口取得了一些进步，带宽速度越来越快，但挑战仍然存在——即使有链接聚合也很难能跟上传感器的发展速度，电脑的GPU和CPU性能也远远落后于其他领域。

想要解决这个问题，如果用高分辨率的高速传感器，也将面临很多瓶颈。比如摄像头接口、GPU和CPU的桥接接口、CPU的负载或处理能力，以及计算机上送云端的带宽，往往在最好的情况下才能达到1G。

此外，如果现场有多个摄像头，情况会变得更糟。假如有多个10GigE相机、CoaXPress或100 GigE相机，以100 GigE相机为例，速度大概是96千兆比特乘每秒以摄像机的数量。但大多数情况下，用户电脑的最大带宽接口PCIe 3.0，其带宽也只有48千兆比特每秒，远远无法满足需求。

02

用图像采集卡压缩预处理

面对这个困境，用户常见的解决方案是在多摄像头和CPU架构之间放置一个图像采集卡，用于压缩以及预处理。例如从图像提取一定区域的ROI，即可减少总数据带宽。

然而，在实际应用中，用户对图像采集卡的需求还有许多：

通常需要高带宽的相机接口、多相机接口、超高精度的同步，以及可定制的IOs来控制外围设备；

在处理过程中，需要能够实时并行处理，并且需要低延迟、有一个大的DRAM，从而计算复杂的算法，需要很多个千兆比特每秒的内存访问带宽；

对系统开发人员而言，图像采集卡需要满足灵活、易于使用的要求。为保障开发便捷性，开放的FPGA也必不可少，可以将一些特定IP放在图像采集卡上，通过集成开发环境实现快速的算法和方案开发；

与此同时，用户对于系统集成的紧凑设计和被动冷却性能，也提出了更严苛的要求...

03

可靠的一体化边缘视觉解决方案

能否能将图像采集卡和计算机很好地合二为一？虹科的HK-Gidel FantoVision 40给出了答案。

这是一款开创性的小型计算机，可与高达4 x 10GigE Vision或 4 X CoaXPress 2.0相机连接进行图像采集和处理。创新架构将高端图像采集与实时图像处理和/或压缩相结合，使用Nvidia Jetson 嵌入式计算机，并在Intel Arria 10 FPGA上进行可选的预处理/压缩。

HK-Gidel FantoVision的另一个显著特点，是其开放式体系结构支持GPU和FPGA上的嵌入式AI/图像处理。软件工程师可以使用CUDA C/C++和NVIDIA的库，在GPU上编写算法。此外，使用新颖的ProcVision套件，在FPGA上开发和部署可选的预处理块，既简单又快速。

该产品的多个HK-Gidel FantoVision单元可以相互连接，可提供独特且可扩展的拓扑结构。使用InfiniVision 开放式框架抓取器流程，100多个传感器可同步处理。

现如今，HK-Gidel FantoVision为高带宽、低延迟应用的新型紧凑、经济高效、可扩展的视觉和成像解决方案开辟了道路。尤其适用于需要高分辨率、高速度的交通监测、面板检测等场景。

例如交通检测应用中有多个摄像机在拍摄高分辨率图像，HK-Gidel FantoVision 可以通过图像采集卡提取ROI区域甚至是车牌，在GPU上布署算法做车牌识别，最后将识别的车牌号码传到云端上，从而不需要很多带宽。

审核编辑：刘清