最近閒來無事，吃雞之餘折騰了幾天樹莓派，在跑過幾次影象識別等Demo之後頓時對嵌入式機器視覺產生濃厚的興趣。趁現在有時間調研了一下嵌入式視覺的發展歷程，在這裡簡單記錄一下自己這幾天的探索。

        嵌入式處理器有很多種：MCU，DSP，FPGA，SoC，FPGA+SoC，DSP+SoC等。就嵌入式視覺而言，最好的硬體平臺還是FPGA+SoC，比如Zynq系列的Z7000系列，Altera 的Cyclone V系列（好像用人的比較少）。既可以利用FPGA實現一些簡單的預處理，還可以在SoC上執行Linux，利用很多現有的機器視覺庫，比如OpenCV, Halcon等，嗯！站在巨人的肩膀上。而且有一款非常火的深度學習計算棒Movidius可以支援相容Linux和x86平臺，提供API加速影象識別過程。

        其實在這之前想有一個想法是，執行作業系統是不是會額外消耗CPU資源？所以能不能直接利用Opencv庫設計程式在ARM核的處理器上裸機執行？其實也不是不可以，但是隻能用OpenCV 1.0的庫函式，因為OpenCV2.x及後續的版本逐漸取消了C介面，一些高階的影象處理函式基本都是基於C++或者Python實現的,而且基於ARM核的一些處理器的開發環境（KEIL，Atmel Studio，CCS等）基本都是以C語言為主的，編譯起來都是個問題。

        當然，如果對於產品功能要求沒那麼高，比如只要實現一維或者二位編碼讀取的話，可以選擇低端的ARM核架構處理器。有幾個例子：一個是呼叫zbar庫在STM32上實現條碼讀取，網上例子很多，比如

        再來說說DSP架構特點。TI推出了與OpenCV相容的ImgLib，而且函式介面也都保持一致，這一點上DSP還是費勁了心思，個人感覺用途不大。因為Opencv一直在整合最新的演算法進去，而TI的ImgLib似乎更新比較慢。而且，TI的達芬奇處理器在火了一段時間之後終於還是沉默了，開發流程太繁瑣。

       FPGA呢，其實進適合做一些簡單的預處理，比如伽馬校正等。如果在FPGA上搭建軟核實現影象遍歷演算法的話流程比較長，在這一點上還不如FPGA加DSP或ARM。

       最後，簡單介紹一下OpenMV。OpenMV是一個影象感測器與處理器整合在一起的開源智慧硬體，可以整合在小型機器人專案中。該硬體的處理器採用ARM Cortex M7架構的STM32F765VI處理器，而且開發者基於microPython（http://docs.openmv.io/library/index.html）的硬體函式庫以及常用的影象識別函式庫，創客們可以像呼叫opencv一樣使用該函式庫實現影象識別。

    PS:第一次發博文，想到什麼敲什麼，回頭有機會再整理整理。

    --------參考文獻-----------

1. http://shervinemami.info/embeddedVision.html