学号：17050610006
姓名：韦运泽
文章链接：
https://mp.weixin.qq.com/s/VzuM-ewcCu88D7nYjeE3BQ
功能强大的精简型单板计算机的推出带动了一些新产品的设计，在通过小型化优化成本及效率的应用中，它的效用尤为明显。另外，视觉系统可以利用功能全面的板级机器视觉摄像头进一步缩小产品总体尺寸并实现运行灵活性，同时还支持定制或非标准光学部件。它们被用于：医疗诊断、计量、机器人技术、嵌入式视觉、包装和印刷检查、手持式扫描仪、台式实验室和其他空间受限的系统等。
今天就给大家详细解析下
选择嵌入式视觉摄像头时
需要考虑的各个重要步骤
比如：功能组、外形因素和物理占用空间
接口选项、透镜支架、软件支持
热管理以及电磁兼容性等
外形因素和功能组
从封装相机转换为板级相机时，系统设计人员应认真考虑其成像和相机性能要求。许多小型板级相机仅支持低分辨率传感器、少量GPIO线路，并对相机的内部功能有限制。相反，许多全功能机器视觉相机的板级型号仅仅是拆除了外壳的标准相机。虽然这些相机可以达到所需的成像性能，但它们的尺寸可能不会比标准封装型号小巧多少。这类相机经常采用标准的GPIO和接口连接器，因体积较大而不适合嵌入式应用。例如，传统工业锁定连接器的尺寸便与一台BlackflyS板级摄像头一般大小。
FLIRBlackflyS板级摄像头
FLIR的BlackflyS板级摄像头整体上就是为嵌入式系统而设计。它们的外形尺寸十分紧凑，仅为29mmx29mmx10mm，可提供相同的成像性能和封装式BlackflyS型号的完整丰富功能；而紧凑型GPIO和接口连接器则额外节省了空间。FLIR嵌入式视觉摄像头产品的另一重要优势是使用1/3”至1.1”尺寸传感器的所有摄像头都使用相同的外形尺寸，多种摄像头型号采用一致的外形系数简化了系统及未来产品变型的开发与升级。
透镜支架
对于希望集成非标准光学元件或将图像传感器尽可能靠近目标放置的客户而言，板级相机是一个具有吸引力的选择。板级相机没有固定的透镜支架，设计人员可自由选择光学元件，而机器视觉行业通常不使用标准的C、CS或S接口透镜。对于通常无需透镜的生物技术和激光束分析应用，这种设计也非常适合。板级摄像头的另一种常见应用是将透镜支架集成到另一产品部件中，因此称之为“嵌入式视觉。另外，采用模塑成型的方式将透镜支架直接集成到产品外壳可有效简化制造和组装，从而进一步降低成本。为了评估未配备透镜支架的板级相机，还应购买安装配件。如果封装型号具有与板级型号相同的传感器和功能，它们便可用作开发平台。
为板级摄像头选择正确的透镜支架选件时，其中一个最重要的因素是所使用的传感器的尺寸。通常，S型支架透镜设计用于1/3"或更小的低分辨率（通常低于2MP）传感器。CS型支架透镜则设计用于1/3”至1/2”的传感器，如果传感器尺寸是1/2”或以上，最好使用C型支架透镜。
热管理
封装机器视觉相机依靠其外壳表面区域来消散传感器、FPGA和其他组件产生的热量。如果没有外壳，对高性能板级相机可能会有其他设计要求，从而确保其在推荐温度范围内运行。这种情况下，提供足够的散热是关键所在。制造商通常会为温度最高的组件提供最高结温。对于FLIRBlackflyS摄像头来说，规定的FPGA的最高结温为105℃（221℉）。
系统设计人员必须确保其热管理解决方案符合此指标。散热器尺寸、相机所安装的机架表面积或所需主动散热器的类型取决于传感器、帧速率、运行环境及正在执行的相机图像处理数量。为便于在摄像头上安装散热器，我们推荐在导热垫上使用散热膏，尽可能减少对摄像头的板应力。
外壳设计和快速原型制作
多数情况下，板级摄像头直接集成到嵌入式视觉系统/产品中，不需要外壳。但对于摄像头不与某一产品集成而使内部暴露在元件下的应用，可能有必要通过外壳防止损坏。快速原型制作中，嵌入式系统设计师可以用3D打印机轻松设计打印一个摄像头外壳，或使用足以容纳摄像头的通用塑料外壳，然后通过垫片和安装支架将摄像头安装到位。
接口和连接器
第一代USB3.1是嵌入式系统的理想接口，其通用化功能可确保为从台式计算机到基于ARM处理器的单板计算机(SBC)等各类硬件提供支持。直接存储器访问(DMA)无需使用过滤器驱动程序，便可将延迟保持在最低限度。第一代USB3.1还采用单根电缆供电并可提供高达480MB/s的数据吞吐量，有效地简化了机械和电气设计。
嵌入式系统设计人员的一个重要目的包括现有设计的小型化。在这种情况下，电缆最大长度就远不如电缆和连接器体积重要。挠性印制电路(FPC)电缆采用长达30米的电缆，支持第一代USB3.1。FPC电缆顾名思义指的是可以弯曲扭转以适应紧密包装系统的电缆。另外，高品质锁定连接器和带锁凸耳的FPC屏蔽电缆可确保高度安全、可靠的连接。
不过USB3.1接口有一个潜在的弊病，它的高频信号会对无线设备造成高达5GHz的干扰（如GPS信号）。对于使用此类无线频率的应用，我们也提供带GigE接口的FLIR板级摄像头。
MIPICSI是另一种许多嵌入式主板使用的通用接口。但与USB相比，MIPI协议和驱动程序的复杂性可能会使得开发更加耗时。基于低压差分信号(LVDS)的接口同样可用，而且专为直接连接主机端FPGA而设计；但每个信号传输通道需要两条电线，这在某些应用中是一个微小却又重大的弊端。
软件支持与电磁兼容性
选择用于嵌入式系统的相机时，软件支持是一个不容忽视的重要考虑因素。有了支持台式和嵌入式系统的SDK，设计人员能够通过熟悉的工具轻松自如地开发视觉应用程序，并轻松地将其部署到所选择的嵌入式平台上。FLIR的SpinnakerSDK可为基于x86、x64和ARM处理器的Windows和Linux台式系统提供支持。
如果没有外壳提供的屏蔽作用，板级相机的电磁兼容性(EMC)与封装型号会有所差异。所有封装的FLIR机器视觉摄像头均经过了EMC认证，不过板级摄像头尚未进行该认证。这些板级摄像头要嵌入其他产品/系统，因此需单独对成品进行认证。无论是哪种应用，我们都建议它们和其他电气组件那样遵循电磁干扰(EMI)管理最佳实践。
BlackflyS板级
FLIRBlackfly板级变体属于高性能机器视觉区域扫描摄像头，设计用于嵌入狭小空间。与许多其他板级摄像头不同，它具有丰富的功能组，适合最新的CMOS传感器；与箱式版本功能组相同。以其可靠的兼容性，随时可集成至主流SBC和SOM。BlackflyS板级型号采用嵌入式系统连接，具有丰富的功能，能够使OEM开发更小、更轻且成本更低的解决方案。
“嵌入式视觉”是指一种通过视觉方法去理解周边环境的机器，在嵌入式系统中使用计算机视觉技术
换句话说，“嵌入式视觉”是指从视觉输入中提取出其背后含义的嵌入式系统
嵌入式视觉涉及到两种技术：嵌入式系统和计算机视觉（有时也称为机器视觉）
嵌入式系统可以是任何基于微处理器的系统，它们完成特定的工作，且随处可见；计算机视觉则使用数字处理和智能算法去理解图像或者视频，它是一个已经被研究很久，但仍然方兴未艾的领域
详情可咨询美国TEO迪奥科技一家专业从事机器视觉的研发与生产的制造商
从物品识别，到尺寸测量、产品检测，再到机器臂定位，机器视觉作为“智慧之眼”，已经走到了技术和资本相互激励的舞台中间。而嵌入式系统，使得软硬件配置更加自如，生产过程更富柔性，视觉产品的市场容量和多元程度大大提高。
任何智能化系统，功能强大、硬件轻便、成本低都是开发人员所要考虑的首要原则。就和经济学揭示的“生产约束条件下的最大产出”和“个人预算前提下的效用最大化”同样道理。如同济大学沈斌教授所言，外国注重卖软件，国内则着重卖产品，软件这方面，杭州部分企业做得比较好一些。
对于机器视觉和计算机视觉来说，自动驾驶和人工智能等复杂系统的效率要求更高，卷积神经网络被广泛应用于智慧视觉领域。最近，FaceBook团队独辟蹊径，提出一种神经网络压缩的新方法——BitGoesDown，将系统对硬件要求的降低又向前大大推进了一步，这到底会带来哪些启示呢？
小—又—精
FaceBook团队对图像检测MaskR-CNN（何恺明）进行25倍压缩，用上8块V100GPU来训练，结果显示压缩后的模型MaskAP只下降4%左右。团队又对ResNet-18和ResNet-50等图像分类残差网络模型压缩后运行的结果进行比对，发现ResNet-50在压缩到5MB大小时效能达到最佳！
插播一下，何同学去年刚刚获得第31届计算机视觉和模式识别大会的PAMI年轻学者奖。此前，该同学作为第一作者还获得过CVPR2009，CVPR2016和ICCV2017（MarrPrize）最佳论文奖，以及ICCV2017最佳学生论文奖。2009年，就已经成为首获计算机视觉领域三大国际会议之一CVPR“最佳论文奖”的中国学者。恺明同学也是保送清华的广东高考状元，博士毕业于港中大，2016年进入FaceBook。
何恺明的MaskR-CNN，是从FasterR-CNN扩展而来，在FasterR-CNN的基础上增加一个用于预测目标掩膜的分支，该分支与已存在的边界框分类分支平行。MaskR-CNN训练简单，且只在FasterR-CNN的基础上增减很少的时间消耗，运行速率达到5fps。而且，MaskR-CNN容易适用于其他任务。
独辟蹊径
对卷积神经网络进行压缩，学界一直在探索的路上。当前，主流的思路主要集中在MobileNets，精确度虽然较高，但距离绝佳状态仍然较远。本次FaceBook团队将视线回归传统卷积网络框架下，最大的特点是关注activations，而非权重本身。具体实现包括层量化和网络量化，具体实现方法是这样的：
实际上，这种学习方法是无监督性质的。团队利用distillation技术来教导“学生”网络压缩，distillation技术由Hinton等人提出（图灵奖得主）。
参考资料：
1.QbitAI“Facebook新压缩算法造福嵌入式设备”；
2.ICCV2017何恺明博士最佳论文MaskR-CNNTutorial报告；
3.同济大学机械工程系主任沈斌教授演讲发言。
End
《视觉系统设计》免费索阅
