在物體檢測和分類等機器視覺任務(wù)中，高效的特征提取至關(guān)重要。Basler視覺方案利用 FPGA處理流程簡化了這一過程，通過直接在FPGA上運行Blob分析，提高了方案的實時性能，這一獨特優(yōu)勢能夠顯著優(yōu)化計算成本。

高效特征提?。簩Ｗ⒂陉P(guān)鍵信息

典型的特征提取過程：去拜耳 > 色彩空間轉(zhuǎn)換 > HSI 閾值處理 > 圖像形態(tài)學(xué)處理 > Blob 分析

特征提取可將原始圖像數(shù)據(jù)轉(zhuǎn)化為數(shù)字特征，為物體檢測和分類等任務(wù)提供更精確和專業(yè)的支持。通過專注于關(guān)鍵圖像特征并降低數(shù)據(jù)維度，特征提取不僅能提高數(shù)據(jù)處理的實時性，還能提高處理效率。

上圖展示了基于 FPGA 和 CPU 架構(gòu)的典型特征提取流程：去拜耳、色彩空間轉(zhuǎn)換、HSI 閾值處理、形態(tài)過濾和 Blob 分析。這些步驟將圖像轉(zhuǎn)換成計算機可以解讀的格式。在最后一步中，被測物被識別為 64 位格式的 Blob，左邊的數(shù)字代表其邊界框，右邊的數(shù)字顯示其面積。

FPGA處理流程：提高幀速率，降低CPU負(fù)載

基于FPGA和CPU典型特征提取步驟對比

Basler采用500萬像素的CXP-12接口相機進行演示，將其設(shè)置為以122fps的速率運行。隨后，在PC端CPU與圖像采集處理卡端的FPGA上，分別采用VisualApplets以進行典型特征提取流程的對比，并得出以下結(jié)論：

· CPU：占用100%CPU負(fù)載，幀速率降至9fps;

· FPGA：占用9%CPU負(fù)載，幀速率維持在122fps;

由此可以看出，對于復(fù)雜且對時序要求嚴(yán)格的視覺任務(wù)，F(xiàn)PGA 處理流程可確保最佳性能，以最優(yōu)的 CPU 負(fù)載維持高幀率運行。

了解 Blob 分析的作用

Blob 分析可識別并分析二進制圖像中的連接區(qū)域(Blob)，提取關(guān)鍵圖像數(shù)據(jù)，如對象的大小、形狀、位置、面積和連接性。

雖然許多人認(rèn)為 FPGA 在圖像采集卡中的功能僅限于圖像預(yù)處理，但其實遠(yuǎn)遠(yuǎn)不止于此。通常情況下，圖像處理最后階段執(zhí)行的 Blob 分析由 CPU 處理。然而，考慮到 Blob 分析對資源的需求，將其轉(zhuǎn)移到 FPGA 上可顯著降低 CPU 負(fù)載，提高系統(tǒng)整體性能。

在FPGA端運行Blob分析產(chǎn)生顯著差異的原因?

在另一組測試中，Basler采用2500萬像素的CXP-12相機，并使其以72fps的幀速率進行51*51，共計2601點網(wǎng)格的檢測，在CPU和FPGA端同時運行Blob分析并進行對比。結(jié)果如下：Blob 分析需要高強度、高密度的計算，如果由中央處理器處理，會大大降低實時任務(wù)的速度，導(dǎo)致裝配線缺陷檢測等關(guān)鍵應(yīng)用出現(xiàn)延遲。將 Blob 分析硬連接到 FPGA 上可大大降低 CPU 負(fù)載，使系統(tǒng)以最低延遲全速運行。

由FPGA和CPU進行Blob分析的對比

在難度高、對時序要求高的應(yīng)用場景(如高速網(wǎng)狀檢測系統(tǒng))中，通過在FPGA上執(zhí)行圖像預(yù)處理和分析，僅需處理存在缺陷的區(qū)域，從而將PC端數(shù)據(jù)負(fù)載大幅降低。借助Basler 簡單易用的FPGA編程軟件VisualApplets，能夠?qū)崿F(xiàn)快速、高效的處理，且延遲極低。我們的FPGA方案采用單次通過算法，一次性處理圖像，并以最小的計算成本優(yōu)化實時應(yīng)用。

基于FPGA的Blob分析的主要優(yōu)勢：

· 數(shù)據(jù)處理高效：在流程初期即進行預(yù)處理，減輕數(shù)據(jù)負(fù)載。

· 無額外延遲：保證實時性能，不犧牲速度。

· 系統(tǒng)性能提升：最大化相機和系統(tǒng)能力。

· 應(yīng)用廣泛：適用于快速移動和復(fù)雜應(yīng)用環(huán)境。

（來源：Basler計算機視覺）