提到自動駕駛，機器人視覺，高清攝像機，都要想到攝像頭這個單元，先前本俠也講過一些FPGA應用在高清攝像頭和機器視覺中的深度攝像頭以及雙目攝像頭等，FPGA在里面的作用主要是對采集的圖像進行處理，對圖像的處理需要硬件有著很好的并行的性能，那么它處理速度跟ARM的CPU比起來有沒有優勢呢？本俠今天就帶領各位一起來探索一下FPGA在邊緣計算方面的應用。

提起計算速度，我們首先能想到的是云計算。云計算有數不清的好處，例如計算快，計算數據的量大，等等。但智者千慮必有一失，沒有云計算的廠家能夠保證他能做任何的事情，云計算也有自己的不足之處，最大的不足就是計算的實時性不夠高。例如，在你把一些數據送到云端去進行處理的時候總會有一些延遲，最難熬的莫過于等結果的時間。邊緣計算需要很高的計算性能，而且有著很高的實時性，FPGA能夠同時并行處理很多的事情，既能滿足數據處理速度的要求，還能滿足實時性的需求，可謂是兩全其美。今年在加利福尼亞的圣塔拉拉舉行的嵌入式視覺峰會上展示了基于Aldec的TySOM-2-7Z100原型板的4攝像頭ADAS模型，如圖.1所示。TySOM的性能很好，主要是因為里面的核心的運算處理部件是Xilinx Zynq Z-7100的SoC。

圖.1 TySOM-2-7Z100原型板

如圖.2可以看到Zynq在TySOM板子中的位置，為什么Zynq中的FPGA能夠在邊緣計算方面得到這么好的應用呢？Zynq-7000可編程SoC將軟件可編程的ARM處理器和硬件可編程的FPGA放到了一個芯片中，能夠實現數字分析的同時還能夠實現硬件加速，里面集成了CPU，DSP，ASSP和混合信號處理模塊。圖像處理所用的就是Zynq里面的FPGA模塊。那么ARM核心在TySOM辦卡中能夠起到什么作用呢？

Aldec的TySOM-2-7Z100原型板的良好的性能依賴于Zynq里面有著雙核的ARM Cortex-A9處理器和一個FPGA邏輯。整個圖像處理的過程是先從攝像頭采集圖像開始，使用一個邊緣檢測算法（這里的邊緣指的是對物理邊緣的感知，例如物體或者是巷子的邊界線等）。這是一個計算密集的任務，因為有上百萬的像素需要經過計算。采集到的圖像如果是在ARM CPU中進行處理的話每秒鐘只能處理3張的圖像，然而在FPGA中每秒可以處理27.5張的圖像，可見在Zynq中FPGA有著舉足輕重的作用。也就是說，有了FPGA圖像的處理速度有了將近10倍的速度的提升。

圖.2 TySOM-2-7Z100板的正面圖

有了高性能的核心處理芯片還不夠，還需要神通廣大的外設接口來跟其他的設備進行交互。TySOM的設計能夠兼容多達362個I/O的外設接口、16個GTX收發器、兩個FMC-HPC可以支持擴展子卡的連接口。ARM CPU處理數據的時候需要的基本的標準接口例如DDR3 RAM，USB和HDMI；ARM核心還能夠支持Linux的操作系統和其他一些類型的實時操作系統。不僅如此，ARM的CPU有著1GB的DDR3 RAM能夠讓其進行支配，可以支持擴展32GB的SSD存儲空間。網絡的交互可以通過RJ45接口經過Gigabit Ethernet PHY來實現，還配備了4個USB 2.0的接口。大多數的FPGA的接口都通過兩個FMC-HPC sockets接口來實現跟其他設備的交互。這樣，ARM核心和FPGA模塊都能夠和外界進行信息的交互。

自動駕駛正在如火如荼的進行中，隨著國家政策對自動駕駛的慢慢的認可，相信對技術來講是一件好事，無論是硬件還是算法都會有自己的用武之地，在智慧城市，智慧生活的大環境下，FPGA的發展也會隨著潮流穩步的向前推進，更好的去擁抱改變，創造改變的機會。