采用SRIO协议实现多DSP实时系统图像数据传输

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (22): 73-78.

采用SRIO协议实现多DSP实时系统图像数据传输

宁赛男1，2，3，朱明3，孙宏海3，张叶3

1.中国科学院航空光学成像与测量重点实验室，长春 130033
2.中国科学院大学，北京 100039
3.中国科学院长春光学精密机械与物理研究所图像室，长春 130033

出版日期:2014-11-15 发布日期:2014-11-13

Implementation of image data transmission in multi-DSP real-time system based on SRIO

NING Sainan1，2，3, ZHU Ming3, SUN Honghai3, ZHANG Ye3

1.Key Laboratory of Airborne Optical Imaging and Measurement, Chinese Academy of Sciences, Changchun 130033, China
2.Graduate University of Chinese Academy of Sciences, Beijing 100039, China
3.Image Lab, Changchun Institute of Optics, Fine Mechanics and Physics, Academy of Sciences, Changchun 130033, China

Online:2014-11-15 Published:2014-11-13

摘要/Abstract

摘要： 针对高速实时图像处理系统数据量大、算法复杂度高等特点，从系统的处理性能、缓存容量、传输带宽三个要点考虑，设计了一种基于FPGA+4DSP架构的实时图像并行处理系统，使用SRIO互连技术取代传统EMIF方式实现DSP间、DSP与FPGA中间的数据传输。实验结果表明，系统传输带宽峰值为312.5 MB/s，这种新的嵌入式实时图像处理平台能够实时采集传输处理1k?1k@100 f/s高分辨率图像数据，并且具有可靠性高、通用性强、灵活性好的优点。

关键词: 图像处理, 多数字信号处理器, 现场可编程门阵列, 串行高速输入输出

Abstract: The high-speed real-time usually has a huge number of data with intricate algorithms；therefore it is difficult to transmit the image data real-timely in the real-system. It is that acquisition speed and transmission speed and memory capability must be considered. In the traditional method, the image data is usually capture and transport through parallel interfaces, which possess lager areas and pins in the resource limited embedded system. A new platform of image processing system is advanced based on the Serial RapidIO（SRIO） interface with one Xilinx’s FPGA chip XC5VSX50T and four TI’s DSP chip TMS320C6455. The system can real-timely transmit the image data at a high very speed of 3.125 MB/s. Since its stability, portability and feasibility has been tested, the system can service as a reference model for such a real-time image processing system designs.

Key words: image processing, multi-DSP, Field Programmable Gate Array（FPGA）, Serial RapidIO（SRIO）

宁赛男1，2，3，朱明3，孙宏海3，张叶3. 采用SRIO协议实现多DSP实时系统图像数据传输[J]. 计算机工程与应用, 2014, 50(22): 73-78.

NING Sainan1，2，3, ZHU Ming3, SUN Honghai3, ZHANG Ye3. Implementation of image data transmission in multi-DSP real-time system based on SRIO[J]. Computer Engineering and Applications, 2014, 50(22): 73-78.

[1]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[2]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[3]	杨培伟，周余红，邢岗，田智强，许夏瑜. 卷积神经网络在生物医学图像上的应用进展[J]. 计算机工程与应用, 2021, 57(7): 44-58.
[4]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[5]	云旭，宋焕生，梁浩翔，侯景严，戴喆. 基于深度学习的关键岗位人员行为分析系统[J]. 计算机工程与应用, 2021, 57(6): 225-231.
[6]	卢苇，刘丹，邵敏，吴扬东. 改进Mask R-CNN网络在医学图像识别与分割中的应用[J]. 计算机工程与应用, 2021, 57(24): 234-241.
[7]	张德，林青宇，郭茂祖. 单幅图像超分辨重建的深度学习方法综述[J]. 计算机工程与应用, 2021, 57(22): 28-41.
[8]	李祥霞，谢娴，李彬，尹华，许波，郑心炜. 生成对抗网络在医学图像处理中的应用[J]. 计算机工程与应用, 2021, 57(18): 24-37.
[9]	林本丰，王呈，孙悦程. 融合LSD算法与深度学习的开关状态检测方法[J]. 计算机工程与应用, 2021, 57(17): 181-189.
[10]	许洋洋，李伟，王杰. 利用事件和期限驱动对机器人延时的优化[J]. 计算机工程与应用, 2021, 57(17): 260-268.
[11]	王滢暄，宋焕生，梁浩翔，余宵雨，云旭. 基于改进的YOLOv4高速公路车辆目标检测研究[J]. 计算机工程与应用, 2021, 57(13): 218-226.
[12]	陈少洁，赵淦森，林成创，彭璟，黄凯信，李壮伟，黄润桦，杜嘉华，樊小毛. 深度学习在染色体分割中的应用综述[J]. 计算机工程与应用, 2021, 57(11): 46-56.
[13]	冷明，孙凌宇，郭晨. XDL网表的前向电路图生成算法[J]. 计算机工程与应用, 2021, 57(10): 75-80.
[14]	胡文涛，陈秀宏. 基于局部保持投影的鲁棒稀疏子空间学习[J]. 计算机工程与应用, 2021, 57(10): 194-199.
[15]	吴艺阳，樊凡，周怡，黄珺. 插值前置的仿射变换FPGA实现方法[J]. 计算机工程与应用, 2020, 56(6): 224-230.