当前位置:网站首页>基于复旦微 FPGA+华为海思 HI3531DV200+兆易创新MCU 的综合视频处理卡
基于复旦微 FPGA+华为海思 HI3531DV200+兆易创新MCU 的综合视频处理卡
2022-07-17 05:11:00 【F_white】
TES714 是一款 5 路 HD-SDI 视频采集图像处理卡,该板卡采用上海复旦微的高性能 Kintex 系列 FPGA 加上华为海思的高性能视频处理器 HI3531DV200 来实现。
华为海思的 HI3531DV200 是一款集成了 ARM A53 四核处理器性能强大的神经网络引擎,支持多种智能算法应用,集成多路MIPI视频接口,突破了数字接口视频输入的性能瓶颈,高性能的 H.265 视频编解码引擎,使得传统视频图像处理的算法效果和性能得到进一步的提升。
板载功能强大的 FPGA 处理器,主要完成视频图像的预处理算法,板载 1GByte 超大容量的 DDR3 SDRAM 数据缓存,最大支持12GByte/s 的内存带宽,突破了传统视频图像处理带宽的瓶颈。FPGA外部支持 5 路 SDI 视频图像输入、支持 1 路 LVDS 视频图像输出。
实物图

功能框图

技术指标
处理性能指标:
复旦微 FPGA:1 片 JFM7K325T;
华为海思处理器:1 片 HI3531DV200;
兆易创新:1 片 GD32F105 单机片 MCU;
处理器外设指标:
FPGA 动态缓存:1 组 64 位 DDR3 SDRAM;
FPGA 非易失性存储:1 片 1Gbit BPI Nor Flash;
FPGA 端显示接口:1 路 LVDS 视频显示接口;
ARM 动态缓存:1 组 64 位 DDR4 SDRAM(容量 8GByte);
ARM 非易失性存储:1 个 1T MSATA 电子盘、1 个 8G EMMC;
ARM 网络接口:2 路 1000BASE-T 千兆以太网接口;
ARM 显示端口:1 路 HDMI 输出接口;
视频接口:
支持 5 路 SD/HD-SDI/3G-SDI 视频输入;
支持 1 路 HDMI 视频输出(ARM 端);
支持 1 路 LVDS 视频输出(FPGA 端);
图像处理性能指标:
支持 5 路编解码压缩存储,码流 2Mbps~10Mbps 可配置;
SDI 视频输入到显示 HDMI(或者 LVDS)延时≤120ms;
支持 3D 去噪、动态增强;支持 5 路同时显示、切换显示;
物理与电气特征
板卡尺寸:168 x 188mm
板卡供电:2A [email protected]+12V(±5%)
散热方式:自然风冷散热或金属导冷散热
环境特征
工作温度:-40°~﹢85°C;
存储温度:-55°~﹢125°C;
工作湿度:5%~95%,非凝结
软件支持
集成桌面显示的 Linux 操作系统:
支持 QT5.9.9;
支持 QWT6.1.3;
支持数据库、支持可视化分析平台;
提供视频输入显示数据流测试 DEMO:
需求及技术对接 微信 :W_soul911
边栏推荐
- Pytorch learning notes [3]: fitting data using neural networks
- Simple application of COAP in andorid
- Pointnet++代码详解(六):PointNetSetAbstraction层
- In VS, error c4996: 'scanf': this function or variable may be unsafe Solutions.
- widerperson数据集转化为YOLOv5训练格式,并加入到crowdhuman中
- CUDA编程-02: 初识CUDA编程
- About terminating tasks in thread pool
- 【语音识别】MFCC特征提取
- [introduction to speech recognition] basic concepts and framework
- 记录:YOLOv5模型剪枝轻量化
猜你喜欢

Overview of self supervised learning
![Pytorch learning notes [2]: learning mechanism](/img/c9/77b47682e97b09c9772bdc627703f8.png)
Pytorch learning notes [2]: learning mechanism

Selective Kernel Networks方法简单整理

7 kinds of visual MLP finishing (Part 1)

5种2D Attention整理(Non-Local、Criss-Cross、SE、CBAM、Dual-Attention)

Sgm: sequence generation model for multi label classification

字符串距离问题

Hanoi Tower problem -- > recursive implementation

Subtotal of pytorch installation of cuda11.0
![CV learning notes [2]: convolution and conv2d](/img/a7/e344f40e4ee6b02824304b1f6a685a.png)
CV learning notes [2]: convolution and conv2d
随机推荐
Pointnet++ code explanation (IV): index_ Points function
模型时间复杂度和空间复杂度
Bottomsheetdialogfragment imitation Tiktok comment box
MySQL 服务正在启动 . MySQL 服务无法启动
Pytorch learning notes [5]: generalization using convolution
PCM silent detection
7种视觉MLP整理(上)
Spark source code - code analysis of core RDD part (I)
如何优化深度学习模型以提升推理速度
Simple sorting of selective kernel networks methods
Parsing bad JSON data using gson
关于AS安装之后的一些细碎事项
seq2seq (中英对照翻译)Attention
5种2D Attention整理(Non-Local、Criss-Cross、SE、CBAM、Dual-Attention)
[附代码] 如何用HOG+SVM实现手写数字识别
李宏毅机器学习--回归2022.07.13
李宏毅机器学习2022.7.15--梯度下降
Face detection based on OpenCV and face interception
Emotional classification based on Bert
JNI practical notes