基于視覺的駕駛員輔助嵌入式系統(tǒng)(下)

　　接上篇

　　基于圖形處理單元的解決方案

　　圖形處理單元(GPU)屬于圖2所示的應(yīng)用專用處理器(ASIP)。將GPU用于計算機視覺任務(wù)等并行處理在臺式電腦領(lǐng)域非常普遍，GPU強大的顯卡能夠使用最初為OpenGL著色器集成的處理元件，作為通用的大規(guī)模并行編程環(huán)境。此外，在高性能計算領(lǐng)域，GPU已經(jīng)在許多方面取代了DSP。

　　一個推動因素是在消費電子行業(yè)的推動下，現(xiàn)已提供有數(shù)百個著色器的強大的GPU架構(gòu)，成本相對較低。另一個原因是支持無限并行操作的OpenCL或?qū)Ｓ蠧UDA編程模式已面市，因此GPU具有良好的可擴展性和強大的路線圖。飛思卡爾i.MX6系列等嵌入式多核處理單元(MPU)同時也集成了強大的GPU，用于加速視覺處理任務(wù)。一個嵌入式GPU通常比專用加速器或FPGA的并行處理單元數(shù)量少，指令集的靈活性比DSP低。因此，GPU適用于視覺處理管道的第二階段和第三階段。迄今為止，嵌入式系統(tǒng)的功率包絡(luò)不支持通過GPU進行全像素處理。這是因為GPU擁有巨大的圖形和通用高性能計算功能開銷，而計算視覺任務(wù)并不需要它。視覺處理用不到的其它硬件不僅耗電，還會大大增加嵌入式平臺的成本。一個示例是浮點運算支持，在視覺處理管道的第一階段不需要該功能。

　　另一個因素是外部存儲器的帶寬限制。盡管一流的臺式電腦顯卡通常在1GHz下?lián)碛兄辽?56位的寬存儲器總線，但是由于可用的功率包絡(luò)有限，該解決方案對嵌入式平臺來說不可行。GPU能夠較好地加快在使用強大的顯卡的PC上開發(fā)算法，但對嵌入式視覺處理來說效率不高。