提到自动驾驶，机器人视觉，高清摄像机，都要想到摄像头这个单元，先前本侠也讲过一些FPGA应用在高清摄像头和机器视觉中的深度摄像头以及双目摄像头等，FPGA在里面的作用主要是对采集的图像进行处理，对图像的处理需要硬件有着很好的并行的性能，那么它处理速度跟ARM的CPU比起来有没有优势呢？本侠今天就带领各位一起来探索一下FPGA在边缘计算方面的应用。

提起计算速度，我们首先能想到的是云计算。云计算有数不清的好处，例如计算快，计算数据的量大，等等。但智者千虑必有一失，没有云计算的厂家能够保证他能做任何的事情，云计算也有自己的不足之处，最大的不足就是计算的实时性不够高。例如，在你把一些数据送到云端去进行处理的时候总会有一些延迟，最难熬的莫过于等结果的时间。边缘计算需要很高的计算性能，而且有着很高的实时性，FPGA能够同时并行处理很多的事情，既能满足数据处理速度的要求，还能满足实时性的需求，可谓是两全其美。今年在加利福尼亚的圣塔拉拉举行的嵌入式视觉峰会上展示了基于Aldec的TySOM-2-7Z100原型板的4摄像头ADAS模型，如图.1所示。TySOM的性能很好，主要是因为里面的核心的运算处理部件是Xilinx Zynq Z-7100的SoC。

图.1 TySOM-2-7Z100原型板

如图.2可以看到Zynq在TySOM板子中的位置，为什么Zynq中的FPGA能够在边缘计算方面得到这么好的应用呢？Zynq-7000可编程SoC将软件可编程的ARM处理器和硬件可编程的FPGA放到了一个芯片中，能够实现数字分析的同时还能够实现硬件加速，里面集成了CPU，DSP，ASSP和混合信号处理模块。图像处理所用的就是Zynq里面的FPGA模块。那么ARM核心在TySOM办卡中能够起到什么作用呢？

Aldec的TySOM-2-7Z100原型板的良好的性能依赖于Zynq里面有着双核的ARM Cortex-A9处理器和一个FPGA逻辑。整个图像处理的过程是先从摄像头采集图像开始，使用一个边缘检测算法（这里的边缘指的是对物理边缘的感知，例如物体或者是巷子的边界线等）。这是一个计算密集的任务，因为有上百万的像素需要经过计算。采集到的图像如果是在ARM CPU中进行处理的话每秒钟只能处理3张的图像，然而在FPGA中每秒可以处理27.5张的图像，可见在Zynq中FPGA有着举足轻重的作用。也就是说，有了FPGA图像的处理速度有了将近10倍的速度的提升。

图.2 TySOM-2-7Z100板的正面图

有了高性能的核心处理芯片还不够，还需要神通广大的外设接口来跟其他的设备进行交互。TySOM的设计能够兼容多达362个I/O的外设接口、16个GTX收发器、两个FMC-HPC可以支持扩展子卡的连接口。ARM CPU处理数据的时候需要的基本的标准接口例如DDR3 RAM，USB和HDMI；ARM核心还能够支持Linux的操作系统和其他一些类型的实时操作系统。不仅如此，ARM的CPU有着1GB的DDR3 RAM能够让其进行支配，可以支持扩展32GB的SSD存储空间。网络的交互可以通过RJ45接口经过Gigabit Ethernet PHY来实现，还配备了4个USB 2.0的接口。大多数的FPGA的接口都通过两个FMC-HPC sockets接口来实现跟其他设备的交互。这样，ARM核心和FPGA模块都能够和外界进行信息的交互。

自动驾驶正在如火如荼的进行中，随着国家政策对自动驾驶的慢慢的认可，相信对技术来讲是一件好事，无论是硬件还是算法都会有自己的用武之地，在智慧城市，智慧生活的大环境下，FPGA的发展也会随着潮流稳步的向前推进，更好的去拥抱改变，创造改变的机会。