Texas Instruments AM6x Çoxlu Kamera İstifadəçi Təlimatını Hazırlayır

Təhlükəsizlik Nəzarəti: Enhances surveillance coverage, object tracking, and recognition accuracy.
Ətraf View: Enables stereo vision for tasks like obstacle detection and object manipulation.

Kabin Qeydiyyatçısı və Kamera Güzgü Sistemi: Geniş əhatə dairəsi təmin edir və kor ləkələri aradan qaldırır.
Tibbi görüntüləmə: Offers enhanced precision in surgical navigation and endoscopy.

Dronlar və Havadan Görünüşlər: Capture high-resolution images from different angles for various applications.

Connecting Multiple CSI-2 Cameras to the SoC:
To connect multiple CSI-2 cameras to the SoC, follow the guidelines provided in the user manual. Ensure proper alignment and connection of each camera to the designated ports on the SoC.

Tətbiq Qeydi
AM6x-də Çox Kameralı Proqramların İnkişafı

Jianzhong Xu, Qutaiba Saleh

ÖZET
This report describes application development using multiple CSI-2 cameras on the AM6x family of devices. A reference design of object detection with deep learning on 4 cameras on the AM62A SoC is presented with performance analysis. General principles of the design apply to other SoCs with a CSI-2 interface, such as AM62x and AM62P.

Giriş

Daxili kameralar müasir görmə sistemlərində mühüm rol oynayır. Sistemdə birdən çox kameradan istifadə bu sistemlərin imkanlarını genişləndirir və bir kamera ilə mümkün olmayan imkanları işə salır. Aşağıda bəzi köhnələr varamples of applications using multiple embedded cameras:

Təhlükəsizlik Nəzarəti: Strateji olaraq yerləşdirilmiş çoxsaylı kameralar hərtərəfli nəzarəti əhatə edir. Onlar panorama imkan verir views, reduce blind spots, and enhance the accuracy of object tracking and recognition, improving overall security measures.
Ətraf View: Multiple cameras are used to create a stereo vision setup, enabling three-dimensional information and the estimation of depth. This is crucial for tasks such as obstacle detection in autonomous vehicles, precise object manipulation in robotics, and enhanced realism of augmented reality experiences.

Cabin Recorder and Camera Mirror System: A car cabin recorder with multiple cameras can provide more coverage using a single processor. Similarly, a camera mirror system with two or more cameras can expand the driver’s field of view və avtomobilin hər tərəfindəki kor ləkələri aradan qaldırın.
Medical Imaging: Multiple cameras can be used in medical imaging for tasks like surgical navigation, providing surgeons with multiple perspectives for enhanced precision. In endoscopy, multiple cameras enable a thorough examination of internal organs.

Drones and Aerial Imaging: Drones often come equipped with multiple cameras to capture high-resolution images or videos from different angles. This is useful in applications like aerial photography, agriculture monitoring, and land surveying.
With the advancement of microprocessors, multiple cameras can be integrated into a single System-on-Chip.
(SoC) to provide compact and efficient solutions. The AM62Ax SoC, with high-performance video/vision processing and deep learning acceleration, is an ideal device for the above-mentioned use cases. Another AM6x device, the AM62P, is built for high-performance embedded 3D display applications. Equipped with 3D graphics acceleration, the AM62P can easily stitch together the images from multiple cameras and produce a high-resolution panoramic view. AM62A/AM62P SoC-nin innovativ xüsusiyyətləri [4], [5], [6] və s. kimi müxtəlif nəşrlərdə təqdim edilmişdir. Bu proqram qeydi həmin xüsusiyyət təsvirlərini təkrar etməyəcək, əksinə, çoxlu CSI-2 kameralarının AM62A/AM62P-də quraşdırılmış görmə tətbiqlərinə inteqrasiyasına yönəlmişdir.

Cədvəl 1-1 təsvirin işlənməsi baxımından AM62A və AM62P arasındakı əsas fərqləri göstərir.

Cədvəl 1-1. Şəkil emalında AM62A və AM62P arasındakı fərqlər

SoC	AM62A	AM62P
Dəstəklənən Kamera Tipi	With or without a built-in ISP	Daxili ISP ilə
Kamera Çıxış Məlumatı	Raw/YUV/RGB	YUV/RGB
ISP HWA	Bəli	yox
Dərin Öyrənmə HWA	Bəli	yox
3-D Qrafika HWA	yox	Bəli

Çoxlu CSI-2 Kameralarının SoC-yə qoşulması
AM6x SoC-də Kamera Alt Sistemi Şəkil 2-1-də göstərildiyi kimi aşağıdakı komponentləri ehtiva edir:

MIPI D-PHY Receiver: receives video streams from external cameras, supporting up to 1.5 Gbps per data lane for 4 lanes.

CSI-2 Receiver (RX): receives video streams from the D-PHY receiver and either directly sends the streams to the ISP or dumps the data to DDR memory. This module supports up to 16 virtual channels.
SHIM: a DMA wrapper that enables sending the captured streams to memory over DMA. Multiple DMA contexts can be created by this wrapper, with each context corresponding to a virtual channel of the CSI-2 Receiver.

Multiple cameras can be supported on the AM6x through the use of virtual channels of CSI-2 RX, even though there is only one CSI-2 RX interface on the SoC. An external CSI-2 aggregating component is needed to combine multiple camera streams and send them to a single SoC. Two types of CSI-2 aggregating solutions can be used, described in the following sections.

CSI-2 Aggregator Using SerDes
Çoxsaylı kamera axınlarını birləşdirməyin bir yolu seriallaşdırma və sıradan çıxarma (SerDes) həllindən istifadə etməkdir. Hər kameradan CSI-2 məlumatları serializator tərəfindən çevrilir və kabel vasitəsilə ötürülür. Deserializer kabellərdən ötürülən bütün seriallaşdırılmış məlumatları qəbul edir (hər kamera üçün bir kabel), axınları yenidən CSI-2 məlumatlarına çevirir və sonra SoC-dəki tək CSI-2 RX interfeysinə bir-birinə qarışmış CSI-2 axını göndərir. Hər bir kamera axını unikal virtual kanalla müəyyən edilir. Bu toplayıcı həll, kameralardan SoC-yə 15 m-ə qədər uzun məsafəli qoşulmağa imkan verən əlavə fayda təklif edir.

AM3x Linux SDK-da dəstəklənən FPD-Link və ya V6-Link serializatorları və serializatorları (SerDes) bu tip CSI-2 toplama həlli üçün ən populyar texnologiyalardır. Həm FPD-Link, həm də V3-Link seriyasızlaşdırıcılarında [7]-də izah edildiyi kimi, bütün kameraları sinxronlaşdırmaq üçün çərçivə sinxronizasiya siqnallarını göndərmək üçün istifadə edilə bilən arxa kanallar var.
Şəkil 2-2 keçmişi göstərirampbirdən çox kameranı tək AM6x SoC-yə qoşmaq üçün SerDes-dən istifadə etmək.

Keçmişample of this aggregating solution can be found in the Arducam V3Link Camera Solution Kit. This kit has a deserializer hub which aggregates 4 CSI-2 camera streams, as well as 4 pairs of V3link serializers and IMX219 cameras, including FAKRA coaxial cables and 22-pin FPC cables. The reference design discussed later is built on this kit.

CSI-2 Aggregator without Using SerDes
Bu tip aqreqator birbaşa çoxsaylı MIPI CSI-2 kameraları ilə əlaqə qura və bütün kameralardan məlumatları tək bir CSI-2 çıxış axınına birləşdirə bilər.

Şəkil 2-3 keçmişi göstərirample of such a system. This type of aggregating solution does not use any serializer/deserializer but is limited by the maximum distance of CSI-2 data transfer, which is up to 30cm. The AM6x Linux SDK does not support this type of CSI-2 aggregator

Proqram təminatında Çoxlu Kameraların Aktivləşdirilməsi

Camera Subsystem Software Architecture
Şəkil 3-1 Şəkil 62-62-dəki HW sisteminə uyğun gələn AM2A/AM2P Linux SDK-da kamera çəkmə sisteminin proqram təminatının yüksək səviyyəli blok diaqramını göstərir.

Bu proqram arxitekturası, Şəkil 2-2-də göstərildiyi kimi, SoC-yə SerDes-in istifadəsi ilə çoxsaylı kamera axını qəbul etməyə imkan verir. FPD-Link/V3-Link SerDes hər kameraya unikal I2C ünvanı və virtual kanal təyin edir. Hər kamera üçün unikal I2C ünvanı ilə unikal cihaz ağacı örtüyü yaradılmalıdır. CSI-2 RX sürücüsü unikal virtual kanal nömrəsindən istifadə edərək hər bir kameranı tanıyır və hər kamera axını üçün DMA konteksti yaradır. Hər DMA konteksti üçün video qovşağı yaradılır. Daha sonra hər bir kameradan alınan məlumatlar DMA istifadə edərək müvafiq olaraq yaddaşda qəbul edilir və saxlanılır. İstifadəçi sahəsi proqramları kamera məlumatlarına daxil olmaq üçün hər kameraya uyğun video qovşaqlarından istifadə edir. Məsamples of using this software architecture are given in Chapter 4 – Reference Design.
V4L2 çərçivəsinə uyğun olan istənilən xüsusi sensor sürücüsü bu arxitekturaya qoşula və oynaya bilər. Yeni sensor sürücüsünü Linux SDK-ya necə inteqrasiya etmək barədə [8]-ə baxın.

Image Pipeline Software Architecture

The AM6x Linux SDK provides the GStreamer (GST) framework, which can be used in the ser space to integrate the image processing components for various applications. The Hardware Accelerators (HWA) on the SoC, such as the Vision Pre-processing Accelerator (VPAC) or ISP, video encoder/decoder, and deep learning compute engine, are accessed through GST plugins. VPAC (ISP) özü çoxlu bloklara malikdir, o cümlədən Vision Imaging Sub-System (VISS), Lens Distortion Correction (LDC) və Multiscalar (MSC), hər biri GST plagininə uyğundur.

Figure 3-2 shows the block diagram of a typical image pipeline from the camera to encoding or deep
learning applications on AM62A. For more details about the end-to-end data flow, refer to the EdgeAI SDK documentation.

For AM62P, the image pipeline is simpler because there is no ISP on AM62P.

Kameraların hər biri üçün yaradılmış video qovşağı ilə GStreamer əsaslı təsvir kəməri eyni vaxtda birdən çox kamera girişinin (eyni CSI-2 RX interfeysi vasitəsilə birləşdirilərək) işlənməsinə imkan verir. Çox kameralı proqramlar üçün GStreamer istifadə edərək istinad dizaynı növbəti fəsildə verilmişdir.

İstinad Dizaynı

Bu fəsildə 62 CSI-3 kamerasını AM4A-ya qoşmaq üçün Arducam V2Link Kamera Həll Dəstindən istifadə edərək AM62A EVM-də çoxlu kamera proqramlarının işlədilməsi və bütün 4 kamera üçün obyekt aşkarlanması ilə bağlı istinad dizaynı təqdim olunur.

Dəstəklənən Kameralar
The Arducam V3Link kit works with both FPD-Link/V3-Link-based cameras and Raspberry Pi-compatible CSI-2 cameras. The following cameras have been tested:

D3 Engineering D3RCM-IMX390-953
Leopard Imaging LI-OV2312-FPDLINKIII-110H

IMX219 cameras in the Arducam V3Link Camera Solution Kit

Setting up Four IMX219 Cameras
Follow the instructions provided in the AM62A Starter Kit EVM Quick Start Guide to set up the SK-AM62A-LP EVM (AM62A SK) and ArduCam V3Link Camera Solution Quick Start Guide to connect the cameras to AM62A SK through the V3Link kit. Make sure the pins on the flex cables, cameras, V3Link board, and AM62A SK are all aligned properly.

Figure 4-1 shows the setup used for the reference design in this report. The main components in the setup include:

1X SK-AM62A-LP EVM board
1X Arducam V3Link d-ch adapter board
FPC cable connecting Arducam V3Link to SK-AM62A

4X V3Link camera adapters (serializers)
4X RF coaxial cables to connect V3Link serializers to V3Link d-ch kit
4X IMX219 Cameras

4X CSI-2 22-pin cables to connect cameras to serializers
Cables: HDMI cable, USB-C to power SK-AM62A-LP and 12V power sourced for V3Link d-ch kit)
Other components not shown in Figure 4-1: micro-SD card, micro-USB cable to access SK-AM62A-LP, and Ethernet for streaming

Configuring Cameras and CSI-2 RX Interface
Set up the software according to the instructions provided in the Arducam V3Link Quick Start Guide. After running the camera setup script, setup-imx219.sh, the camera’s format, the CSI-2 RX interface format, and the routes from each camera to the corresponding video node will be configured properly. Four video nodes are created for the four IMX219 cameras. Command “v4l2-ctl –list-devices” displays all the V4L2 video devices, as shown below:

There are 6 video nodes and 1 media node under tiscsi2rx. Each video node corresponds to a DMA context allocated by the CSI2 RX driver. Out of the 6 video nodes, 4 are used for the 4 IMX219 cameras, as shown in the media pipe topology below:

Yuxarıda göstərildiyi kimi, media qurumu 30102000.ticsi2rx-də 6 mənbə bloku var, lakin hər biri bir IMX4 üçün yalnız ilk 219-ü istifadə olunur. Media borusu topologiyası da qrafik şəkildə təsvir edilə bilər. Nöqtə yaratmaq üçün aşağıdakı əmri yerinə yetirin file:

Then run the command below on a Linux host PC to generate a PNG file:

Şəkil 4-2 yuxarıda verilmiş əmrlərdən istifadə etməklə yaradılmış şəkildir. Şəkil 3-1-in proqram arxitekturasındakı komponentlər bu qrafikdə tapıla bilər.

Streaming from Four Cameras
Həm aparat, həm də proqram təminatının düzgün qurulması ilə çox kameralı proqramlar istifadəçi sahəsindən işləyə bilər. AM62A üçün ISP yaxşı görüntü keyfiyyəti yaratmaq üçün sazlanmalıdır. ISP tənzimləməsini necə yerinə yetirmək üçün AM6xA ISP Tuning Guide-ə baxın. Aşağıdakı bölmələr exampkamera məlumatlarının ekrana ötürülməsi, kamera məlumatlarının şəbəkəyə ötürülməsi və kamera məlumatlarının saxlanması files.

Streaming Camera Data to Display
Bu çox kameralı sistemin əsas tətbiqi videoları bütün kameralardan eyni SoC-yə qoşulmuş ekrana ötürməkdir. Aşağıda GStreamer boru kəməri keçmişdirampdörd IMX219-un displeyə ötürülməsi (boru kəmərindəki video qovşaq nömrələri və v4l-subdev nömrələri çox güman ki, yenidən başladılmaqdan yenidən başlamağa dəyişəcək).

Streaming Camera Data through Ethernet
Eyni SoC-yə qoşulmuş ekrana axın etmək əvəzinə, kamera məlumatları Ethernet vasitəsilə də yayımlana bilər. Qəbul edən tərəf ya başqa bir AM62A/AM62P prosessoru, ya da əsas kompüter ola bilər. Aşağıdakılar keçmişdirampkamera məlumatlarının Ethernet vasitəsilə ötürülməsi (sadəlik üçün iki kameradan istifadə etməklə) (boru kəmərində istifadə olunan kodlayıcı plagininə diqqət yetirin):

Aşağıdakı keçmişdirampkamera məlumatlarını qəbul etmək və başqa AM62A/AM62P prosessorunda ekrana axın etmək:

Storing Camera Data to Files
Instead of streaming to a display or through a network, the camera data can be stored in local files. Aşağıdakı boru kəməri hər kameranın məlumatlarını a file (keçmiş kimi iki kameradan istifadəampsadəlik üçün).

Multicamera Deep Learning Inference

AM62A təsnifat, obyektin aşkarlanması, semantik seqmentasiya və sair üçün müxtəlif növ dərin öyrənmə modellərini işə salmağa qadir olan iki TOPS-a qədər dərin öyrənmə sürətləndiricisi (C7x-MMA) ilə təchiz edilmişdir. Bu bölmə AM62A-nın dörd fərqli kamera lentində dörd dərin öyrənmə modelini eyni vaxtda necə işlədə biləcəyini göstərir.

Model Seçimi
The TI’s EdgeAI-ModelZoo provides hundreds of state-of-the-art models, which are converted/exported from their original training frameworks to an anembedded-friendlyy format so that they can be offloaded to the C7x-MMA deep learning accelerator. The cloud-based Edge AI Studio Model Analyzer provides an easy-to-use “Model Selection” tool. It is dynamically updated to include all models supported in TI EdgeAI-ModelZoo. The tool requires no previous experience and provides an easy-to-use interface to enter the features required in the desired model.

The TFL-OD-2000-ssd-mobV1-coco-mlperf was selected for this multi-camera deep learning experiment. This multi-object detection model is developed in the TensorFlow framework with a 300×300 input resolution. Table 4-1 shows the important features of this model when trained on the cCOCO dataset with about 80 different classes.

Cədvəl 4-1. TFL-OD-2000-ssd-mobV1-coco-mlperf Modelinin Xüsusiyyətlərini vurğulayın.

Model	Tapşırıq	Qətnamə	FPS	mAP 50% Accuracy On COCO	Gecikmə/Çərçivə (ms)	DDR BW Utilization (MB/ Frame)
TFL-OD-2000-ssd- mobV1-coco-mlperf	Multi Object Detection	300×300	~152	15.9	6.5	18.839

Pipeline Setup
Figure 4-3 shows the 4-camera deep learning GStreamer pipeline. TI provides a suite of GStreamer plugins Bu, bəzi media emalını və aparat sürətləndiricilərinə dərin öyrənmə nəticələrini boşaltmağa imkan verir. Bəzi keçmişampbunlardan bir neçəsi plugins tiovxisp, tiovxmultiscaler, tiovxmosaic və tidlinferer daxildir. Şəkil 4-3-dəki boru kəməri tələb olunanların hamısını ehtiva edir plugins for a multipath GStreamer pipeline for 4-camera inputs, each with media preprocess, deep learning inference, and postprocess. The duplicated plugins kamera yollarının hər biri üçün daha asan nümayiş etdirmək üçün qrafikdə yığılmışdır.
The available hardware resources are evenly distributed among the four camera paths. For instance, AM62A contains two image multiscalers: MSC0 and MSC1. The pipeline explicitly dedicates MSC0 to process camera 1 and camera 2 paths, while MSC1 is dedicated to camera 3 and camera 4.

The output of the four camera pipelines is scaled down and concatenated together using the tiovxmosaic plugin. The output is displayed on a single screen. Figure 4-4 shows the output of the four cameras with a deep learning model running object detection. Each pipeline (camera) is running at 30 FPS and a total of 120 FPS.

Sonra Şəkil 4-3-də göstərilən multikamera dərin öyrənmə istifadə nümunəsi üçün tam boru xətti skriptidir.

Performans təhlili

The setup with four cameras using the V3Link board and the AM62A SK was tested in various application scenarios, including directly displaying on a screen, streaming over Ethernet (four UDP channels), recording to 4 separate files, and with deep learning inference. In each experiment, we monitored the frame rate and the utilization of CPU cores to explore the whole system’s capabilities.

Əvvəllər Şəkil 4-4-də göstərildiyi kimi, dərin öyrənmə boru kəməri ekranın altındakı bar qrafiki kimi CPU əsas yüklərini göstərmək üçün tiperfoverlay GStreamer plaginindən istifadə edir. Varsayılan olaraq, yükləri istifadə faizi kimi göstərmək üçün qrafik hər iki saniyədən bir yenilənirtage. In addition to the tiperfoverlay GStreamer plugin, the perf_stats tool is a second option to show core performance directly on the terminal with an option for saving to a file. This tool is more accurate compared to the tTiperfoverlayas the latter adds extra load on theARMm cores and the DDR to draw the graph and overlay it on the screen. The perf_stats tool is mainly used to collect hardware utilization results in all of the test cases shown in this document. Some of the important processing cores and accelerators studied in these tests include the main processors (four A53 Arm cores @ 1.25GHz), the deep learning accelerator (C7x-MMA @ 850MHz), the VPAC (ISP) with VISS and multiscalers (MSC0 and MSC1), and DDR operations.

Table 5-1 shows the performance and resource utilization when using AM62A with four cameras for three use cases, including streaming four cameras to a display, streaming over Ethernet, and recording to four separate files. Two tests are implemented in each use case: with the camera only and with deep learning inference. In addition, the first row in Table 5-1 shows hardware utilizations when only the operating system was running on AM62A without any user applications. This is used as a baseline to compare against when evaluating hardware utilizations of the other test cases. As shown in the table, the four cameras with deep learning and screen display operated at 30 FPS each ,with a total of 120 FPS for the four cameras. This high frame rate is achieved with only 86% of the deep learning accelerator (C7x-MMA) full capacity. In addition, it is important to note that the deep learning accelerator was clocked at 850MHz instead of 1000MHz in these experiments, which is about only 85% of its maximum performance.

Cədvəl 5-1. Ekran görüntüsü, Ethernet axını, qeyd üçün 62 IMX4 Kamera ilə istifadə edildikdə AM219A-nın Performans (FPS) və Resursdan İstifadəsi Files, və Dərin Öyrənmə Nəticələrinin həyata keçirilməsi

Tətbiq n	Pipeline (operation )	Çıxış	FPS avg pipeline s	FPS cəmi	MPUs A53s @ 1.25 GHz [%]	MCU R5 [%]	DLA (C7x- MMA) @ 850 MHz [%]	VISS [%]	MSC0 [%]	MSC1 [%]	DDR Rd [MB/s]	DDR Wr [MB/s]	DDR Total [MB/s]
Tətbiq yoxdur	Baseline No operation	NA	NA	NA	1.87	1	0	0	0	0	560	19	579
Kamera yalnız	Axın to Screen	Ekran	30	120	12	12	0	70	61	60	1015	757	1782
	Stream over Ethernet	PDU: 4 ports 1920×1080	30	120	23	6	0	70	0	0	2071	1390	3461
	Qeyd üçün files	4 files 1920×1080	30	120	25	3	0	70	0	0	2100	1403	3503
Cam with Deep learning	Deep learning: Object detection MobV1- coco	Ekran	30	120	38	25	86	71	85	82	2926	1676	4602
	Deep learning: Object detection MobV1- coco and Stream over Ethernet	PDU: 4 ports 1920×1080	28	112	84	20	99	66	65	72	4157	2563	6720
	Deep learning: Object detection MobV1- coco and record to files	4 files 1920×1080	28	112	87	22	98	75	82	61	2024	2458	6482

Xülasə
This application report describes how to implement multi-camera applications on the AM6x family of devices. A reference design based on Arducam’s V3Link Camera Solution Kit and AM62A SK EVM is provided in the report, with several camera applications using four IMX219 cameras, such as streaming and object detection. Users are encouraged to acquire the V3Link Camera Solution Kit from Arducam and replicate these examples. The report also provides a detailed analysis of the performance of AM62A while using four cameras under various configurations, including displaying to a screen, streaming over Ethernet, and recording to files. It also showsAM62A’sA capability of performing deep learning inference on four separate camera streams in parallel. If there are any questions about running these examples, TI E2E forumunda sorğu göndərin.

İstinadlar

AM62A Starter Kit EVM Quick Start Guide

ArduCam V3Link Camera Solution Quick Start Guide
Edge AI SDK documentation for AM62A
Edge AI Smart Cameras Using Energy-Efficient AM62A Processor

Camera Mirror Systems on AM62A
Driver and Occupancy Monitoring Systems on AM62A
Quad Channel Camera Application for Surround View and CMS Camera Systems

AM62Ax Linux Academy on Enabling CIS-2 Sensor
Edge AI ModelZoo
Edge AI Studio

Perf_stats tool

TI Parts Referred in This Application Note:

https://www.ti.com/product/AM62A7

Vacib XƏBƏRDARLIQ VƏ RƏCAMA

TI TEXNİKİ VƏ ETİBARLIQ MƏLUMATLARI (MƏLUMAT VƏRƏFƏLƏRİ O cümlədən), DİZAYN RESURSLARI (İSTİNAD DİZAYNLARI daxil olmaqla), TƏTBİQ VƏ YA DİGƏR DİZAYN MƏSLƏHƏTLƏRİ, WEB Alətlər, təhlükəsizlik məlumatları və digər mənbələr "olduğu kimi" və bütün nöqsanlar ilə "olduğu kimi" və bütün zəmanətləri, ekspress və nəzərdə tutulan bütün zəmanətləri, o cümlədən, üçüncü tərəf intellektual mülkiyyət hüquqlarının müəyyən bir məqsədi və ya pozulmaması üçün fitness .

Bu resurslar TI məhsulları ilə dizayn edən təcrübəli tərtibatçılar üçün nəzərdə tutulub. Siz yalnız məsuliyyət daşıyırsınız

tətbiqiniz üçün uyğun TI məhsullarının seçilməsi,

proqramınızın layihələndirilməsi, təsdiqlənməsi və sınaqdan keçirilməsi və
ensuring your application meets applicable standards, and any other safety, security, regulatory, or other requirements.

These resources are subject to change without notice. TI permits you to use these resources only for the development of an application that uses the TI products described in the resource. Other reproduction and display of these resources is prohibited. No license is granted to any other TI intellectual property right or to any third party intellectual property right. TI disclaims responsibility for, and you will fully indemnify TI and its representatives against, any claims, damages, costs, losses, and liabilities arising out of your use of these resources.

TI-nin məhsulları TI-nin Satış Şərtlərinə və ya mövcud olan digər müvafiq şərtlərə uyğun olaraq təmin edilir ti.com və ya belə TI məhsulları ilə birlikdə verilir. TI-nin bu resursları təmin etməsi TI məhsulları üçün TI-nin müvafiq zəmanətlərini və ya zəmanətdən imtina etmələrini genişləndirmir və ya başqa şəkildə dəyişdirmir.

TI sizin təklif etdiyiniz hər hansı əlavə və ya fərqli şərtlərə etiraz edir və onları rədd edir.

Vacib XƏBƏRDARLIQ

Poçt ünvanı: Texas Instruments, Poçt qutusu 655303, Dallas, Texas 75265

Tez-tez verilən suallar

S: AM6x cihazları ailəsi ilə istənilən növ kameradan istifadə edə bilərəmmi?

The AM6x family supports different camera types, including those with or without built-in ISP. Refer to the specifications for more details on supported camera types.

: What are the main differences between AM62A and AM62P in image processing?

The key variations include supported camera types, camera output data, presence of ISP HWA, Deep Learning HWA, and 3-D Graphics HWA. Refer to the specifications section for a detailed comparison.

Sənədlər / Resurslar

Texas Instruments AM6x birdən çox kamera hazırlayır [pdf] İstifadəçi təlimatı
AM62A, AM62P, AM6x Çoxsaylı Kamera, AM6x, Çoxlu Kameranın İnkişafı, Çox Kamera, Kamera

İstinadlar

İstifadəçi təlimatı

Texas Instruments AM6x Developing Multiple Cameras

Spesifikasiyalar