Ръководство за потребителя на Texas Instruments AM6x за разработване на множество камери

Вградените камери играят ключова роля в съвременните системи за зрение.
Използването на множество камери в една система подобрява възможностите и позволява задачи, които не са постижими с една камера.

Приложения, използващи множество камери:

Видеонаблюдение за сигурност: Подобрява обхвата на наблюдението, проследяването на обекти и точността на разпознаване.
Съраунд View: Позволява стерео зрение за задачи като откриване на препятствия и манипулиране на обекти.

Система за запис на кабината и камера в огледалото: Осигурява разширено покритие и елиминира слепите петна.
Медицинска образна диагностика: Предлага подобрена прецизност при хирургична навигация и ендоскопия.

Дронове и въздушни изображения: Заснемайте изображения с висока резолюция от различни ъгли за различни приложения.

Свързване на множество CSI-2 камери към SoC:
За да свържете няколко CSI-2 камери към SoC, следвайте указанията, предоставени в ръководството за потребителя. Уверете се, че всяка камера е правилно подравнена и свързана към определените портове на SoC.

Забележка за приложението
Разработване на приложения с множество камери на AM6x

Jianzhong Xu, Qutaiba Saleh

АБСТРАКТ
Този доклад описва разработването на приложения, използващи множество CSI-2 камери на устройства от семейството AM6x. Представен е референтен дизайн за откриване на обекти с дълбоко обучение на 4 камери на SoC AM62A с анализ на производителността. Общите принципи на дизайна се отнасят за други SoC с CSI-2 интерфейс, като например AM62x и AM62P.

Въведение

Вградените камери играят важна роля в съвременните системи за зрение. Използването на множество камери в една система разширява възможностите на тези системи и дава възможност за реализации, които не са възможни с една камера. По-долу са дадени някои примери...ampброя на приложенията, използващи множество вградени камери:

Видеонаблюдение: Множество камери, разположени стратегически, осигуряват цялостно покритие на видеонаблюдението. Те позволяват панорамно views, намаляват слепите зони и подобряват точността на проследяване и разпознаване на обекти, подобрявайки цялостните мерки за сигурност.
Съраунд ViewМножество камери се използват за създаване на стерео зрителна конфигурация, което позволява триизмерна информация и оценка на дълбочината. Това е от решаващо значение за задачи като откриване на препятствия в автономни превозни средства, прецизна манипулация на обекти в роботиката и подобрен реализъм на преживяванията с добавена реалност.

Система за запис на кабината и огледална камера: Автомобилен запис на кабината с множество камери може да осигури по-голямо покритие, използвайки един процесор. По подобен начин система за запис на кабината с две или повече камери може да разшири обхвата на водача. view и елиминирайте слепите зони от всички страни на автомобила.
Медицинско изобразяване: В медицинското изобразяване могат да се използват множество камери за задачи като хирургическа навигация, предоставяйки на хирурзите множество перспективи за подобрена прецизност. В ендоскопията множество камери позволяват задълбочено изследване на вътрешните органи.

Дронове и въздушно изображение: Дроновете често са оборудвани с множество камери за заснемане на изображения или видеоклипове с висока резолюция от различни ъгли. Това е полезно в приложения като въздушна фотография, мониторинг на селското стопанство и геодезия.
С развитието на микропроцесорите, множество камери могат да бъдат интегрирани в една единствена система върху чип.
(SoC) за предоставяне на компактни и ефективни решения. SoC AM62Ax, с високопроизводителна обработка на видео/визуални данни и ускорение за дълбоко обучение, е идеално устройство за гореспоменатите случаи на употреба. Друго AM6x устройство, AM62P, е създадено за високопроизводителни вградени 3D дисплейни приложения. Оборудван с 3D графично ускорение, AM62P може лесно да съединява изображенията от множество камери и да създава панорамни изображения с висока резолюция. viewИновативните характеристики на SoC AM62A/AM62P са представени в различни публикации, като например [4], [5], [6] и др. Тази бележка за приложение няма да повтаря описанията на тези функции, а вместо това се фокусира върху интегрирането на множество CSI-2 камери във вградени приложения за зрение на AM62A/AM62P.

Таблица 1-1 показва основните разлики между AM62A и AM62P по отношение на обработката на изображения.

Таблица 1-1. Разлики между AM62A и AM62P при обработката на изображения

SoC	AM62A	AM62P
Поддържан тип камера	Със или без вграден интернет доставчик	С вграден интернет доставчик
Изходни данни от камерата	Суров/YUV/RGB	YUV/RGB
Интернет доставчик HWA	да	не
Дълбоко обучение HWA	да	не
3D графика HWA	не	да

Свързване на множество CSI-2 камери към SoC
Подсистемата за камера на AM6x SoC съдържа следните компоненти, както е показано на Фигура 2-1:

MIPI D-PHY приемник: приема видео потоци от външни камери, поддържайки до 1.5 Gbps на канал за данни за 4 канала.

CSI-2 приемник (RX): приема видео потоци от D-PHY приемника и директно ги изпраща към интернет доставчика или прехвърля данните в DDR памет. Този модул поддържа до 16 виртуални канала.
SHIM: DMA обвивка, която позволява изпращането на заснетите потоци към паметта през DMA. Тази обвивка може да създаде множество DMA контексти, като всеки контекст съответства на виртуален канал на CSI-2 приемника.

Множество камери могат да бъдат поддържани на AM6x чрез използването на виртуални канали на CSI-2 RX, въпреки че има само един CSI-2 RX интерфейс на SoC. Необходим е външен CSI-2 агрегиращ компонент, за да се комбинират множество потоци от камери и да се изпратят към един SoC. Могат да се използват два вида CSI-2 агрегиращи решения, описани в следващите раздели.

CSI-2 агрегатор, използващ SerDes
Един от начините за комбиниране на потоци от множество камери е използването на решение за сериализиране и десериализиране (SerDes). CSI-2 данните от всяка камера се преобразуват от сериализатор и се прехвърлят през кабел. Десериализаторът получава всички сериализирани данни, прехвърлени от кабелите (един кабел на камера), преобразува потоците обратно в CSI-2 данни и след това изпраща преплетен CSI-2 поток към единствения CSI-2 RX интерфейс на SoC. Всеки поток от камера се идентифицира чрез уникален виртуален канал. Това агрегиращо решение предлага допълнителното предимство, че позволява връзка на дълги разстояния до 15 м от камерите до SoC.

Сериализаторите и десериализаторите FPD-Link или V3-Link (SerDes), поддържани в AM6x Linux SDK, са най-популярните технологии за този тип CSI-2 агрегиращо решение. Както десериализаторите FPD-Link, така и V3-Link имат обратни канали, които могат да се използват за изпращане на сигнали за синхронизация на кадрите, за да се синхронизират всички камери, както е обяснено в [7].
Фигура 2-2 показва exampначин на използване на SerDes за свързване на множество камери към един AM6x SoC.

БившampЧаст от това агрегиращо решение може да се намери в комплекта Arducam V3Link Camera Solution Kit. Този комплект има десериализаторен хъб, който агрегира 4 CSI-2 потока от камери, както и 4 чифта V3link сериализатори и IMX219 камери, включително коаксиални кабели FAKRA и 22-пинови FPC кабели. Референтният дизайн, обсъден по-късно, е изграден върху този комплект.

CSI-2 агрегатор без използване на SerDes
Този тип агрегатор може директно да взаимодейства с множество MIPI CSI-2 камери и да агрегира данните от всички камери в един CSI-2 изходен поток.

Фигура 2-3 показва exampна такава система. Този тип агрегиращо решение не използва сериализатор/десериализатор, но е ограничено от максималното разстояние за пренос на CSI-2 данни, което е до 30 см. AM6x Linux SDK не поддържа този тип CSI-2 агрегатор.

Активиране на множество камери в софтуера

Софтуерна архитектура на подсистемата на камерата
Фигура 3-1 показва блокова диаграма на високо ниво на софтуера за заснемане на камера в AM62A/AM62P Linux SDK, съответстваща на хардуерната система от Фигура 2-2.

Тази софтуерна архитектура позволява на SoC да получава множество потоци от камери с помощта на SerDes, както е показано на Фигура 2-2. FPD-Link/V3-Link SerDes присвоява уникален I2C адрес и виртуален канал на всяка камера. Трябва да се създаде уникално наслагване на дърво на устройствата с уникалния I2C адрес за всяка камера. Драйверът CSI-2 RX разпознава всяка камера, използвайки уникалния номер на виртуалния канал, и създава DMA контекст за всеки поток от камера. За всеки DMA контекст се създава видео възел. Данните от всяка камера след това се получават и съхраняват съответно с помощта на DMA в паметта. Приложенията в потребителското пространство използват видео възлите, съответстващи на всяка камера, за достъп до данните от камерата. Например...ampИнструкции за използване на тази софтуерна архитектура са дадени в Глава 4 – Референтен дизайн.

Всеки специфичен драйвер за сензор, съвместим с V4L2 рамката, може да се включи и използва в тази архитектура. Вижте [8] относно това как да интегрирате нов драйвер за сензор в Linux SDK.

Софтуерна архитектура на Image Pipeline

AM6x Linux SDK предоставя рамката GStreamer (GST), която може да се използва в ser пространството за интегриране на компоненти за обработка на изображения за различни приложения. Хардуерните ускорители (HWA) на SoC, като например ускорителя за предварителна обработка на изображението (VPAC) или ISP, видео енкодер/декодер и изчислителен енджин за дълбоко обучение, се достъпват чрез GST. pluginsСамият VPAC (ISP) има множество блокове, включително подсистема за визуално изображение (VISS), корекция на изкривяването на обектива (LDC) и мултискалар (MSC), всеки от които съответства на GST плъгин.
Фигура 3-2 показва блокова схема на типичен канал за обработка на изображения от камерата до кодирането или дълбокото кодиране.
приложения за обучение на AM62A. За повече подробности относно потока от данни от край до край, вижте документацията на EdgeAI SDK.

За AM62P, конвейерът за изображения е по-опростен, защото на AM62P няма интернет доставчик (ISP).

С видео възел, създаден за всяка от камерите, базираният на GStreamer канал за обработка на изображения позволява едновременна обработка на множество входове от камери (свързани чрез един и същ CSI-2 RX интерфейс). Референтен проект, използващ GStreamer за приложения с множество камери, е даден в следващата глава.

Референтен дизайн

Тази глава представя референтен дизайн за изпълнение на приложения с множество камери на AM62A EVM, използвайки Arducam V3Link Camera Solution Kit за свързване на 4 CSI-2 камери към AM62A и стартиране на откриване на обекти за всичките 4 камери.

Поддържани камери
Комплектът Arducam V3Link работи както с камери, базирани на FPD-Link/V3-Link, така и с CSI-2 камери, съвместими с Raspberry Pi. Следните камери са тествани:

D3 Инженеринг D3RCM-IMX390-953
Leopard Imaging LI-OV2312-FPDLINKIII-110H
IMX219 камери в комплекта за решения за камери Arducam V3Link

Настройка на четири IMX219 камери
Следвайте инструкциите, предоставени в Ръководството за бърз старт на стартовия комплект AM62A EVM, за да настроите SK-AM62A-LP EVM (AM62A SK) и ArduCam V3Link Camera Solution, за да свържете камерите към AM62A SK чрез комплекта V3Link. Уверете се, че пиновете на гъвкавите кабели, камерите, платката V3Link и AM62A SK са правилно подравнени.

Фигура 4-1 показва настройката, използвана за референтния дизайн в този доклад. Основните компоненти в настройката включват:

1X платка SK-AM62A-LP EVM
1X адаптерна платка Arducam V3Link d-ch
FPC кабел, свързващ Arducam V3Link към SK-AM62A
4X V3Link адаптера за камера (сериализатори)
4X RF коаксиални кабела за свързване на V3Link сериализатори към V3Link d-ch комплект
4X IMX219 камери
4X CSI-2 22-пинови кабела за свързване на камери към сериализатори
Кабели: HDMI кабел, USB-C за захранване на SK-AM62A-LP и 12V захранване за V3Link d-ch комплект)
Други компоненти, които не са показани на Фигура 4-1: micro-SD карта, micro-USB кабел за достъп до SK-AM62A-LP и Ethernet за стрийминг

Конфигуриране на камери и CSI-2 RX интерфейс
Инсталирайте софтуера съгласно инструкциите, предоставени в Ръководството за бърз старт на Arducam V3Link. След стартиране на скрипта за настройка на камерата, setup-imx219.sh, форматът на камерата, форматът на интерфейса CSI-2 RX и маршрутите от всяка камера до съответния видео възел ще бъдат конфигурирани правилно. Създават се четири видео възела за четирите камери IMX219. Командата „v4l2-ctl –list-devices“ показва всички видео устройства V4L2, както е показано по-долу:

Под tiscsi6rx има 1 видео възела и 2 медиен възел. Всеки видео възел съответства на DMA контекст, разпределен от CSI2 RX драйвера. От 6-те видео възела, 4 се използват за 4-те IMX219 камери, както е показано в топологията на медийния канал по-долу:

Както е показано по-горе, медийният обект 30102000.ticsi2rx има 6 изходни площадки, но се използват само първите 4, всяка за един IMX219. Топологията на медийния канал може да бъде илюстрирана и графично. Изпълнете следната команда, за да генерирате точка file:

След това изпълнете командата по-долу на Linux хост компютър, за да генерирате PNG файл file:

Фигура 4-2 е изображение, генерирано с помощта на дадените по-горе команди. Компонентите в софтуерната архитектура на Фигура 3-1 могат да бъдат намерени в тази графика.

Стрийминг от четири камери
След правилно настройване на хардуера и софтуера, приложенията за множество камери могат да работят от потребителското пространство. За AM62A, интернет доставчикът (ISP) трябва да бъде настроен, за да се получи добро качество на изображението. Вижте Ръководството за настройка на AM6xA ISP за това как да извършите настройка на ISP. Следните раздели представят примери...ampстрийминг на данни от камерата към дисплей, стрийминг на данни от камерата към мрежа и съхраняване на данните от камерата в files.

Стрийминг на данни от камерата към дисплея
Основно приложение на тази многокамерна система е стрийминг на видеоклипове от всички камери към дисплей, свързан към един и същ SoC. Следва пример за GStreamer pipeline.ampна стрийминг на четири IMX219 към дисплей (номера на видео възлите и номерата на v4l-subdev в конвейера вероятно ще се променят от рестартиране до рестартиране).

Стрийминг на данни от камерата през Ethernet
Вместо да се предават поточно към дисплей, свързан към същия SoC, данните от камерата могат да се предават поточно и през Ethernet. Приемащата страна може да бъде или друг процесор AM62A/AM62P, или хост компютър. Следва пример.ampна стрийминг на данните от камерата през Ethernet (използвайки две камери за опростяване) (обърнете внимание на плъгина за енкодер, използван в конвейера):

Следното е ексampполучаване на данни от камерата и стрийминг към дисплей на друг процесор AM62A/AM62P:

Съхраняване на данни от камерата в Files
Вместо да се предават поточно към дисплей или през мрежа, данните от камерата могат да се съхраняват локално files. Канвалерът по-долу съхранява данните от всяка камера в file (използвайки две камери като примерampле за простота).

Многокамерно изводно задълбочено обучение

AM62A е оборудван с ускорител за дълбоко обучение (C7x-MMA) с до два TOPS процесора, които са способни да изпълняват различни видове модели за дълбоко обучение за класификация, откриване на обекти, семантична сегментация и други. Този раздел показва как AM62A може едновременно да изпълнява четири модела за дълбоко обучение на четири различни камери.

Избор на модел
EdgeAI-ModelZoo на TI предоставя стотици най-съвременни модели, които се конвертират/експортират от оригиналните им рамки за обучение във формат, удобен за вграждане, така че да могат да бъдат качени в ускорителя за дълбоко обучение C7x-MMA. Облачният Edge AI Studio Model Analyzer предоставя лесен за използване инструмент за „Избор на модел“. Той се актуализира динамично, за да включва всички модели, поддържани в TI EdgeAI-ModelZoo. Инструментът не изисква предишен опит и предоставя лесен за използване интерфейс за въвеждане на функциите, необходими за желания модел.

За този многокамерен експеримент за дълбоко обучение беше избран TFL-OD-2000-ssd-mobV1-coco-mlperf. Този модел за откриване на множество обекти е разработен в рамката TensorFlow с входна резолюция 300×300. Таблица 4-1 показва важните характеристики на този модел, когато е обучен върху набора от данни cCOCO с около 80 различни класа.

Таблица 4-1. Основни характеристики на модела TFL-OD-2000-ssd-mobV1-coco-mlperf.

Модел	Задача	Резолюция	FPS	mAP 50% Точност на COCO	Латентност/Кадър (ms)	DDR BW Използване (MB/кадър)
TFL-OD-2000-ssd- mobV1-coco-mlperf	Откриване на множество обекти	300×300	~152	15.9	6.5	18.839

Настройка на тръбопровода
Фигура 4-3 показва GStreamer конвейера за дълбоко обучение с 4 камери. TI предоставя набор от GStreamer plugins които позволяват разтоварването на част от обработката на медийни файлове и изводите за дълбоко обучение към хардуерните ускорители. Някои напр.ampмалко от тези plugins включват tiovxisp, tiovxmultiscaler, tiovxmosaic и tidlinferer. Конвейерът на Фигура 4-3 включва всички необходими plugins за многопътен GStreamer конвейер за входове от 4 камери, всеки с предварителна обработка на медийно съдържание, извод за дълбоко обучение и последваща обработка. Дублираният plugins за всеки от пътищата на камерата са подредени в графиката за по-лесна демонстрация.
Наличните хардуерни ресурси са равномерно разпределени между четирите пътя на камерата. Например, AM62A съдържа два мултискейлера за изображения: MSC0 и MSC1. Конвейерът изрично отделя MSC0 за обработка на пътищата на камера 1 и камера 2, докато MSC1 е предназначен за камера 3 и камера 4.

Изходът от четирите канала на камерите се намалява и обединява с помощта на плъгина tiovxmosaic. Изходът се показва на един екран. Фигура 4-4 показва изхода от четирите камери с модел на дълбоко обучение, работещ с откриване на обекти. Всеки канал (камера) работи с 30 FPS и общо 120 FPS.

Следва пълният скрипт за конвейера за случая на употреба на многокамерно дълбоко обучение, показан на Фигура 4-3.

Анализ на ефективността

Конфигурацията с четири камери, използващи платката V3Link и AM62A SK, беше тествана в различни сценарии на приложение, включително директно показване на екран, стрийминг през Ethernet (четири UDP канала), запис на 4 отделни... fileи с дълбоко обучение. Във всеки експеримент наблюдавахме честотата на кадрите и използването на процесорните ядра, за да изследваме възможностите на цялата система.

Както е показано по-рано на Фигура 4-4, конвейерът за дълбоко обучение използва плъгина tiperfoverlay GStreamer, за да показва натоварването на ядрата на процесора като стълбчата графика в долната част на екрана. По подразбиране графиката се актуализира на всеки две секунди, за да покаже натоварването като процент на използване.tagд. В допълнение към плъгина tiperfoverlay за GStreamer, инструментът perf_stats е втора опция за показване на производителността на ядрото директно в терминала с опция за запазване в fileТози инструмент е по-точен в сравнение с tTiperfoverlay, тъй като последният добавя допълнително натоварване върху ARMm ядрата и DDR, за да начертае графиката и да я наслагва на екрана. Инструментът perf_stats се използва главно за събиране на резултати от използването на хардуера във всички тестови случаи, показани в този документ. Някои от важните процесорни ядра и ускорители, изследвани в тези тестове, включват основните процесори (четири A53 Arm ядра @ 1.25GHz), ускорителя за дълбоко обучение (C7x-MMA @ 850MHz), VPAC (ISP) с VISS и мултискейлери (MSC0 и MSC1) и DDR операции.

Таблица 5-1 показва производителността и използването на ресурси при използване на AM62A с четири камери за три сценария на употреба, включително стрийминг на четири камери към дисплей, стрийминг през Ethernet и запис на четири отделни камери. files. Във всеки случай на употреба са имплементирани два теста: само с камерата и с извод за дълбоко обучение. Освен това, първият ред в Таблица 5-1 показва използването на хардуера, когато само операционната система е работила на AM62A без потребителски приложения. Това се използва като базова линия за сравнение при оценката на използването на хардуера в другите тестови случаи. Както е показано в таблицата, четирите камери с дълбоко обучение и екранно показване са работили с 30 FPS всяка, с общо 120 FPS за четирите камери. Тази висока честота на кадрите е постигната само с 86% от пълния капацитет на ускорителя за дълбоко обучение (C7x-MMA). Освен това е важно да се отбележи, че ускорителят за дълбоко обучение е бил тактуван на 850MHz вместо 1000MHz в тези експерименти, което е около само 85% от максималната му производителност.

Таблица 5-1. Производителност (FPS) и използване на ресурсите на AM62A, когато се използва с 4 IMX219 камери за екранно показване, Ethernet поток, запис към Fileи извършване на дълбоко обучение чрез извод

Приложение n	Тръбопровод (експлоатация )	Изход	FPS среден тръбопровод s	FPS общо	Микропроцесорни процесори A53 @ 1.25 GHz [%]	MCU R5 [%]	DLA (C7x-MMA) @ 850 MHz [%]	VISS [%]	MSC0 [%]	MSC1 [%]	DDR Път [MB/s]	DDR Wr [MB/s]	DDR Общо [MB/s]
Няма приложение	Базова линия Няма операция	NA	NA	NA	1.87	1	0	0	0	0	560	19	579
Камера само	Поток на екрана	екран	30	120	12	12	0	70	61	60	1015	757	1782
	Стрийминг през Ethernet	PDU: 4 портове 1920×1080	30	120	23	6	0	70	0	0	2071	1390	3461
	Записвайте към files	4 file1920×1080	30	120	25	3	0	70	0	0	2100	1403	3503
Cam с дълбоко обучение	Дълбоко обучение: Откриване на обекти MobV1- coco	екран	30	120	38	25	86	71	85	82	2926	1676	4602
	Дълбоко обучение: Откриване на обекти MobV1-coco и стрийминг през Ethernet	PDU: 4 портове 1920×1080	28	112	84	20	99	66	65	72	4157	2563	6720
	Дълбоко обучение: Откриване на обекти MobV1 - coco и запис в files	4 file1920×1080	28	112	87	22	98	75	82	61	2024	2458	6482

Резюме
Този доклад за приложението описва как да се реализират приложения с множество камери на устройства от семейството AM6x. В доклада е предоставен референтен дизайн, базиран на комплекта за решения за камери V3Link на Arducam и AM62A SK EVM, с няколко приложения за камери, използващи четири камери IMX219, като например стрийминг и откриване на обекти. Потребителите се насърчават да закупят комплекта за решения за камери V3Link от Arducam и да възпроизведат тези примери.ampлес. Докладът предоставя и подробен анализ на производителността на AM62A при използване на четири камери в различни конфигурации, включително показване на екран, стрийминг през Ethernet и запис към files. Това също така показва способността на AM62A да извършва паралелно дълбоко обучение върху четири отделни потока от камери. Ако има някакви въпроси относно изпълнението на тези примерниampлес, изпратете запитване във форума на TI E2E.

Референции

Ръководство за бърз старт на стартовия комплект AM62A EVM
Ръководство за бърз старт на решението за камера ArduCam V3Link
Документация за Edge AI SDK за AM62A
Edge AI интелигентни камери, използващи енергийно ефективен процесор AM62A
Системи с огледала за камера на AM62A
Системи за наблюдение на водача и заетостта на AM62A
Приложение за четириканална камера за съраунд звук View и CMS системи за камери
AM62Ax Linux Academy за активиране на CIS-2 сензор
Edge AI ModelZoo
Edge AI Studio
Инструмент Perf_stats

Части на TI, посочени в тази бележка за приложение:

ВАЖНО СЪОБЩЕНИЕ И ОТКАЗ ОТ ОТГОВОРНОСТ

TI ПРЕДОСТАВЯ ТЕХНИЧЕСКИ ДАННИ И ДАННИ ЗА НАДЕЖДНОСТ (ВКЛЮЧИТЕЛНО ЛИСТОВЕ С ДАННИ), РЕСУРСИ ЗА ДИЗАЙН (ВКЛЮЧИТЕЛНО РЕФЕРЕНТНИ ДИЗАЙНИ), ПРИЛОЖЕНИЯ ИЛИ ДРУГИ СЪВЕТИ ЗА ПРОЕКТИРАНЕ, WEB ИНСТРУМЕНТИ, ИНФОРМАЦИЯ ЗА БЕЗОПАСНОСТ И ДРУГИ РЕСУРСИ „КАКВИ СА” И С ВСИЧКИ НЕИЗПРАВНОСТИ И ОТКАЗВА ВСИЧКИ ГАРАНЦИИ, ИЗРИЧНИ И ПОДРАЗБЕЛЕНИ, ВКЛЮЧИТЕЛНО БЕЗ ОГРАНИЧЕНИЕ ВСЯКАКВИ ИЗРАЗЯВАЩИ ГАРАНЦИИ ЗА НЕОБХОДИМОСТ НА ТЪРГОВСКАТА СЪЩНОСТ ЗА ТЪРГОВСКАТА ЧАСТ, .

Тези ресурси са предназначени за опитни разработчици, които проектират с продукти на TI. Вие сте единствено отговорни за

избор на подходящите TI продукти за вашето приложение,
проектиране, валидиране и тестване на вашето приложение и
гарантиране, че вашето приложение отговаря на приложимите стандарти и всички други изисквания за безопасност, сигурност, регулаторни или други изисквания.

Тези ресурси подлежат на промяна без предупреждение. TI ви позволява да използвате тези ресурси само за разработване на приложение, което използва продуктите на TI, описани в ресурса. Друго възпроизвеждане и показване на тези ресурси е забранено. Не се предоставя лиценз за други права върху интелектуална собственост на TI или за права върху интелектуална собственост на трети страни. TI се отказва от отговорност за всякакви искове, щети, разходи, загуби и отговорности, произтичащи от използването на тези ресурси от ваша страна, и вие ще обезщетите напълно TI и нейните представители за тях.

Продуктите на TI се предоставят в съответствие с Условията за продажба на TI или други приложими условия, налични на ti.com или предоставени във връзка с такива продукти на TI. Предоставянето на тези ресурси от страна на TI не разширява или променя по друг начин приложимите гаранции на TI или отказ от гаранция за продукти на TI.

TI възразява и отхвърля всички допълнителни или различни условия, които може да сте предложили.

ВАЖНО СЪОБЩЕНИЕ

Пощенски адрес: Texas Instruments, Пощенска кутия 655303, Далас, Тексас 75265

Често задавани въпроси

В: Мога ли да използвам всякакъв тип камера със семейството устройства AM6x?

Семейството AM6x поддържа различни типове камери, включително такива със или без вграден ISP. Вижте спецификациите за повече подробности относно поддържаните типове камери.

Какви са основните разлики между AM62A и AM62P при обработката на изображения?

Ключовите вариации включват поддържаните типове камери, изходните данни на камерата, наличието на ISP HWA, Deep Learning HWA и 3-D Graphics HWA. Вижте раздела със спецификации за подробно сравнение.

Документи / Ресурси

Texas Instruments AM6x Развиваща множествена камера [pdf] Ръководство за потребителя
AM62A, AM62P, AM6x Проявяване на множество камери, AM6x, Проявяване на множество камери, Множество камери, Камера

Референции

Ръководство за потребителя

Texas Instruments AM6x Разработване на множество камери

Спецификации