算法仿真平台搭建2-硬件平台简介Hi3516DV300

深图智能

于 2025-03-07 11:59:32 发布

阅读量767

点赞数 27

分类专栏：嵌入式智能视觉文章标签：算法计算机视觉嵌入式人工智能 YOLO

本文链接：https://blog.youkuaiyun.com/evm_doc/article/details/146091034

版权

嵌入式智能视觉专栏收录该内容

7 篇文章

订阅专栏

一、开发板简介

搭建一个嵌入式视觉算法仿真平台，开发板的选型需围绕数据流闭环与计算效能两大核心维度展开：
视频输入、输出
开发板需配备视频输入接口，如MIPI-CSI、USB摄像头、网络摄像头（RTSP视频流）等。满足仿真算法时数据的来源需求，可以便捷地在板卡端获取想要进行测试的数据。视频输出的话，主要是需要一个无压缩显示接口，最常见的就是HDMI了。
异构计算资源
算力架构需包含主控CPU、专用AI加速单元（NPU/TPU）、通用的图像处理库（裁剪、缩放、颜色空间转换等）。CPU是通用的计算资源，主要是担任算法任务的调度和协助算法专用硬件加速器。例如，算法线程的管理，算法输入、输出的拷贝，以及一些非高密度计算的处理，例如：目标检测模型的非极大值抑制（NMS）。
综合价格、便携性和可靠性，我在电商平台选择了这款基于Hi3516DV300的开发板。
在这里插入图片描述

从外围接口来说，视频的输入、输出方面是满足了要求。从计算资源来说，CPU主频是900MHz、NPU的基础算力是1T，刚好满足我的要求。因为，我主要是面向低算力、低功耗场景下的算法仿真和开发。

二、主芯片

海思Hi3516DV300是由华为海思半导体推出的高性能智能视频处理SoC（系统级芯片），专为安防监控、智能分析、无人机等场景设计。该芯片凭借其高集成度、低功耗特性及强大的多媒体处理能力，成为嵌入式设备开发领域的热门选择。其核心优势在于将多核处理器、专用视频编解码引擎（VPU）和图像信号处理单元（ISP）高度集成，实现了计算资源与功耗的优化平衡。

2.1 为什么选择海思？

图像质量
在低算力平台的视觉处理算法开发中，算法结构的深度精简和图像质量优化是提升系统效能的核心路径。此类平台受限于硬件计算资源，需通过轻量化模型架构、参数压缩和动态资源分配等技术手段，在保证实时性的前提下实现目标检测、特征提取等关键功能。其中高质量图像输入具有基础性作用：优秀的ISP（图像信号处理器）能够有效抑制噪声干扰、增强细节表现并优化动态范围，使后端算法无需过多算力用于前端图像信息的预处理。
在这里插入图片描述

在安防监控领域，海思芯片凭借其自主研发的ISP技术体系，长期处于行业领先地位。其特色成像算法可针对复杂光线环境进行自适应调节，例如在低照度场景中通过多帧降噪技术提升画面纯净度，在逆光场景中通过宽动态范围算法平衡明暗细。在安防领域的摸爬滚打，海思ISP的成像质量，一直是行业的佼佼者。
工作经验
在工作中，我与海思芯片打了多年交道，熟悉它的开发环境和工具，上手会比较容易。

2.3 NPU

海思系列芯片早期的NPU组件叫做NNIE，配套的开发工具叫SVP，目前，已经全系列升级为华为晟腾系列的ACNN开发套件了。作为海思媒体SoC中的专用CNN加速模块，NNIE基于多级流水线设计实现卷积、池化等算子硬件化。其典型型号Hi3516CV500/DV300支持单通道灰度图与三通道RGB输入，内置图像预处理单元实现均值化与像素缩放。通过参数稀疏化技术，模型推理效率提升30%以。
在这里插入图片描述
优点