FPGA + 机器视觉加速培训课程-曙海培训中心

FPGA + 机器视觉加速培训课程

•  

• 培训对象：FPGA开发工程师、视觉算法硬件加速人员、高速视觉系统开发人员、需要将视觉算法部署到FPGA实现低延迟处理的技术人员。

•  

• 培训目标：

  1. 掌握FPGA在图像处理中的应用优势，理解Zynq架构（PS + PL）及开发流程。

  2. 熟练使用Verilog/VHDL实现图像预处理算法（滤波、边缘检测、形态学），通过AXI总线与PS交互。

  3. 掌握Vitis AI工具链，能够将深度学习模型部署到FPGA端，实现实时视频流推理。

•  

• 培训内容介绍：

  1. FPGA视觉加速概述：了解FPGA在图像处理中的并行计算优势，对比CPU/GPU/FPGA的延迟与功耗差异，熟悉典型应用场景。

  2. Zynq架构入门：了解Zynq的PS（处理系统）与PL（可编程逻辑）架构，熟悉开发板资源与开发工具（Vivado、Vitis）。

  3. Verilog图像预处理基础：使用Verilog实现像素级图像处理（灰度转换、阈值化），理解行缓存与窗口缓存的设计方法。

  4. 图像滤波加速：使用FPGA实现3x3高斯滤波、Sobel边缘检测，设计流水线结构，实现每时钟周期输出一个像素。

  5. 形态学加速：使用FPGA实现腐蚀、膨胀操作，设计任意结构元素的形态学处理单元。

  6. AXI总线基础：理解AXI4、AXI4-Lite、AXI4-Stream协议，设计自定义IP通过AXI-Stream传输视频流。

  7. PS-PL交互：在PS端运行Linux或裸机程序，通过AXI总线配置PL端处理参数，读取处理结果。

  8. VDMA与视频缓存：配置VDMA（视频直接内存访问），实现PL与DDR之间的视频数据传输，构建视频处理管道。

  9. 高速接口（MIPI/千兆网）：配置MIPI CSI-2接口接收摄像头数据，或使用千兆以太网UDP接收图像数据。

  10. Vitis AI简介：了解Vitis AI工具链的组成，量化深度学习模型，编译生成适用于FPGA的指令流。

  11. DPU部署：在PL端例化DPU（深度学习处理单元），通过API调用DPU执行YOLO模型推理，实现目标检测。

  12. 综合项目实战：完成一个实时视频流处理系统，包含图像采集、FPGA预处理、深度学习推理、结果输出。