【虹科】Myricom MVA释放高速相机的CPU占用

描述

本文详细介绍了将Myricom NIC和MVA与虹科EVT相机配合使用的优势,MVA获得显着优势的方式,并与Intel Pro 1000 GigEVision NIC和驱动程序的放大版本进行了比较,后者是1 Gigabit 机器视觉应用程序和软件的当前主流选择。 Intel Pro 1000的工作原理是在其1千兆位以太网接口上接收数据包,像任何其他NIC一样处理数据包,并向应用程序提供数据包,与标准NDIS筛选器驱动程序相比,数据包副本减少1份,与标准Windows/Linux处理堆栈相比,数据包副本减少2份。注意,该技术仍然与应用级别的数据包一起工作,并且因此仍然引起各个数据包传输的占用、与各个数据传输相关的中断以及将各个数据包的数据格式处理到图像帧中。综合考虑,这并不是将图像从相机提供给应用程序的最有效方法,应用程序的CPU占用率和延迟将遭遇显著降级。 虹科EVT与世界一流的10GigE NIC提供商Myricom Inc.合作,提供解决这些不足的方案,并为10GigE相机提供绝对最高性能的解决方案。这成为许多超高速相机应用的一个关键点,因为根据应用的不同,所需的处理能力可能会很高。   Myricom MVA 下图显示了Myricom MVA的平台架构。MVA完全处理数据包,并向应用程序缓冲区提供完整的图像帧,每个帧只有一个中断。 智能感知 MVA主要在处理数据包时主要在NIC和DMAs帧数据上运行。一旦最后一个数据包被处理,一个中断被发送,表示接收帧的完成。与所有商用解决方案不同,NIC支持GigEVision协议,我们有效地将所有与GigEVision GVSP(流协议)相关的任务卸载到NIC上。在图中,Emergent的eSDK位于GigEVision SDK层。Emergent的eCapture使用eSDK,因此位于图中的应用程序(或客户端软件)层。 因此,MVA将接收帧的相关任务完全卸载给Myricom NIC,从而提供了一个解决方案,解决了竞争方案中的所有缺点。   比较 从完全优化的Intel Pro 1000系统收集的数据表明,450Mbit/s视频流的双核CPU总利用率约为5%。 如果我们将其外推到9Gbit/s,我们最终将得到20倍的CPU占用率或100%的完整双核CPU。 与此形成强烈对比的是,如果使用Myricom的MVA和Emergent软件接收相同的9Gbit/s数据流,我们将看到一个极小的<2%的单核CPU占用率或1%的双核总占用率,如下图所示: 智能感知   结论 很明显,如果没有MVA这样的解决方案,CPU占用率将变得完全不可管理,MVA将成为超高数据速率的唯一选择。10GigE的超高数据速率需要特别注意CPU占用率,MVA解决了这一问题的关键点,为10GigE机器视觉应用提供了同类最佳的性能。 主要特点和优势有: 1. 低CPU占用率CPU占用率的显著降低意味着有更多的CPU周期来进行图像处理2. 更低的延迟:及时通知帧完成意味着更低的延迟和更少的抖动。3. 不需要担心丢帧较低的CPU和内存占用率会导致系统没有丢帧。4. 与以太网驱动程序的互操作性:多个GigE Vision应用程序可以从多个设备接收图像,而标准以太网驱动程序仍可用于非GigE Vision GVSP的通路。5. CPU负载平衡:Myri-10G适配器上GVSP的解复用允许每个成像设备被引导到每个应用程序的适当缓冲区。6. 操作系统支持:Windows和Linux

 

 

 

end

 关注我们,持续给您分享干货! 

虹科-智能感知

智能感知虹科智能感知事业部专注于智能感知与机器视觉领域,已经和IDS,Blickfeld和Gidel等有着重要地位的国际公司展开深度的技术合作。我们的解决方案包括3D激光雷达,工业相机,视觉处理平台,图像采集卡及视觉系统集成等。虹科的工程师积极参与国内外专业协会和联盟的活动,我们非常重视技术培训和积累,公司定期与国内外专家团队进行交流和培训。

 

 

 

    

往期回顾

  

【虹科】蕴藏在废物分类中的机器人技术革命

 

【虹科新闻】虹科受邀参加香港地铁外来物检测招标项目

 【虹科】速度与激情:用于高速和高分辨图像处理的紧凑型计算机FantoVision 20 

【虹科】无需图像处理或编程知识,人工智能成像平台来袭!

 

【虹科】机器视觉-LUT技术入门

 【虹科】虹科教您部署混合人工智能以降低检测成本 

【虹科】无需编码,构建流程图开发视觉应用,强势来袭!

 

【虹科】激光雷达在安防中的应用——改变游戏规则

 【虹科】嵌入式3D视觉功能

原文标题:【虹科】Myricom MVA释放高速相机的CPU占用

文章出处:【微信公众号:广州虹科电子科技有限公司】欢迎添加关注!文章转载请注明出处。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分