Raspberry Pi med 20MP industrielt kamera

Hvilket embedded board skal vælges med et USB3 vision-kamera?

Der findes mange embedded boards på markedet, som fungerer med vores USB3 Vision-kameraer. Følgende ARM-platforme blev testet grundigt med vores Machine Vision-kameraer:

• NVIDIA Jetson TX1/TX2
• NVIDIA Tegra TK1
• Toradex Apalis TK1 på Ixora Carrier Board
• Raspberry Pi 3B
• Raspberry Pi 4

Andre populære embedded boards er dog:

• Odroid XU4
• NanoPi M4
• NVIDIA Jetson Nano
• Firefly

Raspberry Pi foretrækkes til low-end-applikationer, og NVIDIA JETSON embedded computerboards foretrækkes til high-end Machine Vision-kameraapplikationer. En Raspberry Pi fås allerede for få penge, mens et NVIDIA Jetson Nano-udviklingskit koster flere hundrede euro.

20MP Sony IMX183 vision-kamera tilsluttet en Raspberry Pi 3B

Til test tilsluttede vi oprindeligt en Raspberry Pi 3B med vores MER-serie Machine Vision-kamera: MER-2000-19U3M. I dag ville vi arbejde med MER2-seriens kamera med denne IMX183-sensor: MER2-2000-19U3M. Vil du vide, om dette kan være et egnet kamera til dit projekt? Kontakt os nedenfor. 

 

Til test har vi tilsluttet kameraet direkte til Raspberry Pi 3B. Raspberry Pi'en er placeret i et rødt kabinet på billedet nedenfor. vision-kameraet ser på et objektiv og viser dette på en HDMI-skærm, der er tilsluttet Raspberry Pi 3B. Vi testede endda denne opsætning med flere 20MP Machine Vision-kameraer. Bemærk, at billedhastigheden kun er få billeder pr. sekund på grund af den begrænsede båndbredde på USB2-porten på Raspberry Pi 3B.

Alle vores MERCURY2-kameraer er senest siden udgangen af 2022 blevet udstyret med en ny FPGA. Den nye FPGA giver større funktionalitet, men er som en ulempe ikke længere kompatibel med USB2-porten på Raspberry Pi 3B.
MERCURY2 Machine Vision-kameraer med den nye FPGA er testet med succes sammen med Raspberry Pi 4. Bemærk, at billedhastigheden kan være begrænset, ligesom med Raspberry Pi 3B.
 
Et kamera med den nye FPGA kan let identificeres ved et bogstav ved siden af stregkoden på etiketten. Hvis du er i tvivl eller har brug for yderligere rådgivning, er du altid velkommen til at kontakte os.

ARM-systemkrav for USB3- og GigE vision-kameraer

For at køre på ARM-platformen tilbyder vi et gratis SDK til vores USB3- og GigE vision-kameraer på vores downloadside. De minimale systemkrav er:
 
De minimale systemkrav er:
 

Sådan installeres et Machine Vision-kamera på en ARM-baseret embedded-computer
Installer SDK

a) Hvis ARM-processoren har ArmV7-arkitektur, skal du udpakke filen Embedded_ ARMv7_SDK.tar.gz ved hjælp af følgende kommando:

$ tar –zxf Embedded_ ARMv7_SDK.tar.gz

b) Hvis ARM-processoren har ArmV8-arkitektur, skal du udpakke filen Embedded_ ARMv8_SDK.tar.gz ved hjælp af følgende kommando:

$ tar –zxf Embedded_ ARMv8_SDK.tar.gz

Når installationen er afsluttet, vil du se følgende filer i installationsmappen:

Bibliotek:

• Libgxiapi.so

Prøve:

• GxContinuousAcquire8
• GxContinuousAcquire16
• GxTriggerExternalAcquire
• GxTriggerSoftwareAcquire
• Proces for kald af Embedded API.docx

Brug ARM SDK til Machine Vision-kamera
a) Kopiér det dynamiske bibliotek med navnet “libgxapi.so” til mappen /usr/lib.
Brug kommandoen:

$ sudo cp libgixapi.so /usr/lib

Kompiler eksempel for Machine Vision-kamera på ARM embedded-computer

Hvis ARM-processoren har ArmV8-arkitektur, findes eksempelprogrammerne i / Embedded_ ARMv8_SDK /Prøve

Hver eksempelprogrammappe indeholder en makefile til kompilering af eksemplet. Hvert eksempel skal kompileres, før det køres. Du kan bruge kommandoen 'make' til at kompilere programmet i eksempelbiblioteket.

Brug kommandoen:

$ make

Kør eksempel for Machine Vision-kamera på ARM embedded-computer

Når programmet er kompileret korrekt, kan du køre programmet i den aktuelle mappe. Det er dog vigtigt at bemærke, at du skal ændre brugertilladelsen til administrator for at kunne køre programmet.

Brug kommandoen 'sudo ./' til at køre programmet i administratortilstand.

$ sudo ./GxContinuousAcquire8

Hvis programmet 'GxContinuousAcquire8' kører korrekt, vises følgende tekst.

Konklusion

Vores USB3- og GigE Vision-kameraer kan tilsluttes ARM-baserede embedded-kort. Et eksempel er et 20MP USB3 vision-kamera tilsluttet en Raspberry Pi 3B eller 4.