Welches embedded-Board soll man mit einer USB3 vision Kamera auswählen?

Es gibt viele embedded Boards auf dem Markt, die mit unseren USB3 Vision-Kameras arbeiten. Die folgenden ARM-Plattformen wurden umfassend mit unseren Machine Vision-Kameras getestet:

• NVIDIA Jetson TX1/TX2
• NVIDIA Tegra TK1
• Toradex Apalis TK1 auf Ixora Carrier Board
• Himbeer-Pi 3B
• Himbeer-Pi 4

Allerdings sind andere beliebte embedded Boards:

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

Der Raspberry Pi wird für Low-End Applikationen bevorzugt, während die NVIDIA JETSON embedded-Computerboards für die High-End Machine Vision Kamera Applikationen verwendet werden. Ein Raspberry Pi ist bereits für wenig Geld erhältlich, während ein NVDIA Jetson Nano-Entwicklungskit mehrere hundert Euro kostet.

20MP Sony IMX183 vision Kamera verbunden mit einem Raspberry Pi 3B

Für Tests haben wir zunächst einen Raspberry Pi 3B mit unserer MER-Serie Machine Vision: MER-2000-19U3M verbunden. Heutzutage würden wir mit der MER2-Serie Kamera dieses IMX183-Sensor-Kamera arbeiten: der MER2-2000-19U3M. Möchten Sie wissen, ob dies eine geeignete Kamera für Ihr Projekt sein könnte? Kontaktieren Sie uns unten. 

 

Für Tests haben wir die Kamera direkt an den Raspberry Pi 3B angeschlossen. Der Raspberry Pi ist in einem roten Gehäuse im Bild unten untergebracht. Die vision Kamera schaut auf ein Objektiv und zeigt dies auf einem HDMI-Bildschirm an, der mit dem Raspberry Pi 3B verbunden ist. Wir haben dieses Setup sogar mit mehreren 20MP Machine Vision Kameras getestet. Bitte beachten Sie, dass die Bildrate nur wenige Bilder pro Sekunde beträgt, aufgrund der begrenzten Bandbreite des USB2-Ports des Raspberry Pi 3B.

Alle unsere MERCURY2-Kameras sind spätestens seit Ende 2022 mit einem neuen FPGA ausgestattet. Das neue FPGA bietet eine größere Funktionalität, ist jedoch als Nachteil nicht mehr mit dem USB2-Port des Raspberry Pi 3B kompatibel.
MERCURY2 Machine Vision Kameras mit dem neuen FPGA wurden erfolgreich mit dem Raspberry Pi 4 getestet. Bitte beachten Sie, dass die Bildrate möglicherweise begrenzt ist, wie beim Raspberry Pi 3B.
 
Eine Kamera mit dem neuen FPGA kann leicht an einem Buchstaben neben dem Barcode auf dem Etikett identifiziert werden. Wenn Sie sich unsicher sind oder weitere Ratschläge benötigen, zögern Sie nicht, uns jederzeit zu kontaktieren.

ARM-Systemanforderungen für USB3 und GigE vision Kameras

Um auf der ARM-Plattform zu laufen, bieten wir ein kostenloses SDK für unsere USB3- und GigE vision-Kameras auf unserer Download-Seite an. Die minimalen Systemanforderungen sind:
 
Die Mindestsystemanforderungen sind:
 

Softwareanforderungen	Hardwareanforderungen
glibc 2.17	Armv7-a
gcc 4.8	256 MB RAM
libstdc++.so.6.0.18	USB-Hostanschluss

Wie man eine Machine Vision Kamera auf einem ARM-basierten embedded Computer installiert
SDK installieren

a) Wenn der ARM-Prozessor eine ArmV7-Architektur hat, entpacken Sie die Datei Embedded_ARMv7_SDK.tar.gz mit dem folgenden Befehl:

$ tar –zxf Embedded_ ARMv7_SDK.tar.gz

b) Wenn der ARM-Prozessor eine ArmV8-Architektur hat, entpacken Sie die Datei Embedded_ARMv8_SDK.tar.gz mit dem folgenden Befehl:

$ tar –zxf Embedded_ ARMv8_SDK.tar.gz

Nach Abschluss der Installation sehen Sie die folgenden Dateien im Installationsverzeichnis:

Lib:

• Libgxiapi.so

Probe:

• GxContinuousAcquire8
• GxKontinuierlichErwerben16
• GxTriggerExternalAcquire
• GxTriggerSoftwareErwerben
• Embedded API-Aufrufprozess.docx

Verwenden Sie das ARM SDK für Machine Vision Kamera
a)Kopieren Sie die dynamische Bibliothek mit dem Namen „libgxapi.so“ in das Verzeichnis /usr/lib.
Befehl verwenden:

$ sudo cp libgixapi.so /usr/lib

Beispiel für die Machine Vision Kamera auf ARM embedded Computer kompilieren

Wenn der ARM-Prozessor die ArmV8-Architektur ist, befinden sich die Beispielprogramme in / Embedded_ ARMv8_SDK /Probe.

Jedes Beispielprogrammverzeichnis enthält ein Makefile zum Kompilieren des Beispiels. Jedes Beispiel muss vor der Ausführung kompiliert werden. Sie können den Befehl „make“ verwenden, um das Programm im Beispielverzeichnis zu kompilieren.

Befehl verwenden:

$ machen

Führen Sie ein Beispiel für Machine Vision Kamera auf einem ARM embedded-Computer aus.

Nachdem Sie das Programm erfolgreich kompiliert haben, können Sie das Programm im aktuellen Verzeichnis ausführen. Beachten Sie jedoch, dass Sie zum Ausführen des Programms die Benutzerberechtigung auf „Administrator“ ändern müssen.

Verwenden Sie den Befehl „sudo ./“, um das Programm im Administratormodus auszuführen.

$ sudo ./GxContinuousAcquire8

Wenn das Programm „GxContinuousAcquire8“ erfolgreich ausgeführt wird, werden einige Texte wie folgt gedruckt.

Abschluss

Unsere USB3- und GigE Vision-Kameras können mit embedded-Boards verbunden werden, die auf ARM basieren. Ein Beispiel ist eine 20MP USB3 vision Kamera, die an einen Raspberry Pi 3B oder 4 angeschlossen ist.