Welches integrierte Board sollte mit einer USB3 Vision Kamera ausgewählt werden?
Auf dem Markt sind viele integrierte Boards erhältlich, die mit unseren USB3 Vision Kameras funktionieren. Die folgenden ARM-Plattformen wurden ausführlich mit unseren Machine Vision Kameras getestet:
- NVIDIA Jetson TX1/TX2
- NVIDIA Tegra TK1
- Toradex Apalis TK1 auf Ixora Carrier Board
- Raspberry Pi 3B
- Raspberry Pi 4
Weitere beliebte integrierte Boards sind jedoch:
- Odroid XU4
- NanoPi M4
- NVIDIA Jetson Nano
- Firefly
Der Raspberry Pi wird bevorzugt für Low-End-Anwendungen eingesetzt, während die integrierten Computerboards NVIDIA JETSON für High-End-Anwendungen von Machine Vision Kameras verwendet werden. Ein Raspberry Pi ist bereits für wenig Geld erhältlich, während ein NVIDIA Jetson Nano Development Kit 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 Kamera MER-2000-19U3M verbunden. Heute würden wir mit der MER2-Serien-Kamera mit diesem IMX183-Sensor arbeiten: der MER2-2000-19U3M. Möchten Sie wissen, ob dies eine geeignete Kamera für Ihr Projekt sein könnte? Kontaktieren Sie uns unten.
Zum Testen haben wir die Kamera direkt mit dem Raspberry Pi 3B verbunden. Der Raspberry Pi befindet sich im untenstehenden Bild in einem roten Gehäuse. Die Vision Kamera blickt auf ein Objektiv und zeigt dieses auf einem HDMI-Bildschirm an, der mit dem Raspberry Pi 3B verbunden ist. Wir haben diesen Aufbau sogar mit mehreren 20MP Machine Vision Kameras getestet. Bitte beachten Sie, dass die Bildrate aufgrund der begrenzten Bandbreite des USB2-Anschlusses des Raspberry Pi 3B nur wenige Bilder pro Sekunde beträgt.

Alle unsere MERCURY2 Kameras sind spätestens seit Ende 2022 mit einem neuen FPGA ausgestattet. Der neue FPGA bietet einen größeren Funktionsumfang, ist jedoch nicht mehr mit dem USB2-Anschluss 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 wie beim Raspberry Pi 3B begrenzt sein kann.
Eine Kamera mit dem neuen FPGA lässt sich leicht an einem Buchstaben neben dem Barcode auf dem Etikett erkennen. Wenn Sie sich nicht sicher sind oder weitere Beratung benötigen, können Sie uns jederzeit kontaktieren.
ARM-Systemanforderungen für USB3- und GigE Vision Kameras
Für den Betrieb auf der ARM-Plattform stellen wir auf unserer Download-Seite ein kostenloses SDK für unsere USB3- und GigE Vision Kameras bereit. Die Mindestsystemanforderungen sind:
Die Mindestsystemanforderungen sind:
|
Softwareanforderungen |
Hardwareanforderungen |
|
glibc 2.17 |
Armv7-a |
|
gcc 4.8 |
256MB RAM |
|
libstdc++.so.6.0.18 |
USB-Host-Anschluss |
So installieren Sie eine Machine Vision Kamera auf einem ARM-basierten integrierten Computer
SDK installieren
a) Wenn der ARM-Prozessor die ArmV7-Architektur verwendet, 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 die ArmV8-Architektur verwendet, 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:
Bibliothek:
- Libgxiapi.so
Probe:
- GxContinuousAcquire8
- GxContinuousAcquire16
- GxTriggerExternalAcquire
- GxTriggerSoftwareAcquire
- Prozess der integrierten API-Aufrufe.docx
ARM SDK für Machine Vision Kamera verwenden
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 Machine Vision Kamera auf integriertem ARM-Computer kompilieren
Wenn der ARM-Prozessor die ArmV8-Architektur verwendet, befinden sich die Beispielprogramme in / Integriert_ 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:
$ make

Beispiel für Machine Vision Kamera auf integriertem ARM-Computer ausführen
Nach erfolgreicher Kompilierung des Programms können Sie das Programm im aktuellen Verzeichnis ausführen. Beachten Sie jedoch, dass Sie die Benutzerberechtigung auf Administrator ändern müssen, um das Programm auszuführen.
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 ausgegeben.

Fazit
Unsere USB3- und GigE Vision Kameras können mit integrierten ARM-basierten Boards verbunden werden. Ein Beispiel ist eine 20MP USB3 Vision Kamera, die mit einem Raspberry Pi 3B oder 4 verbunden ist.