要发挥 SDSoC 的功能，我们可以使用 IP 核定义一个包含底层图像处理流水线的新平台。SDSoC 随后就能够使用可用的逻辑和互联资源加速设计。

在 SDSoC 内有多个库可供设计人员开发能在可编程逻辑内加速的应用。具体到图像处理，主要有两个支持 HLS 的库：

HLS_video – 该库提供嵌入式视觉功能和数据结构。这些元素可综合在一起。

HLS_OpenCV – 该库提供预先编译的 OpenCV 功能，以及与 IP 模块接口所需的专门支持功能。该库目的是供测试台使用，因此不可综合。

许多算法将使用 OpenCV 等开源图像处理框架开发。因此，在使用 SDSoC 开发以加速为目的的系统时，设计人员希望使用熟悉的框架。这就是 HLS_OpenCV 库配合 SDSoC 开发工具发挥作用的地方。它提供与加速功能接口所需的功能。

OpenCV 组元中最基本的是 cv::mat 类，用于定义以 X 轴和 Y 轴表示的图像大小以及像素信息。例如每个像素内的位数、有符号还是无符号、多少个通道构成一个像素。这个类是我们使用 OpenCV 时如何存储和操作图像的基础。

在 HLS 库中有一个类似的结构，即 hls::mat。鉴于 HLS 流是创建图像处理流水线的标准接口，该库还提供一些让我们能把 hls::mat 类转化为 HLS 流或把 HLS 流转化为 hls::mat 类的功能。cv::mat 类和 hls::mat 类之间的主要区别在于 hls::mat 类被定义为适用可编程逻辑架构的像素流，这与属于内存映射的 cv::mat 类不同。流实现和内存映射实现之间的这种差别意味着我们使用 hls::mat 类时不必随即访问像素。

这样就能够使用处理器内的双 ARM A9 内核完成应用的初步开发，确保算法的功能。在需要该功能时，可编程逻辑中的算法就能被加速。设计人员可使用追踪和 AXI 性能监测等 SDSoC 功能优化加速性能。

结论

视觉导向的的机器人和无人机技术在开发嵌入式视觉算法的过程中面临一系列的难题，但这些算法可帮助视觉导向的的机器人和无人机了解所处环境并根据得到的信息做出决策。为协助这些图像处理系统的开发工作，设计人员可使用 IP 核提供的功能，atv，并运用 SDSoC 等系统级开发工具，生成所需的最终硬件加速功能。

　　机器之心「公司专栏」是面向国内外人工智能公司，传播公司技术、优质解决方案的专栏平台，同时也能为需求者了解这些公司以及相应的技术提供一个窗口。目前已经有百度 NLP、地平线机器人、第四范式、阅面科技等公司在机器之心开设此专栏。