Crosslink-NX器件应用连载(9): USB3.0相机

作者:Hello,Panda

大家晚上好,很久没有分享设计案例了,实在是太忙了,精力十分有限,今天分享一个CrosslinkNX系列器件用作USB3.0相机的案例。其实就是分享一下使用CrosslinkNX器件设计USB3.0相机主要有两种方案:

(1)传统方案:使用LCFCL通用器件(LIFCL-40或LIFCL-17)+USB桥接芯片(如5Gbps USB桥芯片Cyusb3014,10Gbps USB桥芯片CYUSB4013等);

(2)新方案:使用LIFCL-33U实现小封装低功耗USB3.2 5Gbps USB通信。

方案一:使用LIFCL通用器件+USB桥接芯片

LIFCL-40 FPGA有两组2.5Gbps 4-Lane MIPI硬核,也可接入多Lane的LVDS、SubLVDS、SLVS接口的Sensor,经过简单的流水线处理,比如彩色相机的ISP,黑白相机的非均匀性校正、降噪等处理后经USB桥接芯片送到PC机显示和保存和进一步二次开发。因此,就存在两种情况:

(1)接入Sensor的数据量比输出USB3.0有效数据带宽大很多,这种情况就需要添加DDR缓存(必须是LIFCL-40 BGA256及以上封装才支持DDR3-1066 16bit)来进行丢帧处理来适配带宽,这种情况只能使用LIFCL-40 FPGA芯片。

(2)带宽小于USB3.0有效数据带宽,这种情况只需要使用内部的Large RAM缓存数行来缓冲PC端读取USB3.0接口不稳定带来的些许数据阻塞即可,这种情况可以使用LIFCL-40或LIFCL-17,且LIFCL-17因有更大的内部Large RAM而更佳。这两种情况的,实现这两种情况的结构见下图1所示。

图1 使用LIFCL通用器件+USB桥接芯片方案图

该案例实现Lattice官方有评估板,USB桥接芯片使用CYUSB3014 8-bit总线模式,外挂RAM缓存芯片采用2片8bit HyperRAM芯片,板载配备的CMOS图像sensor为IMX224。

方案二:LIFCL-33U器件

这是Lattice新推出的器件,具有33K的逻辑资源和USB3.2/5Gbps物理层,实际上就是把原来MIPI硬核的资源用到USB上来了,阉割掉了MIPI硬核。因此,接入MIPI接口的Sensor时只能用到最高1.25Gbps的Lane速率,接入LVDS、SubLVDS、SLVS接口的Sensor时最高1.2Gbps,均要求在硬件信号完整性设计得极为理想的情况。该器件84 WLCSP(3.1×7.4mm)和104fcCSP(5.5×8.5mm)两种封装,第一种封装可用IO仅44个,可用作差分对输入的只有13对,104引脚封装的52个IO,稍富余一些。

根据Lattice提供的USB23 IPCore的资源利用情况,Registers使用了5064,LUTs使用了7392,EBRs使用了26个(共64个),因此还有一定的资源剩余来做一些Pipeline的计算,但也仅此而已。根据资源的情况来看,使用LIFCL-33U器件一般限制到了1080P的图像或其他的数据采集业务(如LVDS接口的ADC数据采集)。但是,它们有及其优秀的功耗和面积,特别适合在有低功耗和小体积硬性要求的设备上使用。

下图2是USB23 IP的应用框图,它例化实现了一个USB3.0物理层、Endpoint逻辑和一个RISC-V的CPU软核。

图2 LIFCL-33U实现USB3.0框图

熊猫君也自制硬件对此方案进行了尝试,下图3是熊猫君LIFCL-33U USB Camera的硬件原理图。

图3 LIFCL-33U的硬件原理图

好了,夜深了。各位技术大神们早点安歇。下次分享再见,希望能给大家的研发工作带来帮助。

  • 12
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
GS-170TX2A是一款应用于感知系统数据处理平台的嵌入式AI计算平台,采用NVIDIA Jetson TX2和工控机的组合。Jetson TX2是一款拥有USB3.0、HDMI、以太网、SD卡座等多个设备接口的嵌入式AI计算平台,具有较小的模组和出色的计算性能。它的整体功耗低至7.5 W,适用于智能车辆等深度学习算法应用。 请注意,关于GS-170TX2A的具体详细信息,可能需要参考其他来源。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [Crosslink-NX LIFCL-40 LIFCL-17系列器件应用案例小结](https://blog.csdn.net/haoxingheng/article/details/124306073)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [NVIDIA Jetson: GStreamer 和 openMAX(gst-omx) 插件](https://blog.csdn.net/quicmous/article/details/124172950)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [目标检测YOLO实战应用案例100讲-基于视觉与激光雷达信息融合的智能车辆目标检测研究](https://blog.csdn.net/qq_36130719/article/details/132037446)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

_Hello_Panda_

你的鼓励将是我创作的最大动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值