谢晓燕，　张玉婷，　刘镇弢

(西安邮电大学 计算机学院， 西安 710061)

0　引　言

在机器视觉领域中，特征检测算法被广泛应用于虚拟场景重建、运动估计、映像配准等视觉处理任务[1]。随着视觉应用的实时性要求越来越高，近年来基于GPU和FPGA的视觉应用加速器成为机器视觉领域研究的重要内容。GPU具有高度的并行计算能力，可以较好地解决计算速度的问题，然而基于GPU的视觉系统往往存在功耗较高、体积较大的缺点[2]。而嵌入式系统发展要求系统具有小型化、可靠性、高速度、低功耗等特点[3]，FPGA作为一种高性能的可编程逻辑器件，可以通过编程修改其内部的逻辑功能，从而实现高速的硬件计算，是高性能嵌入式视觉系统的一种更加方便的解决方案[4]。目前已有一些工作研究了基于FPGA的特征检测系统[5-7]，但大都是采用硬件描述语言完成设计，其缺点是描述层次低、开发调试困难，如果更换平台往往需要大范围修改逻辑，导致开发周期较长。

面对嵌入式系统性能及功能需求的增长，Xilinx推出的全可编程片上系统(All Programmable System on Chip)Zynq-7000[8]提供了“ARM+FPGA”的单片解决方案。借助Xilinx为Zynq-7000推出的HLS、SDSoC高层次设计工具，能够利用计算机视觉库快速开发算法原型，针对特定问题探索最佳的解决方案[9]。为了使特征检测算法在嵌入式领域达到实时处理并且拥有较高的开发效率，本文选择Sobel边缘检测、Harris角点检测等两种经典特征检测算法作为加速对象，在SDSoC环境下采用流水线优化、循环展开、软硬件并行等优化方法实现了算法的硬件加速。……