Ứng dụng FPGA trong xử lý ảnh thời gian thực

1. Đặt vấn đề

Trong thời đại chuyển đổi số và trí tuệ nhân tạo, xử lý ảnh số đã trở thành một công nghệ cốt lõi trong nhiều lĩnh vực như giám sát an ninh, giao thông thông minh, y tế, công nghiệp và robot tự hành. Các hệ thống xử lý ảnh hiện nay thường sử dụng CPU hoặc GPU để thực hiện các thuật toán xử lý ảnh. Tuy nhiên, CPU gặp hạn chế về khả năng xử lý song song, trong khi GPU có mức tiêu thụ năng lượng cao và chi phí lớn.

FPGA (Field Programmable Gate Array) là nền tảng phần cứng có khả năng tái cấu hình, cho phép xử lý song song ở mức phần cứng với độ trễ thấp và hiệu suất năng lượng cao. Nhờ những ưu điểm này, FPGA đang được ứng dụng rộng rãi trong các hệ thống xử lý ảnh thời gian thực.

Việc nghiên cứu và xây dựng hệ thống xử lý ảnh trên FPGA không những giúp khai thác hiệu quả khả năng xử lý song song của FPGA mà còn góp phần đào tạo nguồn nhân lực chất lượng cao trong lĩnh vực hệ thống nhúng và thiết kế phần cứng số.

2. Mục tiêu nghiên cứu

2.1. Mục tiêu tổng quát

Nghiên cứu, thiết kế và triển khai các thuật toán xử lý ảnh cơ bản trên FPGA nhằm xây dựng hệ thống xử lý ảnh thời gian thực.

2.2. Mục tiêu cụ thể

• Nghiên cứu kiến trúc FPGA và các công cụ thiết kế.
• Nghiên cứu các thuật toán xử lý ảnh số cơ bản.
• Thiết kế các khối xử lý ảnh bằng ngôn ngữ mô tả phần cứng.
• Triển khai xử lý ảnh trên FPGA.
• Đánh giá hiệu năng xử lý theo thời gian thực.
• So sánh hiệu suất giữa FPGA và CPU.

3. Đối tượng và phạm vi nghiên cứu

3.1. Đối tượng nghiên cứu

• FPGA.
• Xử lý ảnh số.
• Thiết kế hệ thống nhúng.
• Hệ thống camera số.

3.2. Phạm vi nghiên cứu

Phần cứng

• FPGA Artix-7.
• FPGA Zynq-7000.
• PYNQ-Z2.
• Basys 3.

Thuật toán xử lý ảnh

• Chuyển ảnh RGB sang Grayscale.
• Lọc trung bình (Mean Filter).
• Lọc trung vị (Median Filter).
• Phát hiện biên Sobel.
• Phát hiện biên Canny (nâng cao).
• Nhị phân hóa ảnh.

Nguồn dữ liệu

• Camera USB.
• Webcam.
• Bộ ảnh thử nghiệm chuẩn.

4. Nội dung nghiên cứu

Nội dung 1: Khảo sát tổng quan

Nghiên cứu

• Kiến trúc FPGA.
• Xử lý ảnh số.
• Hệ thống xử lý ảnh thời gian thực.
• Các ứng dụng FPGA trong xử lý ảnh.

Kết quả

• Báo cáo tổng quan.
• Lựa chọn kiến trúc hệ thống.

Nội dung 2: Nghiên cứu thuật toán xử lý ảnh

Các thuật toán

Chuyển ảnh xám

RGB → Grayscale

Lọc nhiễu

• Mean Filter
• Median Filter

Phát hiện biên

• Sobel
• Prewitt

Nhị phân hóa

Thresholding

Kết quả

Mô hình thuật toán trên MATLAB hoặc Python.

Nội dung 3: Thiết kế phần cứng trên FPGA

Công cụ sử dụng

• Vivado
• Vitis
• ModelSim

Ngôn ngữ thiết kế

• Verilog HDL
  hoặc
• VHDL

Các khối phần cứng

Khối nhận dữ liệu ảnh

Image Input Module

Khối bộ nhớ

Frame Buffer

Khối xử lý ảnh

Image Processing Core

Khối hiển thị

VGA/HDMI Output

Kết quả

Mô hình RTL hoàn chỉnh.

Nội dung 4: Mô phỏng và kiểm chứng

Thực hiện

• Mô phỏng chức năng.
• Mô phỏng thời gian.
• Kiểm tra độ chính xác.

Kết quả

Bộ Testbench đánh giá hoạt động của hệ thống.

Nội dung 5: Triển khai trên FPGA

Các bước

1. Tổng hợp (Synthesis).
2. Place and Route.
3. Sinh Bitstream.
4. Nạp FPGA.

Kiểm thử

• Ảnh tĩnh.
• Video thời gian thực.
• Camera trực tiếp.

Kết quả

Hệ thống hoạt động trên phần cứng thật.

Nội dung 6: Đánh giá hiệu năng

Tiêu chí đánh giá

Tốc độ xử lý

FPS (Frame Per Second)

Độ trễ

Latency

Tài nguyên FPGA sử dụng

• LUT
• Flip-Flop
• BRAM
• DSP

Công suất tiêu thụ

Power Consumption

So sánh

Chỉ tiêu	CPU	FPGA
FPS
Latency
Công suất
Tài nguyên

5. Phương pháp nghiên cứu

Phương pháp lý thuyết

• Nghiên cứu tài liệu.
• Phân tích các công trình liên quan.

Phương pháp mô phỏng

• MATLAB.
• Python OpenCV.
• ModelSim.

Phương pháp thực nghiệm

• Thiết kế phần cứng.
• Đo kiểm trên FPGA.

Phương pháp đánh giá

• So sánh kết quả thực nghiệm.
• Phân tích hiệu năng hệ thống.

6. Sản phẩm dự kiến

Sản phẩm khoa học

• 01 báo cáo tổng kết đề tài.
• 01 bài báo khoa học.

Sản phẩm phần mềm

• Chương trình xử lý ảnh.
• Bộ dữ liệu kiểm thử.

Sản phẩm phần cứng

• Hệ thống FPGA xử lý ảnh thời gian thực.
• Mô hình camera kết nối FPGA.

• Xử lý ảnh thời gian thực đạt tối thiểu 25–30 FPS.
• Triển khai thành công các thuật toán Sobel, Median Filter và Grayscale trên FPGA.
• Giảm độ trễ so với xử lý bằng CPU.
• Làm nền tảng cho các nghiên cứu nâng cao như:
  • Nhận dạng biển số xe.
  • Thị giác máy tính.
  • Robot tự hành.
  • Nhận dạng khuôn mặt.
  • AI trên FPGA.

10. Hướng phát triển

• Triển khai YOLO trên FPGA.
• Nhận dạng biển báo giao thông.
• Đếm phương tiện giao thông thời gian thực.
• Hệ thống giám sát an ninh thông minh.
• Robot tự hành sử dụng thị giác máy tính.
• Kết hợp FPGA và AI Accelerator.