2、核心硬件架构：处理器选型
好，咱们进入第二章。这一章我打算聊聊核心硬件架构，说白了就是——你那个视觉系统的大脑到底该选什么？
MCU、MPU、FPGA、ASIC，这四个词你肯定不陌生。但真到选型的时候，很多人就懵了。我见过不少项目，芯片选错了，后面整个推倒重来，那叫一个痛苦。所以这一章，我把自己踩过的坑和积累的经验，一次性倒给你。
2.1 处理器选型：MCU vs MPU vs FPGA vs ASIC
先给个总体的判断框架。我个人习惯，把视觉任务拆成三块：图像采集、预处理、推理决策。不同处理器擅长干的事，完全不一样。
| 处理器类型 | 典型频率 | 并行能力 | 功耗 | 开发难度 | 适合场景 |
|---|---|---|---|---|---|
| MCU | 几十~几百 MHz | 低 | 极低 (mW级) | 低 | 简单特征检测、二维码识别 |
| MPU | 几百 MHz~2 GHz | 中 | 中等 (W级) | 中 | Linux系统、复杂算法、人脸识别 |
| FPGA | 几十~几百 MHz | 极高 | 中等 (W级) | 高 | 实时预处理、高速接口、定制加速 |
| ASIC | 定制 | 极高 | 极低 | 极高 | 海量量产、固定算法、极致功耗 |
MCU，说白了就是单片机。我最早做的一个项目，用STM32F4跑一个简单的圆形检测，帧率只有5fps。但功耗才几十毫瓦，电池能撑好几天。如果你只是做做颜色识别、条形码扫描，MCU完全够用。别一上来就上Linux，那是杀鸡用牛刀。
MPU，比如树莓派、瑞芯微RK3588、全志系列。这类芯片能跑Linux，生态丰富。我建议，只要你的算法需要OpenCV、需要深度学习框架，直接上MPU。我在一个工业缺陷检测项目里，用RK3588跑YOLOv5s，能做到30fps，功耗才5W左右。嗯，这个平衡点很舒服。
FPGA，这玩意儿我一开始也觉得难。但后来发现，它做图像预处理简直是神器。比如做高斯滤波、边缘检测，FPGA一个时钟周期就能处理一个像素，而MCU要循环几十次。我曾经在一个高速产线项目里，用FPGA做实时去噪和缩放，把1080p图像处理延迟压到了1ms以内。MPU根本做不到。
ASIC，比如谷歌的TPU、地平线的BPU。这东西性能最强，功耗最低，但开模费动辄几百万。我建议，只有你的产品年出货量在10万片以上，才考虑ASIC。否则，老老实实用FPGA或MPU。
核心结论：没有最好的处理器，只有最合适的。我的经验是——先定算法，再定处理器。算法复杂度决定了你需要什么级别的算力。
2.2 异构计算架构
好，接下来聊异构计算。这个词听起来高大上，其实说白了就是——让不同的处理器干自己最擅长的事。
你想想看，一个典型的嵌入式视觉系统，任务流是这样的：
- 摄像头采集原始图像（需要高速接口，比如MIPI）
- 图像预处理（去噪、缩放、色彩空间转换）
- 特征提取或推理（卷积、分类、检测）
- 结果输出（控制电机、显示、通信）
这些任务对处理器的要求完全不同。第1、2步需要高吞吐、低延迟，FPGA最合适。第3步需要复杂计算，MPU或NPU最合适。第4步需要实时控制，MCU最合适。
所以，一个典型的异构架构长这样：
+--------+ +--------+ +--------+
| Camera |---->| FPGA |---->| MPU |
| (MIPI) | | (预处理) | | (推理) |
+--------+ +--------+ +--------+
|
v
+--------+
| MCU |
| (控制) |
+--------+我在一个智能相机项目里，就用了这种架构。FPGA做实时去拜耳、白平衡，然后通过DMA直接把数据扔给MPU的内存。MPU跑一个轻量级CNN，检测结果通过UART发给MCU，MCU控制云台转动。整个系统延迟不到50ms。
我的建议：异构架构的关键是数据流设计。别让数据在处理器之间来回拷贝，那会吃掉所有性能。尽量用DMA、共享内存、或者高速总线（比如PCIe）来传输。
2.3 数据流路径分析
数据流路径，说白了就是图像数据从摄像头到最终结果，到底走了哪条路。这条路设计得好不好，直接决定了系统的实时性和功耗。
我见过最糟糕的设计是什么？摄像头采集一张图，先存到DDR，然后CPU读出来做预处理，再存回去，再读出来做推理，再存回去……每次读写DDR，功耗和延迟都翻倍。
正确的做法是：尽量让数据在片上流动。
举个例子，一个典型的FPGA+MPU异构数据流：
摄像头 --MIPI--> FPGA (Line Buffer) --Stream--> FPGA (预处理) --AXI-Stream--> MPU (NPU推理) --结果--> 控制这里的关键是：FPGA内部用Line Buffer做行缓存，不需要整帧存到DDR。预处理完的数据通过AXI-Stream直接流式传输给MPU。MPU的NPU也支持流式输入，不需要整帧缓存。这样，整个数据流是流水线的，延迟极低。
我曾经在一个项目里，把数据流从「帧级缓存」改成「行级流水」，延迟从30ms降到了2ms。嗯，这个优化太值了。
避坑指南：我曾经犯过一个错误——在FPGA和MPU之间用了SPI接口传输图像数据。SPI速度撑死了几十Mbps，传一张1080p图像要好几秒。后来换成并行总线，速度直接提升100倍。记住：图像数据量巨大，接口带宽是瓶颈。
最后，总结一下数据流设计的三个原则：
- 原则一：能流式处理就别缓存。流水线架构比帧级处理快一个数量级。
- 原则二：能片上处理就别去DDR。片上SRAM的功耗和延迟都比DDR低得多。
- 原则三：能硬件加速就别用软件。FPGA做预处理，NPU做推理，MCU做控制，各司其职。
好，这一章就到这里。下一章我会聊聊摄像头选型——传感器、镜头、接口，这些坑我踩得更多。到时候再细聊。