【米尔FZ3深度学习计算卡】PS端opencv运算性能小测试

day_day

拿到板子一般来说应该先点个灯的，不过个人对1.2G A53的性能还是相当期待，因此想先测试下。
但这一周早些时候花费了大量时间寻找交叉编译opencv的方法，折腾了很久，最后才发现板子TF卡自带的镜像竟然有opencv库。加上gcc编译链也齐全，因此测试用的小程序都可以在板子上直接编译。
本来个人对Qt生态比较依赖，看了下板子的库，竟然也有Qt，还是5.9.6版本，一个相当新的版本了：

opencv也是3.3.0，这大概是18-19年才推出的版本：

一开始还相当满意，觉得这块工控板生态很不错。然而很快啊，我就发现我还是想得太简单：

对于这个问题，搜到的解决方案都是不太搭边的，目前猜测大概还是因为用交叉编译环境构建Qt的时候有某些地方没有配置对吧。从板载的库来说，这个带有百度AI的镜像应该是经过深度定制的，其他功能都挺完善的，没有发现特别的问题，但官方没有提供这个镜像的交叉编译环境，想要自己提取再重新交叉编译Qt还是挺复杂的，因此暂时避开Qt。失去了Qt的qmake，只能寻求不太熟悉的cmake了。

测试试验

所幸opencv所在的/usr/lib是系统能够自动识别的路径，如果是/usr/local/lib下面，编写CmakeList.txt的时候就麻烦了。
新建一个canny文件夹，进去新建一个canny.c文件：

现在测试一段canny算子运算能力：

#include <opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;
//-----------------------------------【main( )函数】-------------------------------------------
// 描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main()
{
struct timespec tpstart;
struct timespec tpmiddle;
struct timespec tpend;
long timedif;
clock_gettime(CLOCK_MONOTONIC, &tpstart);
//载入原始图
Mat srcImage = imread("/home/qt/qt_for_opencv/28.jpg",1); //工程目录下应该有一张名为1.jpg的素材图
Mat srcImage1 = srcImage.clone();
//显示原始图
///imshow("【原始图】Canny边缘检测", srcImage);
clock_gettime(CLOCK_MONOTONIC, &tpmiddle);
//----------------------------------------------------------------------------------
// 一、最简单的canny用法，拿到原图后直接用。
//----------------------------------------------------------------------------------
//Canny(srcImage, srcImage, 150, 100, 3);
///imshow("【效果图】Canny边缘检测", srcImage);
//----------------------------------------------------------------------------------
// 二、高阶的canny用法，转成灰度图，降噪，用canny，最后将得到的边缘作为掩码，拷贝原图到效果图上，得到彩色的边缘图
//----------------------------------------------------------------------------------
Mat dstImage, edge, grayImage;
// 【1】创建与src同类型和大小的矩阵(dst)
dstImage.create(srcImage1.size(), srcImage1.type());
// 【2】将原图像转换为灰度图像
cvtColor(srcImage1, grayImage, CV_BGR2GRAY);
// 【3】先用使用 3x3内核来降噪
blur(grayImage, edge, Size(3, 3));
// 【4】运行Canny算子
Canny(edge, edge, 3, 9, 3);
//【5】将g_dstImage内的所有元素设置为0
dstImage = Scalar::all(0);
//【6】使用Canny算子输出的边缘图g_cannyDetectedEdges作为掩码，来将原图g_srcImage拷到目标图g_dstImage中
srcImage1.copyTo(dstImage, edge);
//【7】显示效果图
///imshow("【效果图】Canny边缘检测2", dstImage);*/
clock_gettime(CLOCK_MONOTONIC, &tpend);
timedif = 1000000 * (tpend.tv_sec - tpstart.tv_sec) + (tpend.tv_nsec - tpstart.tv_nsec) / 1000;
fprintf(stdout, "it took %ld microseconds\n", timedif);
timedif = 1000000 * (tpend.tv_sec - tpmiddle.tv_sec) + (tpend.tv_nsec - tpmiddle.tv_nsec) / 1000;
fprintf(stdout, "it took %ld microseconds\n", timedif);
waitKey(0);
return 0;
}

复制代码

新建CmakeList.txt，添加内容：

# project name
PROJECT(canny)
# requirement of cmake version
cmake_minimum_required(VERSION 3.5)
# set the directory of executable files
set(CMAKE_RUNTIME_OUTPUT_DIRECTORY ./)
# find required opencv
find_package(OpenCV REQUIRED)
# directory of opencv headers
include_directories(${OpenCV_INCLUDE_DIRS})
# name of executable file and path of source file
add_executable(canny canny.cpp)
# directory of opencv library
link_directories(${OpenCV_LIBRARY_DIRS})
# opencv libraries
target_link_libraries(canny ${OpenCV_LIBS})

复制代码

执行命令：

camke .

复制代码

执行make:

执行效果

canny算子：

blur算子：

contours:

实际上还有个自己写的小程序的，应用了surf在内的几个算子，同样的A53四核运算时间在1s以上，更能看出测试效果。但在2020年之前surf算子的专利还没有过期，因此一直放在opencv的contrib模块，这个板子的opencv库明显是没有编译contrib模块的，因此只能遗憾地放弃了。

对比

没有对比就不够直观。为了直观感受这个板子纯CPU运算能力到底如何，还缺一个横向对比。
但看了一遍手上的其他板子，性能都太过羸弱，与之相近的同样A53 4核的树莓派只能跑个32位系统，简直是虐菜。找来找去还是一块晶辰的S905比较合适，这颗核心时28nm制程，主频1.5G，比这块板子主频高一点，但制程落后，GPU同样位Mail-T450。

顺便附上手头其他板子，包括树莓派在内的一些测试结果：

同样的4核ARM A53看起来差距不大，性能都相当可以，ZU3低频还略占上风，纯CPU性能是足够通用计算了，接下来就是看AI部分了。

inowfordream · 发表于 2020-12-1 11:28:05

可以。不错

[评测分享] 【米尔FZ3深度学习计算卡】PS端opencv运算性能小测试

day_day LV6

站长推荐 /3