Parameters evaluation of cameras in embedded systems

• Autorzy: Suder Jakub

Identyfikatory

DOI

10.15199/48.2022.09.50

Warianty tytułu

PL

Ocena parametrów kamer wizyjnych w systemach wbudowanych

• Języki publikacji: EN

Abstrakty

EN

The article presents a comparison of micro cameras for video data acquisition. The tested cameras can be used in conjunction with embedded systems, in particular in the system for detecting mechanical damage of airport lamps. The work verified the compatibility of operation with microcomputers: Raspberry Pi 4B, Google Coral, NVIDIA Jetson Nano and NVIDIA Jetson Xavier AGX and cameras: Raspberry Pi Camera HD v2, Waveshare 16579, IMX477 and Logitech C922. Tests were performed under laboratory conditions based on an ISO 12233 standard test chart.

PL

W artykule przedstawiono porównanie mikrokamer do akwizycji danych wizyjnych. Testowane kamery mogą zostać użyte w połączeniu z systemami wbudowanymi, w szczególności w systemie do wykrywania uszkodzeń mechanicznych lamp lotniskowych. W pracy sprawdzono kompatybilność działania z mikrokomputerami: Raspberry Pi 4B, Google Coral, NVIDIA Jetson Nano i NVIDIA Jetson Xavier AGX oraz kamery: Raspberry Pi Camera HD v2, Waveshare 16579, IMX477 i Logitech C922. Testy przeprowadzono w warunkach laboratoryjnych, w oparciu o standardową tablicę testową ISO 12233.

Słowa kluczowe

EN

vision system; embedded system; image processing; ISO12233

PL

system wizyjny; system wbudowany; przetwarzanie obrazu; ISO12233

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2022
• Tom: R. 98, nr 9
• Strony: 216--219
• Opis fizyczny: Bibliogr. 13 poz., rys., tab.

Twórcy

autor

Suder Jakub

• Poznan University of Technology, Institute of Automatic Control and Robotics, Division of Signal Processing and Electronic Systems, ul. Jana Pawła II 24, 60-965 Poznań

• https://orcid.org/0000-0002-3156-0639

Bibliografia

• [1] Warden P., Situnayake D., TinyML: Machine learning with TensorFlow Lite on Arduino and ultra-low power microcontrollers, O'Reilly Media, 2020
• [2] Arshad N. M., Razak N. A., Vision-based detection technique for effective line-tracking autonomus vehicle, IEEE 8th International Colloquium on Signal Processing and its Applications, 2012, pp. 441-445, doi: 10.1109/CSPA.2012.6194765
• [3] Barua B., Gomes C., Baghe S., Sisodia J., A Self-Driving Car Implementation using Computer Vision for Detection and Navigation, 2019 International Conference on Intelligent Computing and Control Systems (ICCS), 2019, pp. 271-274, doi: 10.1109/ICCS45141.2019.9065627
• [4] Podbucki K., Suder J., Marciniak T., Dąbrowski A., CCTV based system for detection of anti-virus masks, 2020 Signal Processing: Algorithms, Architectures, Arrangements, and Applications (SPA), 2020, pp. 87-91, doi: 10.23919/SPA50552.2020.9241303
• [5] Suder J., Maciejewski P., Podbucki K., Marciniak T., Dąbrowski A., Platforma pomiarowa do badania jakości działania lamp lotniskowych, Pomiary Automatyka Robotyka, R. 23, No. 2/2019, pp. 5-13, doi: 10.14313/PAR_232/5
• [6] Suder, J., Możliwości przetwarzania sekwencji wizyjnych w systemach wbudowanych, Przegląd Elektrotechniczny, No 01/2022, pp. 188-191, https://doi.org/10.15199/48.2022.01.41
• [7] Suder, J.; Podbucki, K.; Marciniak, T.; Dąbrowski, A. Low Complexity Lane Detection Methods for Light Photometry System. Electronics 2021, 10, 1665. https://doi.org/10.3390/electronics10141665
• [8] P. Kumar, "MIPI camera vs USB camera – a detailed comparison", Camera blog, 14.03.2022, https://www.econsystems.com/blog/camera/technology-thursday/mipicamera-vs-usb-camera-a-detailed-comparison/
• [9] International Organization for Standardization. (2017). Photography — Electronic still picture imaging — Resolution and spatial frequency responses (ISO Standard No. 12233:2017)
• [10] Vijitkunsawat W., Chantngarm P., Comparison of Machine Learning Algorithm’s on Self-Driving Car Navigation using Nvidia Jetson Nano, 2020 17th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (ECTI-CON), 2020, pp. 201-204
• [11] A. A. Süzen, B. Duman and B. Şen, "Benchmark Analysis of Jetson TX2, Jetson Nano and Raspberry PI using Deep-CNN," 2020 International Congress on Human-Computer Interaction, Optimization and Robotic Applications (HORA), 2020, pp. 1-5, doi: 10.1109/HORA49412.2020.9152915
• [12] "IMX219 Camera Module for Raspberry Pi Camera Board V2, 160 degree FoV", Waveshare.com, 11.03.2022, https://www.waveshare.com/imx219-d160.html
• [13] "Raspberry Pi Camera: Comparison of High Quality Camera with Camera Module V2 - Latest Open Tech From Seeed", Latest Open Tech From Seeed, 11.03.2022, https://www.seeedstudio.com/blog/2020/05/14/raspberry-pi-camera-comparison-of-high-quality-camera-with-camera-module-v2

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).