使用 GMSL 实现高带宽机器人视觉应用

设计实时感知和适应物理世界的机器人应用时，其视觉功能是核心。机器人系统是在动态且往往不可预测的环境中运行，传感器数据必须在几毫秒内完成采集、传输、处理并转化为实际行动。只要出现延迟增大、数据丢失或时间不一致的情况，都会降低性能，甚至造成安全风险。

随着机器人系统转向基于机器学习的感知能力，这种感知依赖于大量的视觉数据，而不是针对特定任务的编程，因此这些限制条件越来越苛刻。这使得机器人应用具有了适应性，只需极少量的重新编程，就能感知新的物体、环境和任务。

这些趋势对如何在机器人系统中传输视觉数据造成了越来越大的压力。千兆位多媒体串行链路 (GMSL) 技术可简化传感器连接、降低布线复杂性，并在分布式摄像头和中央计算模块之间实现低延迟、稳健的数据传输，从而有助于解决设计难题。

GMSL 最初是为高级驾驶辅助系统 (ADAS) 等汽车应用而设计的，现已广泛应用于机器人和机器视觉系统，以低延迟和强大的抗电磁干扰特性连接远程摄像头和传感器。

GMSL 由 Analog Devices 开发，是一种高速串行/解串 (SerDes) 通信技术，可通过单根同轴电缆或双绞线传输高带宽视频和数据。每个摄像头不共享网络结构，而是通过专用高速链路运行，从而消除了争用、路由和基于数据包的可变性。这就创建了一个可预测的数据路径，即使传感器数量增加，时间和延迟也能保持一致。

GMSL 串行器将通常通过多条单信号线路并行传输的像素数据组转换为连续的高速串行数据流。在处理器端，解串器会将其转换回原始格式。由于个摄像头都有自己的点对点链路，因此带宽与摄像头的数量成线性关系，不会造成网络争用、切换开销或数据包调度延迟等问题。

当视觉系统扩展到多个高分辨率摄像头时，这种方法的优势就更加明显。与单摄像头应用不同，这些系统需要密集、同步的视觉覆盖来支持诸如导航、操纵和实时场景理解等任务。随着传感器数量的增加，对带宽、布线和计时精度的要求也越来越高，这会暴露传统短距离板级互连的局限性。

诸如 USB、标准以太网或直接板级 MIPI 链路等传统方法，在延迟、同步或物理覆盖范围方面不可避免地需要进行权衡取舍。随着所用的摄像头越来越多，也不断地增加了布线、定时管理和系统设计的复杂性，这同样给技术集成带来了越来越大的挑战。

与其他视觉连接方法相比，GMSL 具有几个明显的优势：

• 它在覆盖范围和稳健性方面超越了 MIPI CSI-2，同时保持了简单、低延迟、点对点架构，避免了基于以太网的视觉堆栈的复杂性。
• 相比以太网的大规模分布式网络的灵活性，GMSL 更倾向于确定性的点对点连接和更简单的多摄像机同步。
• 该方案的性能大体上与 FPD-Link 相当，后者是另一种专用 SerDes 解决方案。具体选择哪一种，往往取决于生态体系方面的综合考量。

GMSL 通过提供具有确定性、低延迟性能的高速摄像头连接实用方法，平衡了嵌入式和联网视觉系统。这样既简化了高速视觉连接，又能保持实时机器人系统对延迟和可靠性的严格要求。

高速、大容量

随着摄像头分辨率和传感器数量的不断增加，这些结构优势就成为系统成败的关键。GMSL 可以通过一根电缆从多个摄像头或其他传感器传输大量数据，特别是视频数据。该方案使用专用点对点链路，没有网络争用或数据包路由。设计人员可以使用 GMSL 通过同轴或双绞线电缆传输高带宽数据流，同时保持低延迟和高抗噪能力，而无需为每个点使用多个连接。

这项技术简化了汽车布线，提高了稳健性，且这些特性也可直接体现在机器人技术中：更少的电缆简化了电气和机械设计，使得使系统更轻、更可靠、更易于组装。分布式摄像头可以安装在远离计算模块的位置，用最少的布线连接，仍能可靠地提供同步化、低延迟的数据，以支持实时感知和决策。

机器人越来越依赖于多个高分辨率摄像头，有时还结合深度传感器或 LLIDAR（光探测与测距）来感知周围环境（图 1）。每个摄像头单独使用时都会产生大量数据流，而当多台摄像头同时使用时，又会提高带宽要求。一个 1080p 分辨率、每秒 30 帧 (fps)、每像素 24 位的摄像头可产生 1.4 Gbps 的传输速率，因此四个摄像头可产生 5.6 Gbps 的传输速率，六台摄像头可产生 8.4 Gbps 的传输速率。更高分辨率、更高帧率的应用，可将带宽需求提升到每秒数十吉比特。

图 1：GMSL 支持的多模态机器人视觉系统。该系统可处理来自多个摄像头和其他传感器的图像数据，从而实现机器人感知。(图片来源：Analog Devices, Inc.）

要可靠地支持如此庞大的数据量，就需要一种传输架构，它能在不造成时间不确定性的情况下进行可预测的扩展。GMSL 的确定性和低延迟链路，可确保多个摄像头保持同步并可预测地传输数据，从而使开发采用多摄像头感知功能的应用成为可能，而不会使系统负载过大或造成时间不确定性。

实际考量因素

随着企业转向能够感知、操控和自主决策多功能平台，机器人系统也在不断进步。像 Tesla Optimus 这样的人形机器人，需要依靠实时摄像头网络与多个同步的高分辨率视频流，才能在复杂的环境中进行导航和互动。

机器人视觉系统正越来越多地使用分布式传感器阵列进行实时导航和操控，这就要求极其严格的同步和可靠的连接。随着传感需求的持续增长，各种应用必须增加传感器数量和分辨率，同时又不会造成计算资源负担或引发时序问题。这些要求通过边缘和聚合设备来实现，这些设备在图像传感器和计算平台之间架起桥梁，以确保对自动驾驶至关重要的低延迟同步数据。

在系统边缘，ADI 的 MAX96717 GMSL2 串行器等器件作为图像传感器与传输链路之间的接口（图 2）。该器件位于摄像头正后方，可获取高带宽 MIPI CSI-2 摄像头数据，并将其转换为高速串行链路，通过汽车式长距离布线进行传输。该器件支持 3 Gbps 或 6 Gbps 的正向链路数据传输速率，反向控制通道的传输速率为 187.5 Mbps，最多可接受四个 MIPI CSI-2 通道，每个通道的传输速率为 2.5 Gbps。

图 2：在该图中，四个 MAX96717 器件将来自不同摄像头传感器的并行数据流转换为串行信号，然后通过 GMSL2 链路传输到 MAX96724 解串器，再由该解串器汇集并转换为 MIPI CSI-2，从而将汇集的同步图像数据传输到中央处理器。(图片来源：Analog Devices, Inc.）

串行器负责将原始摄像头输出进行实时格式化并传输到长距离 GMSL2 链路，同时保留帧完整性、控制信号和同步元数据。该器件将紧密耦合的图像传感器转变为可放置在机器人任何位置的远程传感节点，使多个摄像头能够分布在机器人平台上，而不受短程互连的限制。

在接收端，多链路 GMSL2 解串器（如 ADI MAX96724）可将多个远程摄像头数据流汇聚到一个同步式接口集线器中。该器件可实现可扩展的多摄像头感知，而不会增加系统复杂性的，并能将多路 GMSL2 摄像头数据流以 3 Gbps 或 6 Gbps 的速度聚合到主机处理器的单个 MIPI CSI-2 接口，同时保持各传感器之间的同步时序和双向控制。

摄像头数据经过解串处理后，将作为标准图像流（通常通过 MIPI CSI-2 接口）传送给主机处理器。在此基础上，系统的视觉堆栈会并行摄取来自多个摄像头的图像，其中可能包括 ISP 处理、同步逻辑和 AI 推理模型，以完成物体检测、深度探测、跟踪和场景理解等任务。

由于 GMSL 数据流的到达时间一致，因此应用系统可以可靠地将数据与摄像头以及其他传感器（如激光雷达或惯性测量单元 (IMU)）融合在一起，以监测运动和方向，从而使机器人可连续、实时地了解其所处环境。在开发和验证方面，可使用将串行器侧摄像头模块与 MAX96724-BAK-EVK# 等解串器 EVK 进行配对的评估平台实现完整的信号链，使开发人员能够在过渡到定制硬件设计之前测试多摄像头同步、带宽性能和处理器集成。

图 3：MAX96724-BAK-EVK# 评估平台为机器人视觉系统提供了开发参考设计，可汇聚来自 MAX96717 等串行器的多个 GMSL2 摄像头数据流，并向中央处理器提供同步 MIPI CSI-2 输出。(图片来源：Analog Devices, Inc.）

成熟的技术和生态系统

GMSL 已经发展了许多代，每一代都扩大了带宽、范围和系统灵活性，同时保持了相同的基于 SerDes 的核心架构：

• GMSL1 推出了一种强大的汽车级解决方案，用于长距离传输高速视频，主要支持高清级摄像系统。
• GMSL2 大幅提高了带宽和可扩展性，使多摄像头 1080p 和 4K 系统具有更严格的同步、更低的延迟和更高效的多流聚合性能，成为现代 ADAS 和机器人平台的主流产品。
• GMSL3 在此基础上进一步提高了数据传输速率和系统灵活性，并支持下一代高分辨率传感器和日益复杂的多传感器架构。

GMSL 以成熟的生态系统为后盾，支持可扩展的生产就绪型部署。机器人开发人员可以利用经过验证的全套组件，包括摄像头、计算模块、电缆、连接器和软件/驱动程序支持，这些组件都是专为在实际条件下可靠运行而设计的。这一生态系统降低了集成复杂性，缩短了开发周期，并降低了从早期原型开发到生产系统的扩展门槛。

结语

随着机器人系统向更高的传感器密度和实时自主性发展，连接架构必须在不影响确定性或可靠性的前提下进行扩展。基于 GMSL 的架构简化了布线，保留了确定性时序，并支持分布式传感器布局，因此机器人设计人员无需从根本上重新设计计算或同步模型，就能提高感知能力。这为向高密度、实时机器人视觉系统过渡提供了一块关键基石。