基于Hi3559AV100 RFCN实现细节解析-（2）RFCN数据流分析

　　下面随笔系列将对Hi3559AV100 RFCN实现细节进行解析，整个过程涉及到VI、VDEC、VPSS、VGS、VO、NNIE，其中涉及的内容，大家可以参考之前我写的博客：

Hi3559AV100的VI细节处理说明：

https://www.cnblogs.com/iFrank/p/14374658.html

基于Hi3559AV100的视频采集（VDEC-VPSS-VO）整体框图设计

https://www.cnblogs.com/iFrank/p/14370575.html

基于Hi3559AV100 RFCN实现细节解析-（1）VGS初介绍：

https://www.cnblogs.com/iFrank/p/14465306.html

基于Hi3559AV100的SVP(NNIE)开发整体流程 ：

https://www.cnblogs.com/iFrank/p/14377668.html

 　　首先给出整体的RFCN流程图解，整个RFCN分为3个step，具体如下所示：

　　在分析RFCN数据流之前，首先了解一下基于Hi3559AV100的NNIE模型，在搭建好SDK等环境后，配置好对应的硬件，在HiLinux上进行测试，具体如下：

 1 ~ # ./sample_nnie_main
 2 Usage : ./sample_nnie_main <index>
 3 index:
 4          0) RFCN(VI->VPSS->NNIE->VGS->VO).
 5          1) Segnet(Read File).
 6          2) FasterRcnnAlexnet(Read File).
 7          3) FasterRcnnDoubleRoiPooling(Read File).
 8          4) Cnn(Read File).
 9          5) SSD(Read File).
10          6) Yolov1(Read File).
11          7) Yolov2(Read File).
12          8) Yolov3(Read File)
13          9) LSTM(Read File)
14          a) Pvanet(Read File).\n")

　　从中看可以看到RFCN的整个过程VI->VPSS->NNIE->VGS->VO，VI模块绑定了VPSS模块，VI从摄像头输入一路视频，经VPSS分解为两路，（具体见SAMPLE_SVP_NNIE_Rfcn中step 3-线程创建函数SAMPLE_SVP_NNIE_Rfcn_ViToVo），通过如下函数：

 1 　　HI_MPI_VPSS_GetChnFrame(  //用户从通道获取一帧处理完成的图像。
 2
 3 　　　　　　　　　　s32VpssGrp,
 4
 5 　　　　　　　　　　as32VpssChn[1],
 6
 7 　　　　　　　　　　&stExtFrmInfo,
 8
 9 　　　　　　　　　　s32MilliSec);
10 　　HI_MPI_VPSS_GetChnFrame(  //用户从通道获取一帧处理完成的图像。
11
12 　　　　　　　　　　s32VpssGrp,
13
14 　　　　　　　　　　as32VpssChn[0],
15
16 　　　　　　　　　　&stBaseFrmInfo,
17
18 　　　　　　　　　　s32MilliSec);

（设置两路VPSS通道如帧图片大小等等参数见SAMPLE_COMM_IVE_StartVpss函数）

　　一路stBaseFrmInfo保持原来的1080P分辨率（这个需要看MIPI接口的相机型号来，如：见SAMPLE_COMM_IVE_StartViVpssVencVo函数：

case SONY_IMX277_SLVS_2M_240FPS_12BIT:

*penSize = PIC_1080P;

）；

　　一路stExtFrmInfo转为PIC_CIF(352x288)分辨率（追溯到最初的赋值语句：在SAMPLE_SVP_NNIE_Rfcn函数中：PIC_SIZE_E enSize = PIC_CIF;

经过如下得到VPSS通道对应的图片大小：

 1 SAMPLE_COMM_IVE_StartViVpssVencVo
 2
 3     aenSize[1] = *penExtPicSize;
 4
 5         SAMPLE_COMM_IVE_VbInit(aenSize,astSize,VPSS_CHN_NUM);
 6
 7             SAMPLE_COMM_SYS_GetPicSize(paenSize[i], &pastSize[i])
 8
 9                 SAMPLE_COMM_SYS_GetPicSize
10
11                 {
12
13                     switch (enPicSize)
14
15                     {
16
17                             case PIC_CIF: /* 352 * 288 */
18                                 pstSize->u32Width = 352;
19                                 pstSize->u32Height = 288; break;......
20
21                     }
22
23                 }

　　之后到SAMPLE_SVP_NNIE_Rfcn_Proc函数，具体如下：

 1 s32Ret = SAMPLE_SVP_NNIE_Rfcn_Proc(
 2
 3 　　　        　pstParam,
 4
 5                     pstSwParam,
 6
 7                     &stExtFrmInfo,
 8
 9                     stBaseFrmInfo.stVFrame.u32Width,
10
11                     stBaseFrmInfo.stVFrame.u32Height);    

　　随后进入加框函数：（即进入VGS视频图形子系统）

1 //Draw rect
2
3 s32Ret = SAMPLE_COMM_SVP_NNIE_FillRect(
4
5                    &stBaseFrmInfo,      //*pstFrmInfo
6
7                    &(pstSwParam->stRect),   // *pstRect
8
9                     0x0000FF00);    //u32color    

　　用到了两个VGS重要参数定义：

　　VGS_TASK_ATTR_S stVgsTask;  //定义 VGS task 的属性

　　VGS_ADD_COVER_S stVgsAddCover; //定义 VGS 上 COVER 的配置

　　下面为定义图像属性和输出图像属性：

1 memcpy(  &stVgsTask.stImgIn,
2                 pstFrmInfo,
3                 sizeof(VIDEO_FRAME_INFO_S));
4
5 memcpy(   &stVgsTask.stImgOut,
6                 pstFrmInfo, 　　 　　　　　　
7                 sizeof(VIDEO_FRAME_INFO_S));    

　　随后定义 VGS 上 COVER 的配置，设置COVER参数，如颜色设置为0x0000FF00（绿色，这个与之前Hi3519 RFCN运行一致，加绿色的框）

通过memcpy定义任意四边形 COVER 四个坐标点：

1 memcpy(  stVgsAddCover.stQuadRangle.stPoint,
2
3                 pstRect->astRect[i][j].astPoint, //(pstSwParam->stRect)
4
5                 sizeof(pstRect->astRect[i][j].astPoint));

　　VGS 支持对一幅图像进行遮挡操作，遮挡区域形状可以是矩形或者任意四边形， 遮挡区域颜色为纯色，支持批量打 COVER。 而在Draw rect函数中，没有对stBaseFrmInfo数据直接操作，目前认知VGS做COVER任务提交job时，直接将COVER数据送入至VO，随后加上stBaseFrmInfo的数据：

 1 //将视频图像送入指定输出通道显示。
 2
 3 s32Ret = HI_MPI_VO_SendFrame(
 4
 5                 voLayer,
 6
 7                 voChn,
 8
 9                 &stBaseFrmInfo,
10
11                 s32MilliSec);

 　　整体的数据流处理流程如下：