Multiprocessor system-on-chip (MPSoC) designs offer a lot of computational power assembled in a compact design. The computing power of MPSoCs can be further augmented by adding massively parallel processor arrays (MPPA) and specialized hardware with instruction-set extensions. On-chip MPPAs can be used to accelerate low-level image-processing algorithms with massive inherent parallelism. With the arrival of new heterogeneous MPSoCs, various applications that run on dedicated compute units on humanoid robots like ARMAR, can now be combined and executed on a single-chip. However, the presence of multiple processing elements (PE) with different characteristics raises issues related to programming and application mapping. The conventional approach used for programming heterogeneous MPSoCs results in a static mapping of various parts of the application to different PE types, based on the nature of the algorithm and the structure of the PEs. Yet, such a mapping scheme independent of the instantaneous load on the PEs may lead to under-utilization of some type of PEs while overloading others. At the same time it is difficult to dynamically control and distribute different types of resources among different applications running on a single chip, achieving high resource utilization under high-performance constraints. This thesis focus on investigating the benefits and challenges of using a resource-aware programming model called Invasive Computing for dynamically mapping image-processing applications (used on humanoid robots) to different types of PEs available on a heterogeneous MPSoC named InvasIC. Different types of computer vision algorithms were investigated and implemented on the heterogeneous MpSoC. Based on the new model, the applications can dynamically acquire and release hardware resources, considering the level of parallelism available in the algorithm and time-varying load. Our results indicate that resource-aware programming helps to improve the performance (throughput and worst observed latency) of various computer vision applications along with better overall workload distribution within the heterogeneous MPSoC.     «

Multiprocessor system-on-chip (MPSoC) designs offer a lot of computational power assembled in a compact design. The computing power of MPSoCs can be further augmented by adding massively parallel processor arrays (MPPA) and specialized hardware with instruction-set extensions. On-chip MPPAs can be used to accelerate low-level image-processing algorithms with massive inherent parallelism. With the arrival of new heterogeneous MPSoCs, various applications that run on dedicated compute units on hum...     »

Multiprozessor System-on-Chip (MPSoC) bieten hohe Rechenleistung auf kleinem Bauraum. Die Rechenleistung von MPSoC kann durch massiv parallele Prozessorarrays (MPPA) und spezielle Hardware Instruktionssatzerweiterungen noch verbessert werden. On-Chip MPPAs eignen sich gut für die Beschleunigung von Bildverarbeitungsanwendungen mit hoher Parallelität. Zukünftige heterogene MPSoC bieten interessante Rechenplattformen, um eine Vielzahl von Anwendungen, wie sie beispielsweise auf einem humanoiden Roboter zu finden sind, auf einem einzelnen Chip zu vereinen. Die Verwendung von heterogenen Prozessorelementen (PE) mit unterschiedlichen Eigenschaften bringt jedoch zahlreiche Herausforderungen für die Programmierung und die Zuordnung der Anwendungen auf die Prozessorelemente. Konventionelle Programmiermethoden für heterogene MPSoC nutzen eine statische Zuordnung von Anwendungen auf die PEs, basierend auf der Charakteristik der Anwendungen und der Eigenschaften der PEs. Diese statische Zuordnung vernachlässigt jedoch die Auslastung der heterogenen PEs und führt oftmals dazu, dass einzelne PEs über- oder unterlastet sind. Es ist schwierig für dynamisch wechselnde Anwendungen eine gute Ressourcenauslastung zu erzielen. Der Schwerpunkt dieser Arbeit zielt auf die Untersuchung von Ressourcen-gewahren Programmiermodellen zur dynamischen Lastverteilung von Bildverarbeitungsanwendungen, wie sie typischerweise auf einem humanoiden Roboter eingesetzt werden, auf heterogene MPSoC Rechenplattformen. Unterschiedliche Bildverarbeitungsalgorithmen wurden untersucht und auf einem heterogenen MPSoC implementiert. Durch die Ressourcen-gewahre Programmierung konnten die Anwendungen Hardwareressourcen dynamisch belegen und freigeben, entsprechend dem aktuellen Parallelisierungsgrad und der aktuellen Rechenlast auf dem MPSoC. Die Ergebnisse zeigen, dass Ressourcen-gewahre Programmierung von Bildverarbeitungsanwendungen einen Beitrag zu höherer Performanz (Durchsatz und Latenz) und besserer Lastverteilung innerhalb eines heterogenen MPSoC leisten kann.      «

Multiprozessor System-on-Chip (MPSoC) bieten hohe Rechenleistung auf kleinem Bauraum. Die Rechenleistung von MPSoC kann durch massiv parallele Prozessorarrays (MPPA) und spezielle Hardware Instruktionssatzerweiterungen noch verbessert werden. On-Chip MPPAs eignen sich gut für die Beschleunigung von Bildverarbeitungsanwendungen mit hoher Parallelität. Zukünftige heterogene MPSoC bieten interessante Rechenplattformen, um eine Vielzahl von Anwendungen, wie sie beispielsweise auf einem humanoiden Ro...     »