当前位置: 首页 > news >正文

乐鑫科技发布业内首个MCU级Matter摄像头解决方案

乐鑫信息科技近日正式推出业内首个运行于RTOS的MCU级Matter摄像头解决方案。该方案基于乐鑫高性能处理器ESP32-P4,旨在助力品牌商与开发者打造能够无缝接入并通行于全球主流Matter智能家居生态的摄像头产品,标志着智能家居视觉交互设备在标准化、低功耗与高安全性方向迈出了关键一步。

一、方案概述:生于标准的MCU级创新

本次发布的解决方案,其核心创新在于首次在微控制器(MCU)级别实现了对Matter摄像头协议栈的完整支持。传统智能家居摄像头多基于功能完整的Linux系统,而乐鑫的方案将摄像头功能成功“MCU化”,这在业内尚属首次。

这一创新的实现,紧密依托于CSA连接标准联盟发布的Matter 1.5规范。该版本首次正式将摄像头纳入其支持的设备类型范围。Matter 1.5为摄像头类设备(如安防摄像头、视频门铃、对讲设备等)定义了标准化的设备模型、安全通信机制与跨平台互操作性规范。这意味着,基于此规范开发的摄像头产品,可以无需依赖品牌特定的应用程序或接口,直接与亚马逊Alexa、谷歌Google Home、苹果Apple Home等不同生态的控制器进行交互,从根本上解决了智能家居生态间的壁垒问题。

二、方案核心优势

与传统的基于Linux系统的摄像头方案相比,乐鑫的MCU级方案在多方面展现出显著优势:

1. 显著降低的功耗:该方案采用分离式架构设计,将视频流媒体处理与无线网络连接及协议栈运行分别交由不同芯片处理。这使得负责视频处理的主控芯片(ESP32-P4)在非流媒体传输时段可进入深度睡眠状态,从而极大降低了整体功耗,为实现电池供电的长续航摄像头产品(如无线门铃、便携安防摄像头)提供了坚实的技术基础。

2. 更高的系统安全性:相比功能复杂、潜在攻击面广的Linux系统,运行在RTOS上的MCU系统更为精简,没有完整的操作系统层和复杂的包管理器,从系统根源上减小了被攻击的风险,提升了设备本身的安全性。

3. 优化的综合成本:方案无需配备高成本的应用处理器、大容量内存或复杂的电源管理模块,在保持高质量视频流能力的同时,能够有效降低产品的物料成本与制造成本。

4. 极速的启动响应:MCU系统具备毫秒级的启动速度,可以实现设备的近即时激活与视频采集,为用户带来更迅捷的响应体验。

三、技术原理与实现

该方案完整遵循并实现了Matter 1.5规范中为摄像头定义的一系列核心集群(Clusters),构成了其互操作性的技术基石。其中,Camera AV Stream Management集群负责音视频流的管理与控制,包括流资源协商和会话管理;WebRTC Transport Provider集群则处理基于WebRTC协议的实时传输,包括SDP协商和网络连接建立。

在实际工作流程中,当用户通过Matter控制器(如手机App)请求视频流时,设备端会通过上述集群启动一个标准化的WebRTC会话。该过程遵循互联网工程任务组(IETF)定义的成熟协议,通过交换SDP offer/answer和ICE候选信息,在摄像头与控制器之间建立端到端的点对点(P2P)连接。这种机制不仅保障了低延迟的实时音视频流传输,还通过支持Secure Frame(SFrame)技术实现了流媒体的端到端加密,确保了用户隐私安全。

四、硬件架构与开发支持

方案的硬件架构采用了异构双芯片设计,以兼顾高性能多媒体处理与高效无线连接:

-多媒体处理核心(ESP32-P4):作为主应用处理器,ESP32-P4是一款集成双核RISC-V处理器的高性能芯片,为方案提供了核心算力。它直接支持MIPI-CSI接口,可连接摄像头传感器,并内置H.264硬件编码器,能够实现1080p@30fps的实时视频捕获与编码。此外,它还负责连接麦克风、扬声器等外设,处理双向音频流。

-无线连接核心(ESP32-C5/C6):该芯片专门负责设备的Wi-Fi连接,并运行完整的Matter协议栈及应用层。其中,ESP32-C5支持2.4GHz和5GHz双频Wi-Fi,ESP32-C6支持2.4GHz Wi-Fi,开发者可根据产品需求灵活选择。这种将连接功能独立的设计,使得主处理器得以在空闲时深度睡眠,是实现超低功耗的关键。

乐鑫为开发者提供了全面的软件支持。开发者可以基于乐鑫深度定制的ESP-Matter SDK进行开发,该SDK建立在官方开源Matter SDK之上,提供了简化的API和必要的量产工具,能够加速产品开发进程。乐鑫官网及开发者社区已提供了该摄像头方案的示例代码与试用指南。

http://www.jsqmd.com/news/309327/

相关文章:

  • 七要素一体式气象站​ 超声波气象站
  • 一体化气象传感器 五要素气象仪
  • 自动雪深监测站 雪深监测系统
  • 2026年数学建模美赛 常用模型算法 随机规划
  • 全国各省市县坡度数据(2024年)
  • 2026年数学建模美赛 常用模型算法 偏微分方程(PDE)(热传导、扩散方程)
  • 2026年数学建模美赛 常用模型算法 差分方程
  • 2026年数学建模美赛 常用模型算法 马尔可夫链
  • 2026年数学建模美赛 常用模型算法 非线性规划(NLP)
  • 2026年数学建模美赛 常用模型算法 线性规划(LP)
  • 2026年数学建模美赛 常用模型算法 整数规划(IP)
  • 亲测好用!8款一键生成论文工具测评,本科生毕业论文必备
  • 基于Crowbar电路的DFIG低电压穿越LVRT仿真模型及多组跌落深度模拟
  • 吐血推荐9个AI论文网站,专科生轻松搞定毕业论文!
  • 六相永磁同步电机矢量控制仿真模型探索
  • MFC扩展库BCGControlBar Pro v37.2新版亮点:控件功能进一步升级
  • 必看!2026年知名砖机公司排名,推荐全自动砖机制造厂家与固废砖机源头厂家
  • 浅学组合数(未完成)
  • FTP文件传输协议介绍
  • 2026年1月吸塑机/高周波/高频机/热合机厂家推荐排行榜:全自动真空吸塑、亚克力厚片吸塑、高周波焊接热合设备源头实力甄选
  • Rider本地Docker运行调试配置
  • 为什么C语言执行效率高,运行快?
  • 教学用茶艺实训设备完整清单
  • 【Python Web】一文搞懂Flask框架:从入门到实战的完整指南
  • 企业微信自动化升级:外部群无代码分发
  • 通过python API来调用扣子coze的工作流
  • 企微API开发实战:外部群流量来源的“自动精准归因
  • Python 教程(八):高级特性【高逼格代码】
  • 【Linux】从 fork 到进程终止:写时拷贝细节与常见退出方式
  • 【Linux】零基础入门:一篇吃透操作系统核心概念