Durch die technische Entwicklung liefern industrielle Kameras immer bessere Ergebnisse und erzeugen dabei immer größere Datenmengen. Diese müssen von der nachfolgenden möglichst leistungsfähigen Hardware verarbeitet werden, um so die benötigten Informationen zu extrahieren. Dabei ist zu entscheiden, wo genau die Verarbeitung der Daten geschehen soll. Ein bisher häufig verwendeter Ansatz ist die Vorverarbeitung der Daten direkt in der Kamera. Die Menge der zu übertragenden Daten nimmt dadurch ab. Dieser Vorteil wird allerdings mit einem vergleichsweise hohen Preis der Kameras „erkauft“ und insbesondere in den Applikationen unwirtschaftlich und für den Anwender kompliziert, in denen mehrere Kamerasysteme für die Applikation notwendig sind. Typisches Beispiel sind Mehrkamerasystemen für die Umfelderkennung in der Logistik.

Edge-Architektur mit hoher Rechenleistung

Einer der wichtigsten Anwendungsfälle – die mobile Robotik – zeigt, wie umfangreich die Anforderungen sind. Ziel sind etwa autonom agierenden Fahrzeuge, die Waren selbstständig transportieren. Diese verwenden in der Regel mehrere unterschiedliche Sensoren: Neben RGB-Kameras und 3D-Kameras, wie die aus der O3R-Serie von IFM, kommen auch Laserscanner, Radar- oder Ultraschallsensoren zum Einsatz. Über sogenannte Sensordatenfusion werden zusätzliche Informationen aus der Kombination der Daten der verschiedenen Sensoren gewonnen. IFM bietet mit der Hardware-Plattform O3R eine Lösung für solche Anwendungen und erleichtert Entwicklern sowohl die Vorentwicklung als auch die Serienentwicklung durch eine ausgeklügelte Software-Umgebung und reiche Auswahl an Software-Tools und -Schnittstellen. Zentrale Komponente ist ein Edge-Device, an das bis zu sechs 3D-Kameras und zahlreiche weitere Sensoren angeschlossen werden können. CAN-Schnittstellen sorgen für die einfache Einbindung in die Architektur eines mobilen Roboters. Ein leistungsfähiges Linux-System, das mit einer NVIDIA Video Processing Unit ausgerüstet ist, bildet die Hardware-Basis. Mit den verfügbaren ROS2-Treibern lässt sich das System einfach in Robotik-Applikationen integrieren. Da die Bildverarbeitung bei dem neuen O3R-Konzept in das Edge-Gerät wandert, ist in der Kamera kaum Datenverarbeitung notwendig. IFM bietet passende Kameraköpfe, die 3D-Sensoren oder eine Kombination aus 3D- und 2D-Sensoren mit verschiedenen Öffnungswinkeln und Auflösungen enthalten.

Neuronale Netze und Künstliche Intelligenz

Da das Edge-Device viel Rechenleistung bietet, können auch anspruchsvolle Applikationen umgesetzt werden. Anwendungen von Künstlicher Intelligenz (KI) sind auf diese Leistungsfähigkeit angewiesen. So lassen sich etwa neuronale Netze für Bildverarbeitungsanwendungen implementieren, die mit herkömmlichen algorithmischen Methoden nicht möglich wären. Diese Methoden des Deep Learnings lassen sich einsetzen, um eine verbesserte Orientierung von autonomen mobilen Robotern (AMR) zu realisieren. Durch das dazu verwendete Verfahren, Simultaneous Localization and Mapping (Slamming), weiß der AMR, wie seine Umgebung aussieht und wo er sich innerhalb dieser Umgebung befindet (Localization). Wenn er sich in dieser Umgebung bewegt, kann er zusätzlich eine Karte seiner Umgebung anfertigen (Mapping). Damit simuliert ein solches System genau die Methode, mit der ein Mensch diese Aufgabe löst. Mit unseren Sinnesorganen nehmen wir die Daten aus unserer Umgebung auf, und das neuronale Netz in unserem Gehirn erstellt daraus eine abstrakte Vorstellung einer Karte der Umgebung, in der wir uns bewegen.

Bildverarbeitung wird kostengünstiger

Die O3R-Plattform macht nicht nur zahlreiche Bildverarbeitungsanwendungen möglich, sondern minimiert gleichzeitig auch die Kosten für solche Lösungen. Dadurch eröffnen sich neue Perspektiven, autonome mobile Roboter in Anwendungen einzusetzen, die bisher aus Kostengründen ausgeschlossen waren. In Zukunft wird auf Basis der O3R-Plattform eine komplette Suite von Lösungen für die unterschiedlichsten Bereiche entstehen.