Roboter sind für uns immer weniger Wesen, die wir nur aus Science-Fiction-Filmen kennen. Zum Beispiel in Fertigung und Logistik hält die Robotik zunehmend Einzug. Jedoch stellt die Tatsache, dass die Mehrheit der Robotor „blind" ist oder unfähig, die Welt um sich herum wahrzunehmen, eines der größten Hindernisse für ein starkes Wachstum in diesem Bereich dar.

 Unsere Augen und unser Gehirn funktionieren wie eingebaute Hard- und Software, die uns dabei unterstützen, die Welt um uns herum wahrzunehmen, und somit die unzähligen Tiefen, Strukturen und Farben, die uns begegnen. Ebenso wie unsere Augen Signale von unserem Gehirn empfangen, um während unserer Bewegungen kontinuierlich zu fokussieren und sich an Licht anzupassen, ermöglicht die Integration von Bildverarbeitungstechnologie in moderne Softwarewerkzeuge Robotern, ihre sich verändernde Umgebung zu sehen und darauf zu reagieren. So eröffnet sich eine ganze Bandbreite an neuen Bildverarbeitungs- und Roboteranwendungen.
Auf Produktionsebene finden sich diese bereits seit Langem in Bereichen wie Montage und Materialhandhabung: Eine Kamera wird zum Erfassen eines Bildes und Auffinden eines Teils oder Ziels eingesetzt, bevor Koordinaten an den Roboter zum Durchführen einer spezifischen Funktion gesendet werden - beispielsweise zum Aufnehmen eines Teils, wie im Bild zu sehen. Das Integrieren von Bildverarbeitungstechnologie in Anwendungen wie diese ermöglicht es Maschinen, immer intelligenter und somit auch flexibler zu werden. Die selbe Maschine kann eine Vielzahl von Aufgaben durchführen, da sie erkennen kann, welches Teil sie gerade bearbeitet, und sich dann entsprechend unterschiedlichen Gegebenheiten anpassen. Ein weiterer Vorteil, Bildverarbeitung für die Maschinensteuerung einzusetzen, liegt darin, dass die gleichen Bilder für die In-Line-Inspektion der bearbeiteten Teile verwendet werden können. So werden Roboter nicht nur flexibler, sondern können auch qualitativ höhere Ergebnisse erzielen.
Wird jedoch ein hohes Maß an Präzision für die Bewegung benötigt, können Bestandteile wie Kamera oder Motorsteuerungssystem sehr teuer werden. Viele bildverarbeitungsgestützte Robotersysteme setzen ein einzelnes Bild zu Beginn der Aufgabe ein, ohne dass es danach Rückmeldungen zur Berücksichtigung kleiner Fehler gibt. Eine bildgestützte Servosteuerung bewältigt diese Herausforderung, da eine Kamera entweder auf oder in der Nähe des Roboters befestigt wird und sie kontinuierlich Rückmeldungen gibt, um kleine Fehler in den Bewegungen auszubessern. Folglich wird die Bildverarbeitung innerhalb der Steuerschleife eingesetzt. In manchen Fällen ersetzt die Bildinformation sogar vollständig klassische Rückmeldungsmechanismen wie Encoder, sodass der Servomotor direkt angesprochen werden kann. Eine direkte Servosteuerung beschleunigt die Hochgeschwindigkeitsleistung von Anwendungen, wie z. B. Laserausrichtung und Halbleiterproduktion sowie andere Verfahren, die Hochgeschwindigkeitssteuerung erfordern.

Autonome Roboter erobern den Alltag
Roboter finden den Weg von der Produktionsumgebung in unseren Alltag, wo sie eine bedeutende Rolle einnehmen. Dies machen Serviceroboter deutlich, die in Krankenhäusern eingesetzt werden, um dem Mangel an Ärzten und Pflegepersonal zu begegnen, oder autonome Traktoren, die Felder pflügen, um die Bepflanzung und die Effizienz bei der Ernteabwicklung zu optimieren. Nahezu jeder autonome mobile Roboter benötigt anspruchsvolle Bildverarbeitung, angefangen bei der Hinderniserkennung bis hin zu simultaner visueller Lokalisation und Darstellung. In den kommenden 10 Jahren wird die Anzahl der Bildverarbeitungssysteme, die von autonomen Robotern eingesetzt werden, voraussichtlich die Anzahl an Systemen, die von fest installierten Roboterarmen verwendet werden, weit überholen.
Ein steigender Trend ist der Einsatz von 3D-Bildverarbeitungstechnologie, die Roboter dabei unterstützen kann, mehr von ihrer Umgebung wahrzunehmen. Ausgehend von den Anfängen in Forschungslaboren an Hochschulen hat die 3D-Bildverarbeitungstechnologie große Fortschritte aufgrund der Entwicklungen in den Bereichen Sensorik, Beleuchtung und vor allem in der Verarbeitung gemacht. Heutzutage wird die 3D-Bildverarbeitung in einer Vielzahl von Anwendungen eingesetzt - von bildverarbeitungsgestützten Robotern, die Güter direkt aus Transportbehältnissen entnehmen, bis hin zu Präzisionsmesstechnik und mobiler Robotik. Die neueste Generation von Prozessoren kann gewaltige Datensätze und komplexe Algorithmen verarbeiten, die für das Extrahieren von Tiefeninformationen und zur schnellen Entscheidungsfindung erforderlich sind.
Autonome Fahrzeuge nutzen Tiefeninformationen, um die Größe und Entfernung von Hindernissen zu messen und so eine präzise Pfadplanung sowie Hinderniserkennung durchzuführen. Stereobildverarbeitungssysteme können umfassende dreidimensionale Informationen für Anwendungen im Bereich Navigation liefern und auch unter sich ändernden Lichtverhältnissen gute Ergebnisse erzielen. Bei der Stereobildverarbeitung werden zwei oder mehr Kameras, die versetzt voneinander und dennoch auf das gleiche Objekt gerichtet sind, eingesetzt. Durch Vergleichen der gemachten Bilder können Disparität und Tiefeninformationen kalkuliert werden. So erhält man präzise 3D-Informationen.

Embedded Vision und FPGAs
Obwohl geeignete Algorithmen für Anwendungen wie 3D-Bildverarbeitung mit Robotern aufgrund der erhöhten Leistung von Prozessoren verfügbar sind, werden viele Anwendungsbereiche, die zusätzliche Leistung erfordern, nach wie vor nicht ausgeschöpft. In der Medizintechnik beispielsweise werden Bildführungstechnologien immer stärker in die robotergestützte Chirurgie und Lasersteuerungen integriert. Für diese Art von Embedded-Bildverarbeitungsanwendungen sind FPGAs (Field Programmable Gate Arrays) für die Bildvorbereitung oder den Einsatz der Bildinformationen als Feedback in Steuer- und Regelanwendungen auf dem Vormarsch. Neben der präzisen Synchronisation der Bildverarbeitungsdaten mit einem Motorsteuerungs- oder Robotersystem eignen sich FPGAs hervorragend für hochdeterministische und parallele Bildverarbeitungsalgorithmen. Diese Technologie wird z. B. während Laseroperationen am Auge in die Praxis umgesetzt. Hierbei werden geringste Bewegungen in den Augen des Patienten mit der Kamera erkannt und als Feedback verwendet, um das System bei hoher Geschwindigkeit automatisch zu fokussieren.
Die schnellere Verbreitung von Bildverarbeitung in zahlreichen Geräten bedeutet auch, dass viele Systementwickler zum ersten Mal mit Embedded-Bildverarbeitungstechnologien arbeiten, was eine große Herausforderung darstellt. Für Entwickler, aber auch andere, die an Bildverarbeitungstechnologien interessiert sind, stehen wertvolle Informationsquellen zur Verfügung. Die Embedded Vision Alliance (EVA) ist eine dieser Quellen - eine Partnerschaft führender Technologieanbieter mit Sachkompetenz in Embedded-Bildverarbeitungstechnologie. Die EVA unterstützt Systementwickler mit einer Reihe kostenloser Ressourcen, z. B. technische Artikel, Diskussionsforen, Online-Seminare und Veranstaltungen vor Ort.