Verbessern Sie die Sicherheit und Produktivität in Ihrer Fabrik, indem Sie industrielle Systeme schnell um maschinelle Bilderfassung erweitern

Konstrukteure von Maschinen in der Industrieautomation müssen oft eine Form der maschinellen Bilderfassung implementieren, um die Entfernung zu allen Objekten in einem bestimmten Sichtfeld zu bestimmen. Die Gründe für die Implementierung dieser Form der maschinellen Bilderfassung für die Entfernungsmessung können vielfältig sein. Dazu gehören die Erfassung der allgemeinen Umgebung auf Veränderungen oder Eingriffe, die Entfernungsmessung von Objekten in einer Produktionslinie oder der allgemeine Schutz des Bedieners oder Roboters vor Gefahren. Insbesondere Fahrzeuge in Industriehallen setzen die maschinelle Bilderfassung für automatisiertes Fahren, die Lokalisierung und Identifizierung von Objekten sowie die Erkennung und Vermeidung von Hindernissen ein.

Die gebräuchlichste Methode der maschinellen Bilderfassung in Innenräumen zur Erkennung von Objektentfernungen ist LiDAR (Light Detection And Ranging), bei der Laserlicht zur Messung der Entfernung zwischen Objekten verwendet wird. LiDAR misst die Rücklaufzeit und Wellenlänge des reflektierten Laserlichts, um die Entfernung von jedem Punkt zu bestimmen. LiDAR-Algorithmen für die maschinelle Bilderfassung sind jedoch sehr komplex und erfordern eine steile Lernkurve, so dass Experten für die maschinelle Bilderfassung die Anwendung codieren müssen.

Dieser Artikel zeigt Entwicklern, wie eine einsatzbereite LiDAR-Kamera von Intel für diese Anwendungen verwendet werden kann, um die Entfernung von Objekten im Sichtfeld zu erkennen. Es löst das Problem, neue oder bestehende Systeme schnell um maschinelle Bilderfassung zu erweitern, ohne die Komplexität der Bildverarbeitungstechnologie und -algorithmen erlernen zu müssen. Anschließend wird gezeigt, wie die LiDAR-Kamera von Intel mit einem Einplatinencomputer (SBC) von UDOO über eine Hochgeschwindigkeits-USB-3.1-Verbindung gekoppelt werden kann.

Maschinelle Bilderfassung in industriellen Automatisierungsumgebungen in Innenräumen

Die Innenräume der Industrieautomation werden immer dynamischer, da immer mehr Geräte auf dem Boden stehen und zusätzliche Bediener und Verbrauchsmaterialien eingesetzt werden. Alle Maschinen, Sensoren und der erhöhte Automatisierungsgrad sollen die Effizienz steigern und gleichzeitig die Sicherheit der Bediener gewährleisten.

In vielen Fällen sind die zusätzlichen Sensoren dazu gedacht, Objekte, einschließlich Personen, in einem Zielgebiet zu erkennen. Ein Objekt auf einer Produktionslinie kann auf viele Arten erkannt werden, einschließlich eines einfachen Lichtsensors, der eine Änderung des Umgebungslichts aufgrund eines vorbeilaufenden Objekts erkennt, eines mechanischen Schalters, der durch das Gewicht des Objekts niedergedrückt wird, oder eines Lichtstrahls über eine Produktionslinie, der unterbrochen wird, wenn ein Produkt vorbeiläuft. Während diese Methoden für die einfache Objekterkennung geeignet sind, hat die zunehmende Verfeinerung der Automatisierung eine komplexere visuelle Erkennung ähnlich dem menschlichen Auge erforderlich gemacht.

Die maschinelle Bilderfassung ist in etwa vergleichbar mit dem Hinzufügen von Sehvermögen zu Maschinen, um verschiedene Farben zu erkennen, Objekte voneinander zu unterscheiden und viele Arten von Bewegungen zu erkennen. Eine gängige und sehr praktische Art der maschinellen Bilderfassung besteht jedoch darin, die Entfernung aller Objekte in einem Sichtfeld zu erfassen.

Es gibt zwei gängige Methoden zur Durchführung der Abstandserkennung für mehrere Objekte. Das erste ist das Radar, das für eine Umgebung in Innenräumen die unmittelbare Sorge bereitet, dass Menschen ständig Hochfrequenzsignalen ausgesetzt sind, die gefährlich sein könnten. In Außenbereichen prallen die Radarsignale von Objekten ab, bevor sie sich harmlos in die Umgebung zerstreuen. Wenn Radar in Innenräumen eingesetzt wird, prallt das Signal wiederholt von mehreren Objekten ab, was zu intensiven elektromagnetischen Interferenzen (EMI) führt. Längere Exposition kann langfristig negative gesundheitliche Auswirkungen auf den Menschen haben.

Die zweite gebräuchliche Methode zur Durchführung der Abstandserfassung mehrerer Objekte in einem Sichtfeld ist die Laserlicht-Entfernungsmessung, auch als LiDAR bezeichnet. Ein oder mehrere Laserlichtstrahlen werden auf die Objekte gerichtet, deren Abstand gemessen werden soll. Die Zeit, die der Laserstrahl benötigt, um zu einem Rezeptor an seinem Ursprungspunkt zurück zu reflektieren, wird zusammen mit einer eventuellen Phasenverschiebung des Strahls mit der Zeit und Phase des emittierten Lasers verglichen. Ein Algorithmus berechnet die Entfernung zu den Objekten auf der Grundlage der Zeit- und Phasendifferenz und rechnet sie in Zentimeter oder Zoll um.

Die Berechnung der Zeit- und Phasendifferenz für einen einzelnen Laserstrahl zur Erkennung eines Objekts ist ziemlich einfach. Eine komplexere maschinelle Bilderfassung würde jedoch die Berechnung der Entfernung von Dutzenden von Objekten in einem Sichtfeld erfordern. Die Kombination dieser Berechnungen zur Erstellung einer visuellen Karte der Entfernungen ist nicht trivial und kann viel Entwicklungszeit in Anspruch nehmen.

Maschinelle Bilderfassung mit Entfernungserkennung

Eine praktische Lösung für eine maschinelle Bilderfassungsanwendung, die schnell in Betrieb genommen werden kann, ist die RealSense 82638L515G1PRQ von Intel, eine hochauflösende L515-LiDAR-Tiefenkamera (Abbildung 1). Die Kamera hat einen Durchmesser von 61 Millimetern (mm) und eine Tiefe von 26 mm und enthält eine LiDAR-Bildtiefeneinheit, eine Rot-, Grün-, Blau- (RGB) Kamera und eine Trägheitsmesseinheit (IMU). Die LiDAR-Kamera kann eine Bitmap mit 1024 x 768 oder 1920 x 1080 Pixeln zurückgeben, wobei jedes Pixel die Entfernung dieses Objektpunktes von der Kamera darstellt.

Abbildung 1: Die RealSense L515 von Intel ist eine eigenständige, hochauflösende LiDAR-Kamera, die auch über eine RGB-Kamera und eine Trägheitsmesseinheit verfügt. Sie lässt sich einfach über USB 3.1 an einen unterstützenden Computer anschließen. (Bildquelle: Intel)

Die L515-LiDAR-Kamera von Intel liefert eine Bitmap des Bereichs in ihrem Sichtfeld. Anstatt jedoch ein typisches fotografisches Bild des Bereichs zurückzugeben, gibt die LiDAR-Kamera ein Bild zurück, bei dem der RGB-Wert jedes Pixels den Abstand jedes Pixels von der L515-Kamera von Intel darstellt. Die Kamera hat eine Auflösung von 0,25 bis 9 Metern. Sie enthält zudem eine Standard-RGB-Bildkamera mit 2 Megapixeln (MP), die während der Entwicklung nützlich ist. Sie wird für Innenbeleuchtungssituationen empfohlen, da sie nicht für den Betrieb bei viel Sonnenlicht konzipiert wurde.

Ein Beispielbild von der Intel L515 ist in Abbildung 2 dargestellt. Das Kamerabild ist auf eine Pflanze im Vordergrund zentriert und ist in zwei Abschnitte unterteilt. Die linke Seite zeigt ein reguläres RGB-Kamerabild der Pflanze und des Hintergrunds in natürlichen Farben. Die rechte Seite ist eine visuelle Darstellung der Entfernung, die jedes Objekt von der Kamera hat. Die Pflanze im Vordergrund zeigt sich in Blautönen, während die Wand im Hintergrund ein helles Orange zeigt. Auf der rechten Seite ist die Wand weiter von der Kameramitte entfernt, so dass das Bild in tiefere Rottöne übergeht.

Abbildung 2: Die Intel-L515-LiDAR-Kamera liefert sowohl ein RGB-Bild (links) als auch eine Bitmap (rechts), die den Abstand eines Objekts von der Kamera darstellt. Objekte näher an der Kamera erscheinen blau, während weiter entfernte tiefrot erscheinen. (Bildquelle: Intel)

Anhand dieser Informationen kann die Software die Bilddaten verarbeiten, um den Abstand zwischen Objekten und der Kamera zu bestimmen.

Mit ihrer kompakten Größe und dem hohen Integrationsgrad eignet sich die Intel-L515-LiDAR-Kamera für industrielle Automatisierungsanwendungen im Innenbereich, bei denen die Tiefenmessung durch maschinelle Bilderfassung schnell in neue oder bestehende Systeme implementiert werden muss. Für mobile Systeme enthält die Intel L515 eine Trägheitsmesseinheit, die eine Beschleunigung von ±4 g erfassen kann, sowie ein Gyroskop, das eine Rotation von bis zu ±1000˚ pro Sekunde (˚/s) erfassen kann. Dies ist für die meisten Innenfahrzeuge oder Roboter geeignet, die in industriellen Automatisierungsanlagen eingesetzt werden. Bei der Codierung der Firmware für die Trägheitsmesseinheit ist Vorsicht geboten, da ein Fahrzeug oder Roboter, der auf ein Hindernis trifft, vorübergehend mehr als 4 gs sehen kann, eine Ausnahme, die berücksichtigt werden muss.

Maschinelle Bilderfassung in einem kompletten System

Die Intel L515 kann über eine Hochgeschwindigkeits-USB3.1-Schnittstelle an einen PC oder Einplatinencomputer (SBC) angeschlossen werden. Das Kameragehäuse verfügt über einen USB-Typ-C®-Anschluss, so dass zur einfachen Integration Standardkabel mit Typ-C-Steckern verwendet werden können. Da die maschinelle Bilderfassung in der industriellen Bildverarbeitung CPU-intensiv sein kann, ist es empfehlenswert, über Computer mit hoher Leistung zu verfügen, damit Bilddatensätze bei Bedarf in Echtzeit verarbeitet werden können. Der KTMX-UDOOBL-V8G.00 Bolt V8 ist ein Hochleistungs-Einplatinencomputer von UDOO, der auf einem Vierkernprozessor mit 2,0 Gigahertz (GHz) (mit 3,6 GHz Boost) basiert und von bis zu 32 Gigabyte (Gbytes) DRAM unterstützt wird. Als Programmspeicher kann er ein M.2-SSD-Laufwerk (Halbleiterfestplatte) verwenden und unterstützt auch eine Standard-SATA-3-Festplattenschnittstelle.

Abbildung 3: Der Bolt V8 von UDOO ist ein leistungsfähiger Einplatinencomputer mit einem Vierkernprozessor, der mit bis zu 3,6 GHz arbeitet. Er unterstützt M.2- und SATA-3-Schnittstellen für externe Laufwerke, bietet Platz für bis zu 32 GByte DRAM und verfügt über einen USB3.1-Typ-C-Anschluss für den Anschluss an die RealSense-L515-LiDAR-Kamera von Intel. (Bildquelle: ODOO)

Der Bolt V8 von UDOO verfügt über zwei HDMI-1.4-Videoschnittstellen zum Anschluss an einen Monitor. Für die Vernetzung kann er über einen integrierten RJ-45-Stecker über kabelgebundenes Gigabit-Ethernet an ein Fabriknetzwerk angeschlossen werden. Wi-Fi und Bluetooth werden ebenfalls unterstützt. Stereo-Audio wird über einen 3,5mm-Standardstecker unterstützt. Auf dem Einplatinencomputer wird jedes x86-kompatible 64-Bit-Betriebssystem einschließlich Microsoft Windows und jede 64-Bit-Linux-Distribution laufen. Dieser leistungsstarke Einplatinencomputer benötigt ein 19 Volt, 65 Watt Netzteil, um eine Leistung von 2 GHz zu unterstützen.

Für Algorithmen zur maschinellen Bilderfassung verfügt der Bolt V8 von UDOO über viel Rechenleistung. Er kann Daten vom RealSense L515 von Intel über eine Hochgeschwindigkeits-USB3.1-Typ-C-Schnittstelle aufnehmen und bei Bedarf das Bild auf einem Monitor anzeigen, der an eine der HDMI-Schnittstellen angeschlossen ist. Akustische Alarme oder Warnungen können über Lautsprecher ausgegeben werden, die an eine der Audioausgangsbuchsen angeschlossen sind.

Fazit

Die maschinelle Bilderfassung mit Tiefenmessung ist ein sich rasch ausdehnender Bereich, der komplexe Codes und Hardware erfordern kann, wenn er von Grund auf neu aufgebaut wird. Die Integration eines maschinellen Bilderfassungssystems mit fertigen Lösungen, die die Tiefenberechnungen in vorprogrammierter Firmware durchführen, spart Zeit und Geld. Das Ergebnis ist ein leistungsstarkes maschinelles Bilderfassungssystem, das in einer industriellen Automatisierungsumgebung schnell und zuverlässig eingesetzt werden kann.