Visuelles KI-Assistenzsystem

Xesol Innovation hat sich auf 'künstliches Sehen' und Deep Learning spezialisiert. Das Unternehmen bietet Lösungen für sicheres Fahren und Verkehrssicherheit. Ein Beispiel ist 'Drivox Security', ein Sicherheitssystem für Industrie-Fahrzeuge. Framos liefert für dieses System industrietaugliche GigE-Tiefenkameras in Schutzart IP66.
 Kameratechnik von Framos sorgt für höhere Sicherheit bei industriellen Fahrzeugen.
Kameratechnik von Framos sorgt für höhere Sicherheit bei industriellen Fahrzeugen.Bild: Framos GmbH

Der Effizienzdruck in der Intralogistik ist hoch. Oft befinden sich in Lagerhallen zahlreiche Flurförderzeuge und Gabelstapler, die sich zwischen Arbeitern und Paletten schnell hin und her bewegen. Solche hochdynamischen Abläufe sind mit Gefahren und Risiken verbunden. Die Fahrer sind oft unerfahren und müssen unter großem Zeitdruck arbeiten. Laut Xesol Innovation, einem spanischen Unternehmen für Lösungen, die auf neuronalen Netzen und künstlicher Intelligenz basieren, gibt es jährlich 110.000 Unfälle mit Gabelstaplern. Sie verursachen neben Betriebsunterbrechungen auch Personenschäden; einige davon enden tödlich.

In erster Linie handelt es sich um Anfahrunfälle. Dies sind Unfälle, bei denen Beteiligte vom Stapler angefahren, gestreift oder eingequetscht werden. Obwohl gesetzlich nicht vorgeschrieben, wären viele Unfälle durch akustische Warnsignale beim Rückwärtsfahren vermeidbar. Im Rahmen einer Gefährdungsbeurteilung kann ermittelt werden, inwieweit eine Nachrüstung der Stapler notwendig und sinnvoll ist. Es sind verschiedene Maßnahmen zur Erkennung von Personen und Objekten denkbar, die zu einem akustischen Warnsignal führen können: vom Ultraschall-basierten System über Infrarottechnik und Sicherheits-Laserscannern bis hin zu kamerabasierten Lösungen.

Xesol Innovation hat sich mit dieser Problematik intensiv auseinandergesetzt und sich für ein 3D-Vision-System entschieden, da Ultraschall-Systeme eine schlechtere Auflösung bieten und die Unterscheidung von Menschen und Maschinen kaum ermöglichen. Laser-basierte Systeme wiederum sind anfällig für Interferenzen durch Reflektion und Tageslicht. Systeme, die auf 3D-Stereo basieren, hingegen gelten als robusteste Technologie sowohl für Innen als auch Außenbereiche. Sie können neben dem eigentlichen Tiefenbild auch RGB-Bilder für eine noch bessere Erkennungsleistung ausgeben.

Neue Lösung

Die aktuelle Lösung Drivox Security von Xesol Innovation besteht im Wesentlichen aus drei Komponenten: D435e Kameras von Framos, die für die dreidimensionale Wahrnehmung vorne und hinten am Fahrzeug angebracht sind, eine Mikroprozessor-Einheit für die KI-basierte Bildauswertung, sowie ein Display, das als Monitor für den Fahrer dient und die Berechnungsergebnisse visualisiert. Falls ein potenzielles Kollisionsrisiko besteht, warnt das System den Fahrer mit einem visuellen und akustischen Signal. Ein Hauptziel des Projekts bestand darin, die Zahl der Unfälle in Arbeitsumgebungen zu begrenzen, um Betriebsunterbrechungen aufgrund von Kollisionen zu vermeiden und vor allem das Leben der Arbeitnehmer zu schützen.

Framos liefert bei diesem Projekt die „Augen“ des Drivox Securitys. Der Anbieter von Bildverarbeitungsprodukten, Embedded-Vision-Technologien, kundenspezifischen Lösungen und OEM- Dienstleistungen hat – basierend auf der Intel RealSense Technologie – eine industrietaugliche GigE-Tiefenkamera entwickelt, die dem Fahrer den Blick in Bereiche eröffnet, die er ohne sie nicht immer hundertprozentig einsehen könnte. Framos gab auch Hilfestellung bei der Einbindung der Kameras in die komplette Sicherheitslösung. Die Tiefentechnologie und 3D-Bildgebung ist bei dieser Anwendung ganz entscheidend, denn Personen und Objekte müssen in den verschiedensten Abständen, Ausrichtungen und Umgebungssituationen zuverlässig erkannt und hinsichtlich einer Gefährdung beurteilt werden.

Xesol Innovation war einer der ersten Kunden, der die neue Kamera von Framos, die auf der Intel RealSense Technologie basiert, bereits im Beta-Stadium eingesetzt hat. Im Wesentlichen kam es Xesol Innovation auf die Gigabit-Ethernet-Schnittstelle und ein industrietaugliches Kameragehäuse an – dies sind genau die beiden Hauptmerkmale, die die Framos Lösung von der Standardausführung der Intel RealSense Kamera unterscheidet. Intel schlug Xesol Innovation vor, mit Framos in Kontakt zu treten, um die RealSense Kamera zu implementieren – es war der Startschuss für eine erfolgreiche Lösungsentwicklung.

Framos Tiefenkamera

Framos hat eine industrietaugliche 3D-Kameraversion entwickelt, die die Vorteile der Intel Technologie für industrielle Vision-Systeme in rauen Umgebungen nutzbar macht. Die 3D-Kamera arbeitet mit dem Intel RealSense SDK 2.0 zusammen und ist mit GigE Vision Softwareanwendungen kompatibel. Mit weiterführenden Bildanalyse oder KI-Funktionen lässt sich im Tiefenbild der Hintergrund ausblenden, es können weit entfernte Objekte verborgen oder Objekte mit einer Abstandsanzeige eingeblendet werden und dergleichen mehr. Die Tiefengenauigkeit hängt vom Abstand der Kamera zum Objekt, von der jeweiligen Szene und von den Lichtverhältnissen ab.

Die verwendeten RealSense Tiefenmodule sind ein sofort einsatzbereites 3D-System, das auf Stereoskopie basiert. Sie ermittelt den Abstand zu einem Objekt durch Berechnung der Disparitäten im Stereobild. Diese Technologie erfordert erheblich Rechenleistung, da für jedes Pixel der beiden Bilder die Disparität berechnet werden muss. Für diese Anwendung ist es ganz entscheidend, dass die Positionen der beiden Kameras und ihr Fokus stabil sind. Die RealSense Kameras sind deshalb vorkalibriert und exakt ausgerichtet. Der interne Intel Prozessor D4 in der Kamera übernimmt die Berechnungen, d.h. er kümmert sich um die „Verschmelzung“ der beiden Bilder. Hierfür wird in Echtzeit die Disparität und somit für jeden Pixel im Bild die zugehörige Tiefe berechnet, um Objekte und Personen zuverlässig zu erkennen.

Ein IR-Projektor in der Kamera gewährleistet, dass auch dann gute Bildergebnisse erzielt werden, wenn eine Szene kaum Struktur enthält, um die Disparität zu berechnen, z.B. bei einer ebenen Wand. Die zusätzliche Textur vom IR-Projektor (Texturgenerator) verbessert die Berechnungsergebnisse und sorgt dafür, dass eine Tiefenkarte auch bei gleichförmigen Strukturen erstellt werden kann.

Das Gehäuse der Framos Kamera ist mit Schutzart IP66 zum Schutz vor Wasser und Staub sowie mit vier M3-Bohrungen für die flexible Montage ausgestattet und verfügt über verriegelbare Anschlüsse für Gigabit-Ethernet (M12), Stromversorgung und GPIO (M8).

Ergebnis

Die Kamera ermöglicht in der Drivox Security Lösung von Xesol Innovation die vollständige Sicht auf Fußgänger und Objekte, die vom Gabelstapler 1 bis 8m weit entfernt sind. Dabei überträgt sie die Bilder der Umgebung im Livestream mit 30fps bei einer Auflösung von 1.280×720 Pixeln an das Display im Gabelstapler. Das in der Fahrerkabine installierte Display zeigt permanent die Bilder an, die von der im hinteren und vorderen Teil des Fahrzeugs installierten Kamera aufgenommen werden. Die KI-basierte Auswertung des Video-Streams erfolgt in der separaten Mikroprozessor-Einheit.

Seiten: 1 2Auf einer Seite lesen

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige