Bildverarbeitung
Computerbasiertes Sehen für Robotiksysteme
Computerbasiertes Sehen ist für Robotiksysteme zunehmend wichtig. Wie aber lassen sich harte Echtzeit-Anwendungen und Time-Sensitive Networking mit Vision-Systemen und Künstlicher Intelligenz (KI) zusammenbringen?
Das computerbasierte Sehen ist ein rasant wachsender Markt mit dem Potenzial, verschiedenste Anwendungen wie fortschrittliche Fahrerassistenzsysteme, medizinische Bildgebung, Präzisionslandwirtschaft, Einzelhandel, Werbung, Medien, Sicherheit und Überwachung, unbemannte Luftfahrzeuge (UAV – Unmanned Aerial Vehicle) sowie auch die Robotik zu revolutionieren. Die steigende Nachfrage nach Computer-Vision-Systemen für neue Anwendungsfelder in Kombination mit Künstlicher Intelligenz ist dabei einer der wesentlichen treibenden Faktoren. So wird erwartet, dass KI im Computer-Vision-Markt derzeit eine CAGR von satten +47 % hinlegen wird, während der Gesamtmarkt des maschinellen Sehens bis 2025 ‚nur‘ um rund 8,5 % wachsen soll. Größter Wachstumstreiber sind dabei laut Researchstore.biz vor allem die steigenden Anforderungen an die Qualitätsprüfung und Automatisierung, die Weiterentwicklung von Vision-gesteuerten Robotersystemen, die zunehmende Ak-zeptanz von 3D-Systemen für maschinelles Sehen sowie die steigende Nachfrage nach anwendungsspezifischen Bildverarbeitungssystemen, die neben der automatischen Bild-Erfassung auch individuelle Auswertungs- und Verarbeitungsfunktionen bieten sollen.
Neue Herausforderungen
Anbieter von Robotik- und Steuerungslösungen, die ihre neuen Applikationen mit maschinellem Sehen und KI-Algorithmen umsetzen wollen, stehen dabei vor großen Herausforderungen. Sie müssen in einem hoch dynamischen Umfeld neueste Technologietrends adaptieren und gewinnbringend in ihre Applikationen integrieren. Ein Problem stellt hierbei häufig das Generieren der erforderlichen Vielzahl an kontinuierlichen Daten dar, um den KI-Algorithmus ausreichend zu trainieren. Gleichzeitig müssen dabei aber auch alle Ausnahmen berücksichtigt werden, die beispielsweise aus der Interaktion mit Menschen entstehen können. Zudem sind Aufgabenstellungen zu lösen, wie etwa die Industrie-4.0-Anbindung der Systeme – die hierfür umfassend geschützt werden müssen, was wiederum erhöhte Aufmerksamkeit erfordert, da die Vernetzung auch immer eine Gefahr von Angriffen bietet. Rund um das Thema Predictive Maintenance entstehen mit öffentlichen LPWAN-Technologien wie Sigfox und NB-IoT außerdem neue Strategien für das Sammeln relevanter Meldewerte, sodass sich eine Vielzahl dringender Aufgaben stellt, mit denen sich OEMs vom Wettbewerb differenzieren können und müssen, um mit der allgemeinen Entwicklung Schritt halten zu können.
Technologiepartner gesucht
Die KI-basierte Vision-Plattform für Echtzeit-Robotics von Intel, Congatec und Real-Time Systems führt heterogene Teillösungen auf einer homogenen Lösungsplattform zusammen und trägt so zur Workload-Konsolidierung bei.
© CongatecOEMs suchen deshalb in diesem hoch dynamischen Umfeld nach zuverlässigen, in einem zunehmend unsicheren internationalen Umfeld idealerweise auch deutschen Technologiepartnern für ihr Embedded-Vision-Computing-Ökosystem als Fundament für ihre neuen Lösungen. Anbieter wie Congatec und Real-Time Systems haben hierzu in Zusammenarbeit mit Intel eine Lösungsplattform für Vision, KI und Echtzeit-Steuerungen entwickelt. Mit ihrem schnellen, deterministischen Verhalten auf bis zu sechs Cores kann die in-dustrielle Applikations-Serverplattform auf Basis von COM-Express-Type-6-Modulen mit Intel-Xeon-E2-Prozessor mehrere Echtzeit- und Nicht-Echtzeit-Tasks übernehmen. Die applikationsfertige, multitaskingfähige industrielle Steuerungsplattform nutzt den Echtzeit-Hypervisor von Real-Time Systems, über den sich mehrere Betriebssysteme parallel und völlig unabhängig voneinander auf einem Prozessor betreiben lassen und seine Reaktionszeit nicht beeinträchtigen. Sie ist ausgelegt auf die kommenden Generationen Vision-basierter, kollaborativer Roboter und Automatisierungssteuerungen, die mehrere Tasks parallel bewältigen müssen – einschließlich ‚Situational Awareness‘ mittels Deep-Learning-basierter KI-Algorithmen.
Workload-Konsolidierung inklusive
Smarte Embedded-Vision-Plattformen mit KI-basierter ‚Situational Awareness‘ werden aus vielen kleinen Funktionsbausteinen zusammengesetzt, deren Zusammenspiel validiert sein muss.
© CongatecDas Ziel dieser Plattform ist vor allem die Zusammenführung einzelner Teillösungen hin zu einer homogenen Lösungsplattform sowie daneben eine Workload-Konsolidierung. Bisher separate Systeme zum Beispiel für Vision, KI oder IoT-Gateways können nämlich problemlos zusammen mit harten Echtzeit-Anwendungen und Time-Sensitive Networking (TSN) auf einer Hardware konsolidiert werden. Kunden sparen sich so die Entwicklung und Pflege unterschiedlicher Embedded-Systeme für die einzelnen Aufgaben, was enorme Kostenvorteile bietet. Um solch heterogene Systeme entwickeln zu können, benötigen OEMs vor allem einen leistungsfähigen Echtzeit-Hypervisor sowie die zur Applikation passende Multi-Core-Embedded-Serverplattform, auf der sich so viele Cores befinden, wie sie für die konkreten, softwareseitig diskret zu haltenden Aufgabenstellungen gefordert sind.
Die von Intel, Congatec und Real-Time Systems anlässlich der Embedded World 2019 präsentierte industrietaugliche Lösungsplattform basiert beispielsweise auf COM-Express-Type-6-Modulen mit Intel-Xeon-E2-Prozessoren und integriert drei applikationsfertig vorkonfigurierte virtuelle Maschinen. Eine betreibt eine Vision-Kamera von Basler, bei der die Vision-basierte Objekt-Erkennung unter Linux über die ‚OpenVino‘-Software von Intel erfolgt. Die KI-Algorithmen werden auf einer Intel-‚Arria-10‘-FPGA-Karte von Refexces ausgeführt.
Die Intel-Distribution des ‚OpenVino‘-Toolkits basiert auf Convolutional Neural Networks und unterstützt die heterogene Ausführung von Deep-Learning-Inferenz-Algorithmen über CPUs, GPUs und FPGAs sowie den Intel Movidius Neural Compute Stick.
© CongatecDie unabhängigen Echtzeit-Partitionen betreiben Echtzeit-Linux, um jeweils ein inverses Pendel in Echtzeit in Balance zu halten, was die verteilten Fertigungsroboter symbolisierte. Besucher der Embedded World beispielsweise konnten versuchen, das Gleichgewicht dieser Pendel zu stören – das System reagierte sofort in Echtzeit und hielt die Pendel im Gleichgewicht.
Eine weitere Linux-Partition wurde dazu benutzt, ein Secure Gateway ‚onboard‘ zu betreiben. Die Vorteile dieser Secure-Gateway-Integration sind zum einen die Einsparung der Kosten und des Platzes für das externe Gateway. Zum anderen schützen sie den Anwender vor gefährlichen Backdoors eines externen Gateways, sodass man die Steuerung mit einer Vision-App be-denkenlos direkt als Edge-Device konzipieren kann.
Um die Unabhängigkeit der Anwendungen und ihr Echtzeit-Verhalten auf einer einzigen Serverplattform mit mehreren virtuellen Maschinen zu demonstrieren, konnte die Linux-Partition, auf der das Vision-System in der Demo betrieben wurde, neu gebootet werden, was keine Auswirkungen auf das virtualisierte Echtzeit-System zeigte. Grundsätzlich lassen sich selbstverständlich ebenso alle weiteren Betriebssysteme auf ihren jeweiligen virtuellen Maschinen unabhängig voneinander neu booten und per Watchdog auf korrekte Arbeit überprüfen.
Die Partner sind entscheidend
OEMs profitieren von solchen applikationsfertigen Lösungsplattformen von einem deutlich reduziertem Entwicklungsaufwand, da viele Funktionalitäten bereits erprobt und das Zusammenspiel der einzelnen Komponenten validiert wurden. Die Tatsache, dass Real-Time Systems auch ein Unternehmen von Congatec ist, erleichtert dabei ebenfalls die Skalierbarkeit der Lösung mit anderen Performance-Levels, denn die Tatsache, dass der ‚RTS-Hypervisor‘ alle gängigen x86-Plattformen unterstützt, bedeutet nicht, dass jede Plattform eines Embedded-Computing-Lieferanten im Einsatz zusammen mit dem Hypervisor validiert und getestet wurde. Gleiches gilt für Komponenten wie die Vision-Kameras. Aus diesem Grunde ist Congatec mit Basler eine Kooperation eingegangen, die darauf abzielt, Kunden aufeinander abgestimmte Komponenten für Embedded-Vision-Applikationen zu bieten.
Bedarfsgerecht ausgelegt
Congatec bietet diese einzelnen, aufeinander abgestimmten Komponenten bei Bedarf als fertig entwickelte, serienreife Lösungsplattform inklusive aller für die serienreife Auslieferung zum Endkunden hin erforderlichen Zertifizierungen an. Kunden profitieren so von einer vereinfachten Handhabung und beschleunigtem Design-In der Komponente ‚Embedded Vision Computer‘ sowie optimierten Service- und Supportbedingungen.
Autor:
Zeljko Loncaric ist Marketing Engineer bei Congatec in Deggendorf.
Das könnte Sie auch interessieren
Quo vadis Bildverarbeitung?
Innovationen in den Bereichen Künstliche Intelligenz und Embedded Vision sowie bei speziellen Prozessoren und Entwicklungsumgebungen für die Bildverarbeitung eröffnen der Technologie ein breiteres Spektrum. Ein Überblick.
mehr...Autonom dank Künstlicher Intelligenz
Maschinelle Bildverarbeitung zur zuverlässigen Qualitätssicherung per Plug & Play und ohne eine gehörige Portion Fachwissen – von dieser Idealvorstellung sind gängige Bildverarbeitungssysteme in der Regel weit entfernt. Ein deutsch-israelisches...
mehr...Lösungsansätze im direkten Vergleich
Das Thema Machine Learning wirft eine Reihe von Fragen auf: Welche Daten sollten mit welchen Methoden analysiert werden? Welche Rolle übernimmt der Nutzer im Datenanalyseprozess? Und wie sieht es mit Echtzeit-Fähigkeit, Erklärbarkeit und...
mehr...Der Nutzen Künstlicher Intelligenz für die Sensorik
Mit den Technologien und Verfahren des Deep Learning steht die industrielle Sensorik vor einem weitreichenden Funktionalitätssprung. Insbesondere bilderfassende Sensoren sind ein Feld mit großem Potenzial.
mehr...Welcher Greifer für welche Anwendung?
Fortschritte im Bereich des End-of-Arm-Tooling (EoAT) machen es möglich: Greifer und Sensoren werden zunehmend intelligent und lassen sich immer leichter bedienen. Somit erweitern sie das Einsatzspektrum kollaborierender Roboter und rentieren sich...
mehr...Künstliche Intelligenz erfordert Rechenpower
Durch die Integration von KI in industriellen Anwendungen steigt der Bedarf an Computing-Lösungen, die der Komplexität der gestellten Aufgaben gewachsen sind. Neben der CPU gewinnen auf KI-Algorithmen und große Datenmengen spezialisierte Prozessoren...
mehr...Mehr Usability durch KI?
Zeitweise benötigte Ressourcen flexibel und kostentransparent buchen – ein Versprechen, das die Cloud-Provider oft nicht halten: Die Angebote sind zwar umfassend und leistungsstark, aber ebenso unübersichtlich und preislich intransparent. Ein...
mehr...Einzug der KI in den Maschinenbau
Die Anzahl an realen KI-Projekten im Maschinen- und Anlagenbau ist noch sehr überschaubar. Mit einer neuen Generation an Ingenieuren und vor allem mit dem Markteintritt entsprechender Entwicklungswerkzeuge wird sich dies schon bald ändern.
mehr...Smarte Überwachung mit KI
Bildverarbeitungssysteme, die in Echtzeit auf Fehler reagieren, sind eine essentielle Komponente automatisierter Kontrollen. Welchen Beitrag kann die Künstliche Intelligenz dazu leisten?
mehr...