3D-Distanzmessung
Time-of-Flight-Verfahren ist einsatzreif
Pixelorientierte Time-of-Flight- Sensoren verlassen die Laboratorien und treten in Konkurrenz zu klassischen 3D-Systemen bei Distanzmessungen. Zeit für eine Analyse der Einsatzpotenziale des Sensor-Prinzips wie auch seiner Grenzen.
Klassische Bildsensoren liefern Signale beziehungsweise Bilder, die proportional zur Lichtintensität der betrachteten Szene sind. Bei Time-of-Flight-Sensoren (ToF), die nach dem Prinzip der Lichtlaufzeitmessung arbeiten, ist der Signalwert eines einzelnen Pixels dagegen proportional zur Entfernung des abgebildeten Punktes in der Szene. Diese Eigenschaft lässt sich bei einer Vielzahl von Anwendungen in der Automation und Logistik sinnvoll nutzen.
Das Funktionsprinzip der Time-of-Flight-Sensoren: Die Distanzberechnung erfolgt pixelweise durch Korrelation des Referenzsignals mit dem empfangenen Licht.
ToF-Sensoren emittieren einen diffusen Lichtkegel mit modulierter Intensität, beispielsweise in Form einer Sinuskurve, deren Frequenz mehrere Megahertz beträgt. Die Wellenlänge des ausgesendeten Lichts liegt vorzugsweise im unsichtbaren nahen Infrarotbereich mit Wellenlängen zwischen 750 und 1000 nm. Das von der betrachteten Szene reflektierte Signal wird von einem Detektor empfangen, der in seiner Struktur einem konventionellen Bildsensor ähnelt. Durch eine Korrelation des emittierten und empfangenen Lichtsignals lässt sich die Phasenverschiebung ermitteln, die direkt proportional zur Entfernung ist.
Hierzu wandelt der photosensitive Bereich des Detektors die empfangenen Photonen (Lichtteilchen) in Elektronen um und speichert diese phasenabhängig in unterschiedlichen Ladungstöpfen, den so genannten Taps. Anhand der Verhältnisse der einzelnen Tap-Werte wird anschließend die Entfernung über eine einfache Formel berechnet. Somit liefert jeder Pixel eines ToF-Sensors bereits eine Tiefen- oder Entfernungsinformation der betrachteten Szene. Da vorrangig eine Distanzmessung und keine Farb- beziehungsweise Intensitätsmessung erfolgt, spricht man nicht von einem Bildsensor (Kamera), sondern von einem 3D-ToF-Sensor.
Konkurrenz für zwei Technologien
Die ermittelten 3D-Information einer Szene sowie die Ausgabe der Messgüte eines jeden Pixels werden in Form eines Amplituden-Bildes ausgegeben. Die Farbcodierung ist ein Maß für die Entfernung.
Aktuell dominieren Laserscanner- und Stereo-Kamerasysteme die 3D-Sensorik. Die beiden Klassiker stehen somit in direkter Konkurrenz zur 3D-ToF-Sensorik. Scannende Verfahren verursachen bei der Messung von bewegten Objekten so genannte Bewegungs-Artefakte, da aus einer Vielzahl von zeitlich aufeinander folgenden Einzelmessungen eine finale „Distanzkarte" zusammengesetzt wird. Dies kann bei schnell bewegten Objekten zu Fehlern bei der Positionsbestimmung oder in der Muster-Erkennung führen. Gleiches gilt, wenn der Sensor selbst bewegt wird, beispielsweise bei fahrerlosen Transportsystemen. Ein Extrembeispiel: Bewegt sich ein Objekt durch eine Szene schneller als der Taststrahl des Lasersensors, wird der Gegenstand überhaupt nicht wahrgenommen - unabhängig von seiner Größe.
Ein 3D-ToF-Sensor erfasst dagegen bereits durch eine einzige Messung den gesamten Raum, der durch die Optik des Sensors abgebildet wird. Dies ist ver gleichbar, wenn auch nicht identisch, mit dem Objektiv einer herkömmlichen 2D-Kamera.
Bei Stereo-Kamerasystemen werden zwei Kamerabilder analysiert, um mittels Triangulation der markanten Bildbereiche Informationen über die räumlichen Dimensionen der Szene zu gewinnen. Hierzu sind jedoch eine exakte Kalibrierung und Montage der beiden Kamerasysteme notwendig. Hinzu kommt die rechenintensive Erstellung der Tiefenkarte.
Dieser Aufwand entfällt bei ToF-Sensoren komplett, da sie nur eine Optik benötigen und die eigentlichen Distanzdaten ohne ressourcenintensive Berechnung liefern. Außerdem ist die Lichtlaufzeitmessung im Gegensatz zu Stereo-Kamerasystemen nahezu unabhängig von Umgebungslichtschwankungen und der Textur (optisch wirksame Muster und Strukturen von Oberflächen) einer Szene.
Limitationen bestehen hauptsächlich in der realisierbaren Reichweite (maximale als auch minimale Messdistanz), der geforderten Messgenauigkeit und - wie bei allen optischen Sensoren - in der möglichen Beeinträchtigung durch Verschmutzung. Da der Sensor im Gegensatz zu klassischen bildverarbeitenden Systemen ausschließlich das ausgesandte modulierte Licht nutzt, ist zur Distanzmessung eine vergleichsweise hohe Lichtleistung notwendig. Abhängig vom Wirkungsgrad der Beleuchtungseinheit, der Bildrate und der Messdistanz resultiert daraus eine nicht vernachlässigbare Wärme-Entwicklung.
Der Aufbau von ToF-Sensoren
Wie bei herkömmlichen 2D-Bildsensoren (Kameras) unterscheiden sich ToF-Sensoren hinsichtlich ihres Aufbaus. Das offensichtlichste Unterscheidungsmerkmal ist die Pixelzahl. Die Bandbreite reicht von Sensoren mit lediglich einem Pixel Auflösung, über 64 × 48 Pixel bis hin zu 204 × 204 Pixel. Weitere Unterschiede sind die Anzahl der Taps pro Pixel, die Pixelgröße, der Füllfaktor und die Quanten-Effizienz in bestimmten Spektralbereichen des Lichts.
Die Anzahl der Taps pro Pixel definiert, wie viele Messpunkte der ausgesandten Lichtwelle pro Aufnahme erfasst werden können. Zur Distanzmessung mittels Phasendifferenz muss die Amplitude des empfangenen Lichts in jedem Pixel meist viermal gemessen werden. Die Messzeitpunkte liegen - bezogen auf das emittierte Lichtsignal - bei 0°, 90°, 180° und 270°. Ein ToF-Sensor mit 1-Tap-Pixel benötigt daher insgesamt vier Aufnahmen, um den Abstand zwischen Pixel und Objekt zu berechnen. Ein 4-Tap-Pixel kann die Distanzen der gesamten Szene dagegen mit einer einzigen Aufnahme ermitteln. Dies minimiert potenzielle Messfehler, hervorgerufen durch Bewegungs-Artefakte wie sie bei Laserscannern vorkommen.Am Markt gibt es Sensoren mit 1-, 2- und 4-Tap-Pixel.
Weitere Unterscheidungsmerkmale sind die Bildwiederholrate, die optische Dynamik des Sensors, die Umgebungslichtunterdrückung sowie der Grad der Systemintegration. Letzterer drückt aus, wie viele Komponenten neben dem eigentlichen ToF-Sensor noch implementiert werden müssen. Zu solchen Peripherie- Komponenten zählen beispielsweise externe AD-Wandler oder die notwendige Signalvorverarbeitung mittels DSP, ASIC oder FPGA. Dieser Integrationsgrad wirkt sich auf den Systempreis, die Systemgröße und dessen EMV-Charakteristik aus.
Die Korrelation zwischen emittiertem und empfangenem Licht beeinflusst maßgeblich die Messgenauigkeit des Sensors. Aus diesem Grund sind der Grad der Umgebungslichtunterdrückung und die Kompensation von Distanzverschiebungen aufgrund von Temperaturschwankungen und Alterung äußerst wichtig. Gängige Strategien sind eine direkte optische Rückkoppelung zwischen Sensor und Beleuchtung oder eine rechnergestützte Kompensation mittels Lookup- Table (LUT). Bei der optischen Rückkoppelung wird ein dedizierter Bereich des ToF-Sensors genutzt, um die tatsächliche Phase des emittierten Lichts direkt auf dem Sensor zu messen. Dies kann eine Referenzzeile sein, die durch einen Lichtleiter direkt mit der Beleuchtungseinheit (LED, Laserdioden) verbunden ist. Anhand des Referenzlichts lässt sich die Drift der Reaktionszeit einer Beleuchtungseinheit exakt kompensieren: LEDs reagieren bei niedrigen Temperaturen „träge" auf Stromänderungen und emittieren die erzeugten Photonen etwas später.
Diese temperaturabhängige Drift muss bei ToF-Sensoren kompensiert werden. Ebenso entfällt durch die Rückkopplung über die Referenzzeile die Kalibrierung des Sensors, um die Fertigungstoleranzen der Optik auszugleichen. Allerdings ist die Montage der Beleuchtungseinheit in unmittelbarer Nähe zum Sensor notwendig, da lange Lichtleiter die Systemkosten unnötig erhöhen. Lassen die Applikationsbedingungen dies nicht zu, muss die Kompensation rechnerisch erfolgen. Dazu wird vereinfacht ausgedrückt das geringfügig zeitversetzte elektrische Steuersignal der Beleuchtungseinheit statt des optischen Signals genutzt. Der Nachteil: Für die Kompensation sind eine hohe Rechenleistung und einige Megabyte Arbeitsspeicher erforderlich.
Typische Anwendungsfelder
ToF-Senoren im Einsatz: Die Steuerung fahrerloser Transportsysteme. Die Gabelaufnahmen der Palette ...
Typische Anwendungsfelder sind die Gestik-Erkennung, Mensch-Maschine-Interaktionen, Personenzählung, Gesichtserkennung sowie die Sicherheits- und Überwachungstechnik. Hinzu kommen Positionsmessungen, Muster- und Formvergleiche, Objekt-Lokalisierung und -Verfolgung, die Füllstandkontrolle sowie die Navigation autonomer Transportsysteme. Ein bereits realisiertes Projekt ist die automatisierte Aufnahme von Ladungsträgern, bei dem ein Fahrerloses Transportsystem (FTS) Waren automatisiert ein- und auslagert. Problematisch sind der Mischbetrieb von einem FTS und einer manuellen Einund Auslagerung sowie die Warenübergabe bei einer LKWund Bahn-Beladung.
Hier ist die Position eines Ladungsträgers (zum Beispiel Euro-Paletten) nur theoretisch bekannt. Um auch unter diesen Bedingungen ein automatisches Transportsystem nutzen zu können, hat die Firma Inosens im Auftrag der Firma E&K Automation ein System entwickelt, das auf Basis eines 3D-ToF-Sensors Ladungsträger millimetergenau im Raum detektiert und klassifiziert. Die aktuelle Position der Ladung wird mittels CAN- oder Ethernet-Schnittstelle zur FTS-Steuerung übertragen.
... sind auch im ToF-Bild zu erkennen - ein Besipiel für die Erkennung und Klassifizierung von Ladungsträgern.
Insbesondere die direkte Messung von Distanzen während der Fahrt und die Umgebungslicht-Unempfindlichkeit sind die Vorteile gegenüber einer herkömmlichen 2D-Kamera und vereinfachen die Vordergrund-Segmentierung bei Muster-Erkennungsaufgaben. Die Besonderheiten der Applikation liegen im weiten Erfassungsbereich zwischen 0,3 und 3,0 m sowie der optischen Dynamik der aufgenommenen Szenen.
Ein Beispiel hierfür ist die Einlagerung von Autoreifen mit einer geringen Reflektanz in ein verzinktes Regalsystem, das Licht wiederum stark reflektiert (hohe Reflektanz). Diese Anforderungen wurden mit Hilfe der 3D-ToF-Bibliothek (C/C++) von Inosens realisiert, die mit einer auf ToF-Sensoren mehrerer Hersteller optimierten Sensorsteuerung, Bildvorverarbeitung, Visualisierung und Muster-Erkennung eine schnelle Entwicklung von Applikationen ermöglicht.
Eine weitere Anwendung ist der automatisierte Check-In von Gepäckstücken an Flughäfen. Die Firma IEE in Luxemburg hat solch ein System zur Vermessung von Objekten auf dem Förderband und eine darauf basierende Klassifikation der Gepäckstücke realisiert. Zur Erhöhung der Sicherheit der automatisierten Gepäckannahme wird über eine zusätzliche Muster- Erkennung kontrolliert, ob sich Tiere oder Personen auf dem Förderband befinden.
Autoren: Steffen Klein ist Geschäftsführer der Firma Inosens in Dahlenburg.
Dr. Carsten Koch ist Professor an der Fachhochschule Oldenburg/ Ostfriesland/Wilhelmshaven in Emden.
















