Das dreidimensionale maschinelle Sehen ist zugegeben nicht die simpelste Technologie zur Erkennung von Dingen. Da sie aber dem menschlichen Auge am nächsten kommt, ist 3D-Vision sehr vielfältig einsetzbar und wird zunehmend in Kombination mit maschinellem Lernen genutzt. Ein großes Einsatzfeld in der industriellen Fertigung findet sich in den Bereichen der Vision Guided Robotik sowie in Automated Guided Vehicles (AGV). In beiden Applikationsfeldern entstehen derzeit durch 3D-Vision ganz neue Lösungen für Industrie-4.0-Applikationen. 
Der 3D Machine Vision Market entwickelt sich derzeit sehr dynamisch, mit einer jährlichen Wachstumsrate von knapp 15 %. Als ein wichtiger Treiber wird unter anderem die alternde Weltbevölkerung angesehen. Dieser Aspekt hat zwei Dimensionen: Zum einen wird davon ausgegangen, dass die arbeitsfähige Bevölkerung abnimmt. Zum anderen steigt die Zahl der Pflegebedürftigen. In beiden Bereiche fehlen also Arbeitskräfte, die ein Mehr an Robotik erforderlich machen. Für die industrielle Fertigung werden deshalb Roboter zur effizienteren Produktion von Dingen aller Art entwickelt. Für das Gesundheitswesen Roboter zur Erleichterung der Pflege beziehungsweise zur Erhaltung der Autonomie und Mobilität. Vieles soll demzufolge erleichtert werden.

3D Vision mit großer Zukunft

Doch bevor tatsächlich eine Vielzahl zweibeiniger humanoider Roboter um 
uns herum arbeitet, ist noch einiges an Entwicklungsarbeit vonnöten. Die meisten Inspektionssysteme sind in der Regel beispielsweise noch statisch fest an einem Ort verankert. Im Bereich der Vision Guided Robotics herrscht zwar schon viel Bewegung, aber noch vergleichsweise wenig Mobilität, wobei sich auch dieser Markt höchst dynamisch entwickelt. Am Platz fest verbaute Roboter müssen jedoch vor allem erst mal ganz genau hinschauen, und das zunehmend in 3D. Die 3D-Kameratechnologie hilft ihnen, ein beliebiges Objekt aus allen drei Achsen (X-, Y- und Z-Achse) zu identifizieren, die Entfernung einzuschätzen und die sich daraus ergebende Aufgabe zu verstehen. Markttreiber des Wachstums der Branche sind derzeit vor allem die Anforderungen an eine erhöhte Flexibilität in der diskreten Fertigung, die aufgrund der Industrie-4.0-Trends hin zur Losgröße 1 eine zunehmend signifikante Rolle spielt.

Wichtige Partner von Vision-Guided-Robotik-Systemen sind Automated Guided Vehicles (AGV), etwa als zu und abführende Systeme der diskreten Fertigung, deren Bedarf ebenfalls dynamisch mit einer jährlichen Rate von 14,1 % bis 2027 stark wachsen soll. Solche AGV bewegen und transportieren Produkte in Fertigungsanlagen, Lagern und Distributionszentren, sodass keine oder kaum noch permanente Fördersysteme wie Band- oder Rollenförderer mehr erforderlich sind. Sie folgen konfigurierbaren Wegen zur Optimierung von Lager-, Kommissionier- und Transportfunktionen und sind vor allem auf Wegstrecken im Einsatz, die als zentrale Versorgungsadern der Fabriken nicht mit Förderbändern zugestellt werden dürfen. Sie können letztlich auch mit Vision Guided Robotics konvergieren, wenn sie zu fahrenden Pick-&-Place-Roboter weiterentwickelt werden.

Bei der Betrachtung sehr elaborierter mobiler Robotiksysteme ist zu erkennen, dass sie teils mit mehreren Subsystemen arbeiten. Es gibt beispielsweise mobile vierbeinige Roboter, die drei Computer-on-Modules nutzen, um sich erstens in der Umgebung zurechtzufinden, zweitens zu bewegen und drittens Tasks zu erfüllen. 

Modularität ist Trumpf

Zur Konsolidierung mehrerer Edge-Applikationen auf einem System unterstützen die Server-on-Modules Echtzeit-Hypervisor-Technologie von Real-Time Systems. Zur Konsolidierung mehrerer Edge-Applikationen auf einem System unterstützen die Server-on-Modules Echtzeit-Hypervisor-Technologie von Real-Time Systems.

© Congatec

Dieser Ansatz ist auch perfekt, weil er dem Hersteller ermöglicht, für jede dieser Aufgaben das Computer-on-Module bedarfsgerecht zu skalieren. Auch in Fertigungszellen ist es bislang üblich, dass jeder Roboter seine eigene Steuerung hat. Denkbar ist aber auch, dass die Robotersteuerungen einer Fertigungszelle alle auf einem System konsolidiert werden und diese beispielsweise über echtzeitfähiges Zweidraht-Ethernet mit den Aktuatoren/Frequenzumrichtern der Antriebe direkt kommuniziert. Eine solche Konsolidierung bedarf jedoch einer ausgereiften Plattformstrategie auf Basis deutlich leistungsfähigerer Module, die es bislang in industrietauglicher Auslegung nicht gab. Der oben genannte vierbeinige Roboter nutzt in der ersten Ausbaustufe übrigens zehn Prozessor Cores, um die benötigte Rechenleistung und Echtzeit-Fähigkeit sicherzustellen. Solche Prozessoren gibt es allerdings für besonders stromsparende mobile Embedded-Systeme noch nicht.

Multi-Purpose-Boost durch mehr Cores

Zeljko Loncaric ist Marketing Engineer bei Congatec.

© Congatec

Mit der Verabschiedung der ‚COM-HPC Computer-on-Modules Spezifikation‘ durch das Standardisierungsgremium der PICMG wird nun eine immens gestiegene Performance verfügbar, die COM-Express-Modulen vor allem in der Server-Kategorie weit überlegen sein wird. COM-HPC-Server-Module werden nämlich die kommenden lötbaren Entry-Class-Serverprozessoren in robustem und bedarfsgerecht skalierbarem Modul-Gewand verfügbar machen. Damit ermöglichen sie Multi-Purpose Embedded-Edge-Computing-Lösungen, auf denen selbst leistungshungrigste, dezentrale Echtzeit-Steuerungen konsolidierbar sind.
Voraussetzung hierfür ist allerdings die Verwendung der Hypervisor-Technologie für echtzeitfähige virtuelle Maschinen, wie die von Real-Time Systems. Erst mit solchen echtzeitfähigen Hypervisor-Lösungen lassen sich Echtzeit-Steuerungen weiterhin deterministisch betreiben, auch wenn das HMI der Fertigungszelle auf demselben Prozessor gerade neu bootet oder das integrierte IoT-Gateway eine Vielzahl an Maschinendaten konvertieren, auswerten und zusätzlich noch parallel Requests verarbeiten muss. Aber auch ohne diese hohe Integration verschiedenster Sub-Systeme auf einem Modul ist COM-HPC im Grunde ein Muss, denn 3D-Image Processing ist eine komplexe Aufgabe, bei der im Time-of-Flight-Verfahren (ToF) etwa Punktwolken entstehen, die immense Datenmengen produzieren.

Der Performance-Bedarf steigt

Das Kit for Education, das im Intel Labs China, Autonomous System Lab ent-wickelt wurde, bietet drei Ausbaustufen und basiert auf Computer-on-Modules von Congatec.

© Congatec

Pro Bildpunkt fallen für jeden Bildpunkt Raumkoordinaten von 32 bit an. So entstehen bei einer Auflösung von 640 x 480 Bildpunkten mit 30 Frames pro Sekunde (fps) 35 MByte 3D-Daten pro Sekunde. Hinzu kommen die Farbinformationen einer klassischen 2D-Kamera, deren Auflösung in der Regel 4-mal höher sein sollte. Das ergibt bei 1,2 Mega-Pixel (1280 x 1024 Pixel) und 8 bit Farbtiefe pro Kanal zu-sätzliche 112,5 MByte pro Sekunde. Diese Gesamtrohdaten von rund 150 MByte pro Sekunde gilt es erst einmal zu verarbeiten. Auch beim Stereo-Sehen mit zwei Kameras und optional strukturiertem Licht ist die Arbeitslast hoch. Entsprechend hoch sind die Anforderungen an den Datendurchsatz und die heterogene Rechenleistung mit CPU und GPGPU.

Hier empfiehlt sich derzeit die erste Generation der verfügbaren COM-HPC-Module auf Basis der Intel-Core-Prozessortechnologie der 11. Generation (Codename Tiger Lake) auf COM-HPC. Sie existieren zwar im COM-HPC-Client-Format, bieten dafür aber attraktive Features, die andere Modulstandards nicht haben. Zum einen die volle Bandbreite der PCIe-Gen4-Schnittstellentechnologie, sodass zwischen Kameras und Prozessor sowie zwischen diskreten GPUs – die für die massiv parallele Bilddatenverarbeitung und KI-Algorithmen genutzt werden – eine doppelt so hohe Bandbreite zur Verfügung steht wie bei PCIe Gen3. Gepaart wird dies mit dem nativen Support von MIPI-CSI-Kameras, was die Kosten für die Kameratechnologie sinken lässt und die Performance steigert. Hinzu kommt der Support von leistungsfähigen und Ethernet-basierten Konfigurationsoptionen, der auf Basis des congatec Starter-Sets für COM-HPC von 8x 1GbE-Switching-Optionen und 2x 2,5GbE inklusive TSN-Unterstützung bis hin zu dualer 10GbE-Konnektivität reicht und auch in Richtung Zweidraht-Ethernet-Support für die effiziente Echtzeit-Anbindung kleinster Peripheriegeräte wie Sensoren und Aktoren ausgebaut werden kann

Das Ökosystem für AI ist entscheidend

Der KI-Support für MIPI-CSI-angebundene Kameras – wie ihn etwa Congatec bietet – macht IIoT- und Industrie 4.0-vernetzte Embedded-Systeme zudem noch applikationsfreundlicher: Eine KI- und Inferenz-Beschleunigung lässt sich auf der CPU mittels Intel-DL-Boost-basierter Vektor-Neural-Network-Instruktionen (VNNI) und auf der GPU mittels 8-Bit-Integer-Instruktionen (Int8) umsetzen. Attraktiv ist in diesem Zusammenhang auch die Unterstützung des Intel-Open-Vino-Ecosystems für KI, das eine Funktionsbibliothek und optimierte Aufrufe für OpenCV- und OpenCL-Kernel enthält, um Deep Neural Network-Workloads plattformübergreifend zu beschleunigen und so schnellere und genauere Ergebnisse für KI-Inferenzen zu erreichen. Eine passende Plattform zu Trainingszwecken wurde von Intel Labs China, Autonomous System Lab bereits auf Basis von COM Express vorgestellt. Zudem gibt es bereits ein Intel-zertifiziertes ‚ready for Production‘-Kit für die Workload-Konsolidierung. Mit der Verfügbarkeit von COM-HPC-Modulen besteht infolge nun die Möglichkeit, dieses OpenVINO-Ökosystem mit seinen Software-Libraries bis hin zu Adaptive Human-Robot Interaction (AHRI) oder Simultaneous Localization & Navigation (SLAM) auch auf COM-HPC zu evaluieren.

ATX-kompatibles Carrierboard

Das ATX-konforme Carrierboard conga-HPC/EVAL-Client bietet hierzu alles, was für die Evaluierung smarter Vision-Robotik und autonomer Logistikfahrzeuge nötig ist. Es verfügt über zwei massiv-performante PCIe-Gen4x16 Schnittstellen sowie eine Vielzahl an LAN-Optionen hinsichtlich der Datenbandbreiten, Übertragungsmethoden und Konnektoren – darunter 2x 10 GbE sowie 2,5 GbE und 1-GbE-Unterstützung. Über Mezzanine-Karten kann der Carrier sogar noch leistungsfähigere Schnittstellen bis hin zu 2x 25 GbE betreiben, was diese Evaluierungsplattform zu einem Kandidaten für umfassend vernetzte Edge-Geräte macht. Das Herzstück des vorgestellten Startersets für COM-HPC-Client-Designs ist das Computer-on-Modul conga-HPC/cTLU, das in verschiedenen Prozessorkonfigurationen erhältlich ist.