Machine Vision goes Embedded

Schnittstellen Sensor-Board und Prozessor-Einheit/SoCs

Smartphones und Tablets haben unsere Sicht auf Bildaufnahme- und -verarbeitungskapazitäten von Kleinstcomputern verändert. Hohe Video- und Datenbandbreiten, bei gleichzeitig steigender Verarbeitungsleistung und niedrige Energiewerte, sowie eine fortschreitende Miniaturisierung bei höherer funktionaler Komplexität, haben das Interesse der Bildverarbeitung geweckt. Traut man aktuellen Umfragen, wird Embedded Vision einer der Technologietreiber der Zukunft sein. Aber welche Standards werden Embedded Vision und smarte Kameras für die Zukunft benötigen?
Als Abgrenzung zu ‚klassischen‘ Bildverarbeitungssystemen, die aus einer Vielzahl von Komponenten bestehen (Beleuchtung, Optiken, Kameras, Sensoren, Bildaufnahme- und -speichergeräte, Netzwerk-/Feldbusanbindungen…), definieren sich Embedded-Vision-Systeme über die Einbindung von Embedded IPCs als PXI-Plattform oder industrielle Ein-Platinen-Computer. Smart Cameras hingegen bestehen aus Sensoren und Prozessoreinheiten in einem kompakten und robusten Gehäuse, optional ausgestattet mit Beleuchtung und Optik. Die Softwareumgebung ist häufig proprietär und funktional fest definiert. Für die Untersuchung der EVSG (s.Kasten) wurden die Embedded IPCs nicht weiter betrachtet, um ein aussagekräftiges Modell zu erarbeiten. Die Anforderung an die Leistungsfähigkeit eingebetteter Systeme lehnt sich an klassische Vision-Systeme an, zusätzlich mit den Ausprägungen:

Smart: Embedded-Intelligenz

Small: Kleiner Formfaktor

Simple: Einfache Handhabung bei Usability und Softwareintegration

Um Anforderungen und Lösungsansätze zu erarbeiten, wurden von der ESVG drei Technologiefelder (SC=Standard Candidate) identifiziert, für die Arbeitsgruppen eingerichtet wurden.

SC1: Schnittstelle zwischen den Sensor-Boards und der Prozessor-Einheit/ System-on-a-Chip (SoCs)

SC2: Software API

SC3: Schnittstelle zwischen der Kamera und der Verarbeitungsumgebung

Schnittstelle Sensor-Board / Prozessor-Einheit

Die Bildverarbeitung bietet eine große Auswahl an Transportschichten für eine Verbindung zwischen einer Kamera und einem klassischen Desktop IPC bzw. Embedded IPC. Beispiele hierfür sind Camera Link (HS), CoaXPress, GigE Vision oder USB3 Vision. Die beste Option hängt jeweils von der Anwendung und deren Anforderungen ab, z.B. Bandbreite, Datenübertragungsformat, Robustheit, garantierte Signalintegrität, Distanzen zwischen Komponenten, Spannungsversorgung der Kamera oder auch Latenzen der Signalsteuerung. In einer Smart-Kamera unterscheiden sich Anforderungen an die Schnittstelle zwischen Sensorplatine und Verarbeitungseinheit bzw. SoC. Neben Bandbreite, Formfaktor der physikalischen Schnittstelle und des Steckers, sind die maximale Leitungslänge, die Energiewerte für Stromverbrauch und Wärmeableitung, die Definition der Industriequalität, Produktverfügbarkeit sowie Kosten weitere wichtige Entscheidungsfaktoren. Schwerpunkt der SC1 ist die Untersuchung, welche Schnittstelle diese Anforderungen am besten erfüllt.

Globale Trends als Thema

Videoaufnahmen und -verarbeitungen sind inzwischen in mobilen Geräten implementiert und funktionieren mit hoher Performance. Diese Technologien können auch für Embedded-Systeme eingesetzt werden. Allerdings werden in dieser Branche keine industriellen Sensoren verbaut oder langfristige Liefergarantien zugesagt, noch existiert eine Schnittstelle zwischen dem Sensor und einem FPGA, um z.B. BV-Protokolle zu implementieren. Die Verfügbarkeit von System-on-a-chip (SoC) als Prozessoren, integriert auf Boards und in Kombination mit FPGAs ist auf dem Elektronikmarkt in vielen Ausführungen gegeben. Als Fallbeispiele wurden in der Studie technische Umsetzung in Kameraköpfen, Smart-Sensoren und Vision SoC betrachtet. Die Anforderungsliste an SC1 umfasst dreizehn Einträge (Tab. 3).

Das könnte Sie auch interessieren

Vervierfachtes geometrisches Auflösungsvermögen

MicroScan ermöglicht das Bildformat einer radiometrische Thermografiekamera mit gekühltem FPAPhotonen-Detektor zu vervierfachen. Für Modelle der High-End-Kameraserie ImageIR bedeutet dies, dass sich Aufnahmen mit bis zu 2.560×2.048 IR-Pixeln erstellen lassen. Hinter der Funktion verbirgt sich ein schnell rotierendes MicroScan-Rad, das in der Kamera integriert ist. Es sorgt dafür, dass pro Radumdrehung vier verschiedene Einzelaufnahmen entstehen, die zueinander jeweils um ein halbes Pixel lateral versetzt sind. Die Einzelaufnahmen werden in Echtzeit zu einem Thermogramm mit vierfachem Bildformat zusammengeführt.

www.InfraTec.de

Wellenfrontsensor für die Optikprüfung

Der Wellenfrontsensor SHSLab dient zur die Prüfung von Optiken, optischen Systemen und Lasersystemen. Das Messprinzip ermöglicht die Erfassung von Wellenfronten durch eine einzelne Messung, so dass er schnell und unempfindlich gegenüber externen Einflüssen ist. Ein Mikrolinsen-Array transformiert die lokalen Propagationsrichtungen der Lichtstrahlen in ein Feld von Fokuspunkten auf einer Kamera. Die Abweichung der Fokuspunkte von ihren Referenzpositionen wird berechnet und schließlich die Wellenfront durch numerische Integration.

www.optocraft.com

Kamera-Kompositgehäuse für Roboteranwendungen

Der Kamerakopf des Bildverarbeitungssystem Robot Inspector for Integrity Analysis (RIITTA) ist eine kompakte Einheit, die alle Einzelkomponenten wie Kamera, Objektiv, blitzbare LED-Beleuchtung und Ansteuerelektronik in einem Spezialgehäude vereint. Das leichte Kompositgehäuse ist IP65-geschützt und bietet Schutz vor Staub und Spritzwasser. Die Eigenschaften der verwendeten Materialien in Verbindung mit dem Design des Gehäuses vermeiden Trägheitsmomente, die vor allem bei Roboteranwendungen eine entscheidende Rolle spielen.

www.asentics.de

Neuer Geschäftsführer bei Omron Electronics

 

Zuvor war Kluger als Managing Director Europe und Vice President Business Development für Adept Technology, später für Omron Adept Technologies tätig. Außerdem ist er als ehrenamtliches Vorstandsmitglied im Fachverband Robotik des VDMA aktiv.

www.industrial.omron.eu

Anzeige
Jahresabschluss und Verä;nderungen bei Stemmer

Am 30. Juni hat der global tätige Bildverarbeiter Stemmer Imaging sein Geschäftsjahr 2016/2017 mit einem Umsatz von 88,7Mil.€ und einem währungsbereinigten Wachstum von 6% abgeschlossen. Der Abschluss stellt auch das Ende einer Ära dar.

www.stemmer-imaging.de

Anzeige
Zylinderkopf-Volumenprüfung

Der 3D Snapshot Sensor Gocator 3210 mit integrierter Zylinderkopf-Volumenprüfung wurde speziell für die Kammervolumeninspektion von Zylinderköpfen in kleinen bis mittelgroßen Verbrennungsmotoren entwickelt. Die Sensoren produzieren hochauflösende 3D-Scans und Messergebnisse mit einer Genauigkeit von +/-0,04cm3 in weniger als 5Sek., selbst bei Brennkammern und Kolben mit glänzenden Oberflächen. Eine 2MP Stero-Kamera minimiert Abschattungen.

www.lmi

Anzeige