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

Embedded Vision gewinnt immer mehr an Bedeutung. Getragen durch technische Trends auf beiden Seiten verschmelzen Computer Vision und Embedded-Systeme zunehmend zu Embedded-Vision-Systemen. Doch leistungsstarke Machine-Vision-Kameras waren bisher aus technischen und Kostengründen der Embedded-Fachwelt weitgehend vorenthalten. Mit einer neuen Kameraplattform soll sich das jetzt ändern.

www.alliedvision.com

Anzeige
Xilinx investiert in Deephi Tech

Das Unternehmen Xilinx hat bekannt gegeben, dass es in den Machine-Learning-Pionier Deephi Tech investiert hat. Deephi Tech wurde von Forschern und Experten der Tsinghua Universität und der Stanford Universität gegründet und ist spezialisiert auf Deep-Compression, Optimierungen der Systemebene und Kompilierungen der Toolchain bei Machine-Learning-Plattformen.

www.xilinx.com

Anzeige
Korrelationsfreies Inline-Messen

Die industrielle Messtechnik ist wesentlicher Bestandteil einer Industrie 4.0. Was sie bereits heute imstande ist zu leisten, verrät uns Dr. Kai-Udo Modrich, Geschäftsführer der Carl Zeiss Automated Inspection.

www.zeiss.de

Deutsch-österreichisches Team gewinnt Argos Challenge

Das ‚Argonauts‘-Team, bestehend aus Informatikern der Technischen Universität Darmstadt und dem Kooperationspartner Taurob GmbH, eine Wiener Roboterfirma, konnte sich dabei gegen eine starke internationale Konkurrenz durchsetzen. Zu der mit 500.000€ dotierten Challenge für intelligente Inspektionsroboter auf Öl- und Gasplattformen hatte das Mineralölunternehmen Total aufgerufen.

www.tu-darmstadt.de

Anzeige
Chii bisher mit 120 Teilnehmern

Vom 7.-8. Juni findet zum zweiten Mal die Hyperspectral Imaging Conference chii in Graz statt. Mittlerweile haben sich bereits 120 Teilnehmer angemeldet, Tendenz stark steigend. Das komplette Vortragsprogramm beider Tage ist mittlerweile online. Anmeldungen sind noch möglich.

 

www.chii

Anzeige

Ein Wissenschaftsmagazin bezeichnete Prof. Gisela Lanza einst als die 120%-Frau, weil sie vier Jahre lang gleichzeitig als erste Inhaberin der Shared Professorship Global Production Engineering and Quality am Karlsruher Institut für Technologie (KIT) und für den Automobilkonzern Daimler arbeitete. Doch wie beurteilt eine Expertin für weltweite Produktionssysteme die neue Rolle der Messtechnik für die QS unter dem Blickwinkel von Industrie 4.0 und IIot (Industrial Internet of Things)?

www.wbk.kit.edu

Anzeige