Bild 2 | Multi-ToF-Hub mit Nvidia Jetson TX2 Modul. (Bild: Becom Systems GmbH)
Bessere Ergebnisse als mit RGB
Hier kommt ein Vorteil von ToF zum Tragen: der Sensor liefert ein Graustufenbild das synchron mit den drei räumlichen Kanälen X,Y,Z ist. Aufgrund der räumlichen Trennung sind die vier ToF Kanäle deutlich reicher an Informationen als bei einer RGB-Kamera. Da Farben immer von der Beleuchtung abhängig sind, bieten RGB-Informationen besonders in unkontrollierten Umgebungen oft nur wenig Vorteile gegenüber einem Graustufenbild. Ein weiterer Vorteil der ToF-Kamera ergibt sich dadurch, dass ein Label in einem Kanal pixelgenau auf die anderen Kanäle übertragen werden kann. Mit dem höheren Informationsgehalt können Deep-Learning-Lösungen grundsätzlich eine höhere Erkennungsleistung erzielen.
Deep Learning Ready
Im Rahmen der Umsetzung kundenspezifischer Lösungen kann die Evotegra Basis-Software in der Regel kostenfrei genutzt werden. Gleichzeitig bietet die Becom Multi-ToF-Plattform auf Basis des Nvidia Jetson standardmäßig eine breite Unterstützung für Deep-Learning-Algorithmen – Zusätzliche Hardware ist nicht notwendig.
Fazit
Sensorsysteme mit einer Kombination aus Bildern und räumlichen Daten, erzielen zusammen mit Deep Learning eine höhere Erkennungsleistung und damit Kostenvorteile, ohne in der Trainingsphase höhere Aufwände zu erzeugen. Die Lösungen können ein Qualitätsniveau erreichen, das qualitativ mit der visuellen Wahrnehmung des Menschen vergleichbar ist. Quantitativ sind sie dem Menschen jedoch deutlich überlegen.
