Paranna tehtaan turvallisuutta ja tuottavuutta lisäämällä teollisuusjärjestelmiin nopeasti konenäkö

Teollisuusautomaatiossa käytettävien koneiden suunnittelijoiden halutaan käyttävän jonkinlaista konenäköä, joka määrittäisi etäisyyden kaikkiin tietyssä näkökentässä sijaitseviin objekteihin. Syitä tällaiseen etäisyydenmittaukseen käytettävälle konenäölle on lukuisia, mukaan lukien yleisesti ympäristössä tapahtuvien muutosten havaitseminen ja mahdollisen tunkeutumisen havaitseminen, objektien mittaus tuotantolinjalla sekä yleisesti käyttäjän tai robotin suojaaminen vaaratilanteilta. Erityisesti teollisuusvarastojen sisätiloissa käytettävät ajoneuvot hyödyntävät konenäköä automaattisessa ohjauksessa, objektien sijainnin tunnistuksessa ja identifioimisessa sekä esteiden tunnistuksessa ja niiden väistämisessä.

Yleisin menetelmä, miten konenäköä käytetään sisätiloissa etäisyyden mittaamiseen objekteihin, on LiDAR-valotutka (Light Detection And Ranging), jossa käytetään laservaloa objektien välisen etäisyyden mittaukseen. LiDAR mittaa heijastuneen laservalon paluuajan ja aallonpituuden ja määrittää näiden perusteella etäisyydet kuhunkin pisteeseen. LiDAR-konenäköalgoritmit ovat kuitenkin hyvin kompleksisia ja niiden oppimiskäyrä on jyrkkä, niin että sovelluksen koodaamiseen vaaditaan konenäön asiantuntijoita.

Tässä artikkelissa näytetään miten kehittäjät voivat käyttää tällaisissa sovelluksissa Intelin käyttövalmista LiDAR-kameraa etäisyyden mittaamiseksi näkökentässä oleviin objekteihin. Tämä ratkaisee edellä kuvatun ongelman ja mahdollistaa konenäön lisäämisen nopeasti uusiin tai nykyisiin järjestelmiin tarvitsematta oppia konenäköteknologian ja -algoritmien kompleksisuutta. Tämän jälkeen artikkelissa näytetään miten yhdistää Intel LiDAR -kamera UDOO-yrityksen yhden kortin tietokoneeseen (SBC) käyttämällä erittäin nopeaa USB 3.1 -yhteyttä.

Konenäkö teollisuusautomaatioympäristöjen sisätiloissa

Sisätilojen teollisuusautomaatio käy yhä dynaamisemmaksi ja tehtaan lattialle lisätään koneita samoin kuin käyttäjiä ja tarvikkeita. Kaikkien koneiden, anturien ja lisääntyneen automaation on tarkoitus parantaa tehokkuutta ja samanaikaisesti varmentaa käyttäjien turvallisuus.

Monissa tapauksissa tavoitteena on havaita kohdealueen objektit, ihmiset mukaan lukien, lisäämällä antureita. Tuotantolinjalla voidaan havaita objekti monella tapaa, mukaan lukien yksinkertainen valoanturi joka havaitsee ympäristön valoisuudessa muutoksen objektin ohittaessa sen, mekaaninen kytkin joka painuu objektin painosta tai tuotantolinjan poikki kulkeva valonsäde, joka katkeaa kun tuote ohittaa sen. Vaikka nämä menetelmät ovatkin riittäviä perustasoiseen objektin havaitsemiseen, automaation kasvanut sofistikoituminen vaatii kompleksisempaa visuaalista tunnistusta, samantyyppistä kuin ihmissilmä.

Konenäkö on suurin piirtein samaa kuin näön lisääminen koneisiin värien tunnistusta, objektien toisistaan erottamista ja useiden liikkeiden tunnistusta varten. Yleisin ja käytännöllisin konenäkötyyppi on kuitenkin tunnistaa etäisyys kaikkiin näkökentän objekteihin.

On kaksi yleistä tapaa jolla etäisyys useisiin objekteihin voidaan mitata. Ensimmäinen on tutka, mikä herättää välittömästi kysymyksen sen turvallisuudesta sisätiloissa ihmisille, jotka altistuisivat koko ajan korkeataajuisille signaaleille. Ulkotiloissa tutkataajuudet heijastuvat objekteista minkä jälkeen ne häviävät vaarattomasti ympäröivään ympäristöön. Sisätiloissa käytettynä tutka-aallot törmäilevät toistuvasti useisiin objekteihin ja synnyttävät voimakkaita sähkömagneettisia häiriöitä (EMI). Pitkäaikaisella altistumisella saattaa olla terveysvaikutuksia käyttäjiin.

Toinen yleinen menetelmä etäisyyden mittaukseen useisiin näkökentän objekteihin on lasermittaus, joka tunnetaan myös nimillä LiDAR ja valotutka. Objekteihin, joiden etäisyys halutaan mitata, suunnataan yksi tai useampi lasersäde. Aikaa, joka heijastuneelta lasersäteeltä kului alkupisteessä sijaitsevaan vastaanottimeen palaamiseen, sekä säteen vaihe-eroa verrataan emittoidun laserin aikaan ja vaiheeseen. Algoritmi laskee etäisyyden objekteihin ajan ja vaihe-eron perusteella sekä muuntaa sen senttimetreiksi tai tuumiksi.

Yhden lasersäteen aika- ja vaihe-eron laskeminen yhden objektin havaitsemiseksi on varsin suoraviivaista. Kompleksisemmat konenäkösovellukset saattavat kuitenkin vaatia etäisyyden laskemista kymmeniin näkökentässä oleviin objekteihin. Tämän laskennan yhdistäminen ja visuaalisen etäisyyskartan luominen ei ole triviaalia ja sen kehitys vaatii huomattavasti aikaa.

Konenäkö etäisyysmittauksella

Intel RealSense 82638L515G1PRQ on korkean resoluution L515 LiDAR -syvyyskamera, joka tarjoaa konenäkösovelluksia varten käytännöllisen ratkaisun, joka voidaan ottaa nopeasti käyttöön (kuva 1). Kameran halkaisija on 61 millimetriä (mm) ja sen syvyys on 26 mm. Se sisältää LiDAR-kuvasyvyysyksikön, RGB (punainen, vihreä, sininen) -kameran sekä inertian mittausyksikön (IMU). LiDAR-kamera tarjoaa bittikarttakuvan, jonka tarkkuus on 1024 x 768 tai 1920 x 1080, ja jossa jokainen pikseli esittää etäisyyttä kamerasta kyseiseen pisteeseen.

Kuva 1: Intel RealSense L515 on itsenäinen korkean resoluution LiDAR-kamera, joka sisältää myös RGB-kameran ja IMU:n. Se on helppo yhdistää tietokoneeseen USB 3.1 -liitännän kautta. (Kuvan lähde: Intel)

Intel L515 LiDAR-kamera palauttaa bittikarttakuvan näkökenttänsä alueesta. Aluetta esittävän tavallisen valokuvan sijasta LiDAR-kamera palauttaa kuvan, jossa kunkin pikselin RGB-arvo esittää kunkin pisteen etäisyyttä Intel L515 -kamerasta. Kameran resoluutio on 0,25 – 9 metriä. Se sisältää myös tavallisen 2 megapikselin (MP) RGB-kameran, joka on hyödyllinen tuotekehityksen aikana. Laitetta suositellaan käytettäväksi sisävalaistustilanteissa, koska sitä ei ole tarkoitettu käytettäväksi voimakkaassa auringonpaisteessa.

Kuvassa 2 esitetään esimerkki Intel L515 -kameran kuvasta. Kameran kuva kohdistuu etualan kasviin ja se on jaettu kahteen osaan. Vasen puoli esittää tavallisen RGB-kameran kuvan kasvista ja sen taustasta käyttäen luonnollisia värejä. Oikea puoli on visuaalinen esitysmuoto kunkin objektin etäisyydestä kameraan. Etualan kasvi näkyy sinisen sävyissä, kun taas taustalla oleva seinä näkyy kirkkaan oranssina. Oikea seinä on kauempana kameran keskikohdasta, joten kuva muuttuu punaisen tummemmiksi sävyiksi.

Kuva 2: Intel L515 LiDAR -kamera palauttaa sekä RGB-kuvan (vasemmalla) että bittikarttakuvan (oikealla) joka esittää objektin etäisyyttä kamerasta. Kameran lähellä väri on sininen kun taas kauempana väri on tumman punainen. (Kuvan lähde: Intel)

Tämän tiedon avulla ohjelmisto voi käsitellä kuvan sisältämän datan ja määrittää objektin ja kameran välisen etäisyyden.

Intel L515 LiDAR -kamera on kooltaan kompakti ja sen integraatiotaso on korkea. Kamera sopii teollisuusautomaatiosovelluksiin sisätiloissa, joissa syvyyden mittaus konenäön avulla on toteutettava nopeasti uusiin tai nykyisiin järjestelmiin. Intel L515 sisältää mobiilijärjestelmiä varten IMU:n, joka pystyy tunnistamaan ±4 g:n kiihtyvyyden, sekä gyroskoopin, joka pystyy tunnistamaan jopa ±1000˚ per sekunti (˚/s) -kiertonopeuden. Tämä sopii useimpiin sisätiloissa käytettäviin ajoneuvoihin ja teollisuusautomaatiotiloissa käytettäviin robotteihin. IMU-laiteohjelmiston koodaamisessa on oltava tarkkana, koska jos ajoneuvo tai robotti törmää esteeseen, voimat saattavat hetkellisesti ylittää 4 gs, ja tämä poikkeus on otettava huomioon.

Konenäkö valmiina järjestelmänä

Intel L515 voidaan yhdistää tietokoneeseen tai yhden kortin tietokoneeseen (SBC) käyttäen nopeaa USB 3.1 -rajapintaa. Kameran kotelo sisältää USB Type-C® liittimen, joten sen kanssa voidaan käyttää Type C -liittimillä varustettuja tavallisia kaapeleita. Tämä helpottaa sen integroimista. Koska konenäön kuvankäsittely saattaa vaatia paljon laskentaa, on suositeltavaa käyttää tehokasta laitetta, niin että kuvadatajoukot voidaan tarvittaessa käsitellä reaaliaikaisesti. UDOO-yrityksen KTMX-UDOOBL-V8G.00 Bolt V8 on suuritehoinen SBC, joka perustuu 2,0 gigahertsin (GHz) (hetkellisesti 3,6 GHz) taajuudella toimivaan neliydinprosessoriin ja se tukee jopa 32 gigatavua (Gt) DRAM-muistia. Laite voi käyttää ohjelmamuistina M.2-tyypistä SSD-muistia ja se tukee myös tavallista SATA-3-kiintolevyrajapintaa.

Kuva 3: UDOO Bolt V8 on tehokas SBC neliydinprosessorilla ja 3,6 GHz:n maksimitaajuudella. Laite tukee M.2- ja SATA-3-rajapintoja ulkoiselle muistille ja siihen mahtuu jopa 32 Gt DRAM-muistia. Laite tarjoaa USB 3.1 Type C -liittimen, jolla se voidaan yhdistää Intel RealSense L515 LiDAR -kameraan. (Kuvalähde: ODOO)

UDOO Bolt V8 tarjoaa kaksi HDMI 1.4 -videoliitäntää, joihin voidaan liittää näyttö. Verkkoyhteyksien suhteen se voidaan yhdistää tehtaan langalliseen Gigabitin Ethernet-verkkoon käyttäen laitteen RJ-45-liitintä. Laite tukee myös Wi-Fi- ja Bluetooth-yhteyksiä. Laite tukee stereoääntä tavallisen 3,5 mm liittimen kautta. SBC voi käyttää kaikkia 64-bittisiä x86yhteensopivia käyttöjärjestelmiä, mukaan lukien Microsoft Windows sekä kaikki 64-bittiset Linux-jakelut. Tämä tehokas SBC vaatii 19 voltin / 65 watin virtalähteen voidakseen tarjota 2 GHz:n suorituskyvyn.

UDOO Bolt V8 tarjoaa runsaan suorituskyvyn konenäön data-algoritmeja varten. Laite voi lukea dataa Intel RealSense L515 -kameralta erittäin nopean USB 3.1 Type C -liitännän kautta ja tarvittaessa näyttää kuvan yhteen HDMI-liitäntään kytketyllä näytöllä. Laite voi tarjota äänivaroituksen äänilähtöliitäntään kytketyillä kaiuttimilla.

Yhteenveto

Konenäkö ja syvyysmittaus on nopeasti laajeneva kenttä, joka voi vaatia kompleksista koodia ja laitteistoa, jos se rakennetaan alusta lähtien. Konenäön lisääminen käyttämällä valmista ratkaisua, joka suorittaa syvyyslaskennat valmiiksi ohjelmoidulla laiteohjelmistolla, säästää aikaa ja rahaa. Tuloksena on korkeatehoinen konenäköjärjestelmä, joka voidaan ottaa käyttöön teollisuusautomaatioympäristössä nopeasti ja luotettavasti.