Neue 5-Megapixel- Industrieoptik - beam - Elektronik & Verlag
Neue 5-Megapixel- Industrieoptik - beam - Elektronik & Verlag
Neue 5-Megapixel- Industrieoptik - beam - Elektronik & Verlag
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Sensoren<br />
Die Grenzen von Vision Sensoren<br />
sind neu definiert<br />
Mit neu entwickelten integrierten<br />
Schaltungen in Form<br />
von FPGAs wird die Geschwindigkeit<br />
von Vision Sensoren entscheidend<br />
erhöht. Komplexe Aufgaben<br />
können damit im Vergleich<br />
zu BV-Systemen in einem noch<br />
kompakteren Gehäuse einfach<br />
und mit leistungsfähigen Algorithmen<br />
sicher gelöst werden.<br />
Im Laufe eines Tages verändert<br />
sich die Bildaufnahmesituation<br />
bei automatischen<br />
optischen Inspektionen dramatisch.<br />
Morgens fällt Sonnenlicht<br />
durch die Fenster der Maschinenhalle,<br />
während in den Abendstunden<br />
Deckenleuchten mit<br />
dem charakteristischen 50-Hz-<br />
Flimmern eingeschaltet werden.<br />
Somit kann eine stabile Bildaufnahme-undBeleuchtungssituation,<br />
eigentlich die Grundlage<br />
einer jeden grauwert-basierten<br />
Bildverarbeitungsaufgabe, nicht<br />
vorausgesetzt werden.<br />
Autor:<br />
Andreas Döring<br />
Produktspezialist<br />
Smart Vision<br />
Dieser Herausforderung müssen<br />
sich auch Vision Sensoren<br />
stellen. Aufgrund ihrer kompakten<br />
Bauform haben diese<br />
Systeme eine eingeschränkte Leistungsfähigkeit<br />
im Vergleich zu<br />
PC-basierten Systemen, müssen<br />
aber dennoch Erkennungsraten<br />
von 99,9% und mehr garantieren.<br />
Somit stellt sich die Frage, wie<br />
man trotz der eingeschränkten<br />
Prozessorleistung dieser Sensoren<br />
die Grenzen der Grauwert-Verarbeitungüberschreiten<br />
kann, um die erforderliche<br />
Stabilität trotz der vielen Einflussfaktoren<br />
zu erreichen.<br />
Um diese beiden Anforderungen<br />
zu verbinden, sollte<br />
man sich an bereits bestehenden<br />
Lösungen orientieren, die ihre<br />
Leistungsfähigkeit bereits seit<br />
langer Zeit unter Beweis gestellt<br />
haben. Und was liegt näher, als<br />
sich das menschliche Auge und<br />
die visuelle Verarbeitung von<br />
Umgebungsinformation als Vorbild<br />
zu nehmen?<br />
Die Natur als Vorbild<br />
Schon früh hat der Mensch<br />
gelernt, seine Augen gezielt und<br />
fokussiert einzusetzen, um sich<br />
in seiner Umwelt zu orientieren.<br />
Selbst in Waldgegenden mit<br />
wechselnden Licht- und Schattenspielen<br />
ist der Mensch in<br />
der Lage, Objekte zu erkennen.<br />
Millionen von Fotorezeptoren<br />
registrieren kleinste Veränderungen<br />
des Lichtes, verarbeiten<br />
diese Informationen bereits in<br />
der Netzhaut und leiten dann<br />
die gefilterten Informationen<br />
an das Gehirn weiter.<br />
Durch intensive Forschungen<br />
konnte dabei nachgewiesen werden,<br />
dass das Auge auf Kontraste<br />
reagiert und innerhalb der<br />
Netzhaut Konturinformationen<br />
ableitet. Im Gehirn werden diese<br />
Konturen zu Objekten verknüpft<br />
und dienen als Grundlage, wie<br />
der Mensch in seiner Umwelt<br />
agiert. Durch diese Vorverarbeitung<br />
ist das menschliche Auge<br />
in der Lage, in der Dunkelheit<br />
wie auch am hellen Tag schnell<br />
seine Umgebung wahrzunehmen<br />
und sich auch von Schatten<br />
und Reflexionen nicht irritieren<br />
zu lassen.<br />
Hardware-Unterstützung für die<br />
Konturverarbeitung<br />
Es ist nahe liegend, diesen evolutionären<br />
Vorteil des menschlichen<br />
Auges für den industriellen<br />
Einsatz nutzbar zu machen.<br />
Bereits in den 70er Jahren wurden<br />
Algorithmen und Ideen entwickelt,<br />
die es ermöglichen, die<br />
Konturen innerhalb eines Bildes<br />
zu bestimmen und damit auszuwerten.<br />
Die Herausforderung<br />
dieser Ansätze ist, dass dabei<br />
große Datenmengen verarbeitet<br />
werden müssen.<br />
So basiert einer der einfachsten<br />
Vertreter dieser Algorithmen,<br />
der Sobel-Filter, auf einem 3<br />
x 3-Filter, d.h. für jeden Bildpunkt<br />
werden neun Pixel verwendet,<br />
um zu bestimmen, ob<br />
durch diesen Pixel eine Kante<br />
verläuft. So ist bereits in diesem<br />
Fall die 9-fache Datenmenge im<br />
Vergleich zu reinen Grauwerten<br />
zu verarbeiten, wofür entsprechende<br />
Ressourcen (Arbeitsspeicher<br />
und leistungsstarke Prozessoren)<br />
notwendig sind. Für eine<br />
qualitativ gute Kantenbestimmung<br />
werden jedoch größere<br />
Filter benötigt, typischerweise<br />
in der Größe 5 x 5 oder 7 x 7.<br />
So muss letztlich die 25- oder<br />
gar die 49-fache Datenmenge<br />
verarbeitet werden! Baumer<br />
hat mit der FEX-Technologie<br />
einen Bildverarbeitungsprozessor<br />
entwickelt, der diese Datenmengen<br />
verarbeiten kann und<br />
damit diese Algorithmen auch<br />
für Vision Sensoren einsetzbar<br />
macht. Möglich wird dies durch<br />
die neueste FPGA-Technologie.<br />
Diese flexiblen Mikroprozessoren<br />
können so programmiert werden,<br />
dass parallel beim Bildeinzug<br />
die Konturen bestimmt werden<br />
und damit in Echtzeit und<br />
subpixel-genau neben den Grauwertinformationen<br />
im Speicher<br />
abgelegt werden. Für die Auswertung<br />
des Prüfobjektes ste-<br />
Mit der Bauemer FEX-Technologie werden die Konturen in Echtzeit berechnet<br />
und können dann zusätzlich zu den Grauwertinformationen<br />
genutzt werden<br />
6 PC & Industrie 3/2010