Industrielle Automation 3/2018
Industrielle Automation 3/2018
Industrielle Automation 3/2018
- TAGS
- industrielle
- automation
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Prof. Dr. Frank Bauernöppel; Ulli Lansche,<br />
Technischer Redakteur, beide bei der Hochschule<br />
für Technik und Wirtschaft, Berlin<br />
Sicher um die Kurve<br />
Die Kamera verfügt über einen USB3-<br />
Anschluss, sodass die Bilder mit nur geringer<br />
Verzögerung und unkomprimiert an<br />
den Steuerrechner übertragen<br />
werden können<br />
<strong>Industrielle</strong> Kamera bringt hohe Auflösung in den Motorsport<br />
Industriekameras haben sich in verschiedensten Einsatzbereichen<br />
etabliert: von Machine Vision-Anwendungen in Robotik- oder<br />
Industrie 4.0 über Qualitätsprüfungen und Vermessungen bis hin zu<br />
Forschungszwecken. Sie sind auch ein zentraler Punkt eines autonomen<br />
Fahrzeuges. Ein Motorsport-Team setzt daher für die Konstruktion eines<br />
Rennwagens eine Kamera ein, die Verkehrskegel unter verschiedenen<br />
Licht- und Wetterbedingungen erkennt und abbildet.<br />
Das Motorsport-Team der HTW Berlin<br />
nimmt seit 2006 an dem internationalen<br />
studentischen Konstruktionswettbewerb<br />
„Formula Student“ teil. Die Studierenden<br />
konstruieren dafür einen Rennwagen, das<br />
„Berlin Race Car“, und müssen sich für die<br />
Wettbewerbe qualifizieren. Natürlich sollte<br />
der Rennwagen schnell fahren, aber das ist<br />
nur ein Kriterium. Bevor das Fahrzeug in<br />
den verschiedenen Disziplinen auf die<br />
Rennstrecke gelassen wird, muss das Team<br />
seine Konstruktion vor einem Expertenteam<br />
verteidigen, wobei das mechanische und<br />
elektrische Design geprüft wird.<br />
Objekte zuverlässig erfassen<br />
Seit 2017 gibt es bei der Formula Student<br />
nicht nur die Klassen „Combustion“ und<br />
„Electric“, sondern auch „Driverless“. Dabei<br />
muss das Fahrzeug in mehreren Disziplinen<br />
autonom fahren, die Strecke ist jeweils durch<br />
verschiedenfarbige Verkehrskegel markiert.<br />
Das Motorsport-Team hat sich entschlossen,<br />
bei diesem neuen Format dabei zu sein.<br />
Dies ist eine Herausforderung, denn bei<br />
autonomen Fahrzeugen spielen optische<br />
Sensoren eine wichtige Rolle. Daher hat sich<br />
das Team gefreut, dass Matrix Vision 2017<br />
eine Kamera vom Typ mvBlueFox3-2089a<br />
zur Verfügung gestellt hat. Der Kamerasensor<br />
Sony IMX267 hat die erforderliche<br />
hohe Auflösung, um die kleinen Verkehrskegel<br />
auch in größerer Entfernung erkennen<br />
zu können. Auch die Bildvorverarbeitung<br />
erfolgt bereits in der Kamera.<br />
Die Kamera besitzt einen USB3-Anschluss,<br />
über den die Bilder mit nur geringer Verzögerung<br />
und unkomprimiert an den Steuerrechner<br />
übertragen werden, ein eingebettetes<br />
System, auf dem ein Ubuntu Linux<br />
als Betriebssystem läuft, sowie Gestreamer,<br />
OpenCV und ROS (Robot Operating System).<br />
Dieser zentrale Steuerrechner ist über<br />
CAN-Bus mit weiteren Sensoren, Aktoren<br />
und dem Motorsteuergerät verbunden und<br />
sendet Betriebsdaten über WLAN an eine<br />
Basisstation.<br />
Bewegungsunschärfe vermeiden<br />
Die Integration der Kamera war dank des<br />
auch unter Linux verfügbaren mvImpact<br />
Acquire SDK problemlos möglich. Mit ein<br />
wenig Adaptercode ist es gelungen, die Kamerabilder<br />
an die OpenCV Echtzeit-Bildverarbeitung<br />
anzubinden. Zusätzlich führt der<br />
Linux-Rechner eine hardwareunterstützte<br />
H.264-Videokompression der Bilder durch,<br />
um diese für eine nachträgliche Auswertung<br />
aufzuzeichnen sowie ein Live Preview als<br />
RTSP Stream über WLAN anzubieten, über<br />
den die Kamera unmittelbar vor dem Start<br />
justiert und kontrolliert werden kann.<br />
Über das mvImpact Acquire SDK können<br />
alle Aufnahmeparameter konfiguriert werden.<br />
So erfolgt beispielsweise der Belichtungsabgleich<br />
im Bereich der Fahrbahn,<br />
den das Fahrzeug in der nächsten Sekunde<br />
befahren wird. Auch wurde die Belichtungszeit<br />
beschränkt, um Bewegungsunschärfe zu<br />
vermeiden.<br />
Erste autonome Fahrversuche<br />
Nach der Softwareintegration hat das Team<br />
Testfahrten mit der Kamera absolviert, die<br />
dafür noch provisorisch am Fahrzeug befestigt<br />
werden musste. Der für die Saison <strong>2018</strong><br />
konstruierte Rennwagen hat nun eine feste<br />
Kamerahalterung, sodass bei Trainingsfahrten<br />
und Wettbewerben Kamerabilder aufgezeichnet<br />
werden. So sollen Trainingsbildern<br />
generiert werden, die die Verkehrskegel unter<br />
verschiedenen Licht- und Wetterbedingungen<br />
abbildet. Mit diesen Bildern wird der<br />
Algorithmus zur Kegelerkennung robuster<br />
gemacht. Wenn alles wie geplant läuft, wird<br />
das „Berlin Race Car <strong>2018</strong>“ mit der Kamera<br />
von Matrix Vision <strong>2018</strong> seine ersten autonomen<br />
Fahrversuche unternehmen.<br />
www.matrix-vision.de<br />
78 INDUSTRIELLE AUTOMATION 3/<strong>2018</strong>