In vielen Branchen begnügen sich Maschinen heute nicht mehr damit, Befehle auszuführen. Sie „sehen“, analysieren, entscheiden … und bewegen sich manchmal sogar selbstständig. Hinter diesen Fähigkeiten stehen zwei technologische Säulen: die industrielle Bildverarbeitung und die autonome Navigation.
Das sind Themen, mit denen wir uns in unserem Entwicklungsbüro täglich beschäftigen, und eines fällt dabei immer wieder auf: Die Fachsprache ist ziemlich fachspezifisch. Hier ist also ein einfaches, konkretes Wörterbuch, um ein wenig Klarheit in all das zu bringen.
Autonome Navigation: Fortbewegung ohne direktes Eingreifen
Autonomes Fahren bezeichnet die Fähigkeit eines Systems, sich in einer bestimmten Umgebung selbstständig fortzubewegen.
Entgegen einer weit verbreiteten Meinung handelt es sich dabei nicht um eine einzelne Technologie, sondern um ein zusammenhängendes Ganzes:
- Sensoren (Kameras, Lidar, Radar, GPS…)
- Software, die die Umgebung erfassen kann
- Algorithmen, die den zu fahrenden Weg bestimmen
- Systeme, die das Fahrzeug physisch steuern
Diese Kombination ermöglicht es heute Logistikrobotern, sich in Lagerhallen zu bewegen, oder Industriemaschinen, Bediener bei ihren Manövern zu unterstützen.
Bildverarbeitung: Wenn Maschinen lernen zu sehen
Die industrielle Bildverarbeitung umfasst alle Technologien, die es einer Maschine ermöglichen, mithilfe von Bildsensoren – meist Kameras – ihre Umgebung zu erfassen.
Doch ein Bild aufzunehmen reicht nicht aus. Die eigentliche Herausforderung liegt in der Verarbeitung. Algorithmen analysieren diese Bilder, um nützliche Informationen zu extrahieren:
- ein Hindernis auf einer Bewegungsbahn erkennen
- ein Objekt oder eine Anlage identifizieren
- eine Entfernung abschätzen
- eine menschliche Präsenz erkennen
In der Praxis ermöglicht dies beispielsweise einem Roboter, Kollisionen zu vermeiden, oder einer Maschine, eine Last präzise zu positionieren.
Über die Leistungsfähigkeit hinaus ist dies auch ein wichtiger Hebel, um die Sicherheit zu verbessern und Aufgaben zu automatisieren, die bisher vom Menschen abhängig waren.
Fernsteuerung: Den Menschen im Blick behalten
Vollständige Autonomie ist nicht immer erwünscht oder gar möglich.
Die Fernsteuerung ermöglicht es einem Bediener, mithilfe von Videorückmeldung und speziellen Schnittstellen die Kontrolle aus der Ferne zu übernehmen.
Dies ist besonders nützlich in:
- gefährlichen Umgebungen
- komplexen Situationen
- Übergangsphasen hin zu mehr Autonomie
In der Praxis kombinieren viele Systeme Autonomie und menschliche Überwachung.
Kartografie: Eine Darstellung der Welt erstellen
Bevor man sich intelligent fortbewegen kann, muss man zunächst den Raum verstehen.
Bei der Kartografie geht es darum, eine digitale Darstellung der Umgebung zu erstellen:
- zugängliche Bereiche
- feste Hindernisse
- Durchgangspunkte
Je nach Fall kann diese Karte im Voraus erstellt werden (statisch) oder kontinuierlich aktualisiert werden (dynamisch).
Auf dieser Grundlage kann die Maschine ihre Bewegungen planen.
Sensor-Fusion: Datenabgleich für mehr Zuverlässigkeit
Kein Sensor ist perfekt.
Eine Kamera kann durch Helligkeit beeinträchtigt werden, ein Lidar durch bestimmte Oberflächen, ein GPS durch die Umgebung.
Bei der Sensorfusion werden mehrere Quellen kombiniert, um eine zuverlässigere und umfassendere Wahrnehmung zu erzielen. Zum Beispiel:
Kamera und Lidar kombinieren, um Hindernisse besser zu erkennen
GPS und Inertialsensorik miteinander verknüpfen, um die Positionsbestimmung zu stabilisieren
Dies ist oft der entscheidende Unterschied zwischen einem System, das „im Labor“ funktioniert, und einem System, das in der Praxis wirklich robust ist.
SLAM: Sich orientieren und dabei Neues entdecken
SLAM (Simultaneous Localization and Mapping) ist ein besonders interessanter Ansatz.
Die Idee ist auf dem Papier einfach: Die Maschine erstellt ihre Karte und bestimmt gleichzeitig ihre Position darin.
Dies ist in folgenden Umgebungen unverzichtbar:
- unbekannte
- sich verändernde
- unstrukturierte
Diese Technologie findet sich in vielen konkreten Anwendungsfällen wieder, von mobilen Robotern über Drohnen bis hin zu bestimmten Industrieanlagen.
Standortbestimmung: genau wissen, wo man sich befindet
Eine autonome Maschine muss jederzeit wissen, wo sie sich befindet.
Dazu können verschiedene Technologien kombiniert werden:
- GPS oder GNSS zur Ermittlung der Gesamtposition
- Trägheitssensoren zur Verfolgung von Bewegungen
- Kameras oder Lidar zur Orientierung in der Umgebung
- Odometrie zur Messung von Wegstrecken
In industriellen Umgebungen wird es in der Regel vermieden, sich auf einen einzigen Sensor zu verlassen. Redundanz ist unerlässlich, um Genauigkeit und Robustheit zu gewährleisten.
Wahrnehmung: Daten mit Bedeutung füllen
Die Wahrnehmung ist oft der erste Baustein des Systems.
Konkret ist dies der Moment, in dem die Maschine Rohdaten in verwertbare Erkenntnisse umwandelt. Ein Bild wird zu einem Hindernis, eine Form zu einer Person, ein Bereich wird begehbar oder nicht.
Dies ist ein entscheidender Schritt: Ohne zuverlässige Wahrnehmung sind alle nachfolgenden Entscheidungen fragwürdig.
Wegplanung: Den richtigen Weg wählen
Sobald die Maschine ihre Umgebung wahrnimmt und weiß, wo sie sich befindet, muss noch entschieden werden, wie sie sich fortbewegen soll.
Bei der Wegplanung wird der optimale Weg berechnet, wobei folgende Faktoren berücksichtigt werden:
- Hindernisse
- die Karte
- die Fahrzeugbeschränkungen (Geschwindigkeit, Wenderadius, Stabilität…)
Es geht dabei nicht nur um Effizienz. Es ist auch eine Frage der Sicherheit und des reibungslosen Ablaufs der Vorgänge.
Auf dem Weg zu intelligenteren … und nützlicheren Maschinen
Was wir heute beobachten, ist nicht nur eine technologische Entwicklung, sondern ein Paradigmenwechsel.
Maschinen werden in der Lage sein:
- sich an ihre Umgebung anzupassen
- Bediener zu unterstützen, anstatt sie zu ersetzen
- die Sicherheit konkret zu verbessern
- die täglichen Abläufe zu optimieren
Bildverarbeitung und autonome Navigation sind keine experimentellen Themen mehr. Sie stehen bereits im Mittelpunkt zahlreicher Projekte, und ihre Bedeutung wird in den kommenden Jahren weiter zunehmen.
Das Verständnis dieser Konzepte, selbst auf einer einfachen Ebene, ermöglicht es bereits, die Herausforderungen – und vor allem die Chancen – besser zu erfassen.