Optical Tracking - CNNLok

Optical Tracking - CNNLok

Auf einen Blick

CNNLok bietet eine kamerabasierte, infrastrukturlose Ortung von mobilen Objekten.

Mobile Rechner mit Kamera nutzen dazu bei CNNLok eine spezielle Deep Learning Architektur, um sich selbst in einer gelernten Umgebung zu lokalisieren. Dazu können einfache Android-Smartphones bis hin zu eingebetteten Rechnern mit mehreren Kameras genutzt werden. Durch kontinuierliches neues Erkunden der Umgebung und einem anwendungsspezifischen Bewegungsmodell werden so zuverlässige Positionen berechnet.

Die Technologie

Der Einsatz von CNNLok ist auch möglich, wenn die Umgebung sich verändert, beispielsweise wenn sich im Logistikbereich die Beladung von Hochregalen ändert. Auch die Ortung in Arealen, in denen Infrastruktur nicht angebracht werden kann, lässt sich erlernen. Im Gegensatz zu klassischen funkbasierten oder optischen Technologien ist für die Selbstortung keine Sensorinfrastruktur nötig. Auch müssen keine optischen Marker in der Umgebung angebracht werden, die andere selbstlokalisierende Systeme häufig benötigen. Allein die statischen Elemente in der vorhandenen Umgebung reichen aus, um Positionen zu berechnen. Dadurch ist CNNLok autark und sehr flexibel in verschiedenen Anwendungsbereichen einsetzbar.

Nachdem die technische Machbarkeit dieser Idee nun bestätigt wurde, arbeitet ein Team des Fraunhofer IIS an einer praktischen Lösung für CNNLok. Einige Hürden gilt es dabei noch zu lösen, doch die Entwicklung der selbstlernenden Technologie schreitet zügig voran.

© iStock
© Fotolia

Funktionsweise

Die mobile Recheneinheit nutzt ein neuronales Netz (Convolutional Neural Network), um anhand eines Kamerabildes die aktuelle Position zu errechnen. Initial wird automatisiert eine Datenaufnahme von tausenden Kamerabildern und zugehöriger Position aufgezeichnet. Ein bestehendes Netz wird anhand dieser Daten weiter trainiert, um es an die Zielumgebung anzupassen. Das fertige Netz wird auf den Zielplattformen genutzt, um die Positionen neuer Bilder zu bestimmen. Um die Degenerierung des Systems über die Zeit zu verhindern, werden kontinuierlich aktualisierte Informationen auf einer zentralen Recheneinheit gesammelt, das Netzwerk weiter trainiert und an die mobilen Rechner verteilt.

Systemkomponenten von CNNLok

Die mobile Recheneinheit ist typischerweise entweder ein einfaches Smartphone oder ein ARM- oder Intel-basierter Einplatinenrechner mit einer Standardkamera. Durch die hohe Flexibilität der Plattform sind viele Anwendungsszenarien möglich, die durch klassische, infrastrukturbasierte Lösungen nicht abgedeckt werden können. Angepasste Bewegungsmodelle und spezielle Vorverarbeitung der gesammelten Daten ermöglichen das Einpflegen neuer Daten in das bestehende Ortungssystem. Das kontinuierliche Weitererlernen der Umgebung ist eine sehr rechenintensive Aufgabe für das System, weshalb eine Kopplung, zum Beispiel per Netzwerk oder Dockingstation erforderlich ist. Je nach Dynamik des Areals ist zusätzlich ein zentraler Rechner mit starker Standard Deep Learning Hardware, wie Grafikkarten oder speziellen Vektorprozessoren, nötig. Er übernimmt die Aufgaben der mobilen Recheneinheiten, wenn diese beispielsweise geladen werden müssen. 

Anwendungen und Angebot

Mehrwert für Industrie

CNNLok bietet durch die autarke Eigenortung großes Potential bei der Optimierung von Abläufen in der Logistik, selbst bei dynamischen Umgebungen. Nachgelagerte Analyseanwendungen könnten die Lokalisierung nutzen, um beispielsweise den Warendurchsatz zu erhöhen.

Mehrwert für Indoor Lokalisierung

Für verschiedene Indoor-Anwendungen, die ohne Infrastruktur auskommen sollen und in einem dynamischen Umfeld angesiedelt sind, könnten sich mit Indoor Lokalisierung spezifische Lokalisierungslösungen entwickeln lassen. Beispielsweise können Navigationsdienste im Retail-Bereich ermöglicht werden, die rein lokal auf dem Smartphone ausgeführt werden können. 

Ihr Partner aus der Forschung

Für CNNLok wären etliche weitere Einsatzgebiete denkbar. Durch die Autarkie des ortenden Endgerätes, den Verzicht auf Ortungsinfrastruktur und die Toleranz von dynamischen Veränderungen eröffnen sich neue Möglichkeiten.

Gerne entwickeln wir CNNLok mit Ihnen weiter und passen die Technologie genau auf Ihre Wünsche und Anforderungen an.