Traverse für autonomes Heben

Wie gefährliche Hebevorgänge mit moderner Bilderkennungssoftware automatisiert werden.

Ausgangslage

Das Heben und Balancieren von schweren Lasten ist nicht nur zeitaufwendig, sondern birgt auch erhebliche Sicherheitsrisiken. Um Effizienz und Sicherheit zu steigern, hat Ludwig System die Ludwig-Traverse entwickelt. Diese ermöglicht es, Lasten per Funk in der Luft zu balancieren und präzise auszurichten. Derzeit muss die Traverse jedoch noch manuell befestigt werden. Um diesen Prozess weiter zu automatisieren, arbeitet Ludwig System an Lösungen, die eine automatische Befestigung der Traverse ermöglichen. Ein zentraler Bestandteil dabei ist die zuverlässige Erkennung und Ansteuerung der Anschlagspunkte. Unser Projekt fokussiert sich darauf, diese Anschlagspunkte mithilfe moderner Technologien zu identifizieren und der Traverse die Möglichkeit zu geben, sich automatisch auszurichten.

Zielsetzung

Das Ziel dieses Projekts ist es, geeignete Sensoren und Technologien zu identifizieren, die eine automatische Erkennung der Anschlagspunkte ermöglichen. Darüber hinaus sollen Methoden entwickelt werden, mit denen die Position dieser Anschlagspunkte präzise berechnet werden kann. Diese Erkenntnisse fliessen in die Entwicklung eines Prototyps ein, der die automatische Ausrichtung der Traverse und das sichere Greifen bzw. Anschlagen der Lasten demonstriert. Ein besonderer Fokus liegt dabei auf der Evaluierung und Anwendung von Algorithmen und Methoden aus der Bildverarbeitung.

Ergebnisse

Für die Messungen wurde eine Raspberry Kamera Model B 2.0 verwendet. Die Genauigkeit eines einzelnen Markers wurde überprüft und liegt innerhalb der akzeptierten Fehlerquote. Zudem wurde die Präzision bei der Berechnung des Anschlagpunktes mithilfe der vier Marker untersucht. Dabei wurde ein Marker in der Mitte platziert, der als Referenzwert diente, um die Ergebnisse zu validieren.

• Erkennung von Anschlagpunkten
• Ausgabe der Koordinaten des Anschlagpunktes relativ zur Kamera
• Ausgabe der Rotation der Last relativ zur Kamera
• Markierung der Anschlagpunkte
• Mindest FOV berechnet: 115°
• Mindest Resolution berechnet: 1920p x 1080p

Abschliessend lässt sich festhalten, dass die erzielten Ergebnisse die Grundlage für eine präzise und zuverlässige Erkennung von Anschlagpunkten schaffen. Die durchgeführten Messungen und Berechnungen zeigen, dass die verwendete Hardware und die angewendeten Methoden den Anforderungen entsprechen und eine hohe Genauigkeit gewährleisten können.

Technische Schlüsselbegriffe

• Fiducial Marker Markierungen, die speziell gestaltet sind, um von Kameras erkannt und für die Positionsbestimmung genutzt zu werden.
• Kamera Auflösung Die Anzahl der Pixel (Breite x Höhe), die eine Kamera erfassen kann und die einen direkten Einfluss auf die Bildqualität hat.
• OpenCV Eine Open-Source-Bibliothek für Computer Vision und maschinelles Lernen, die Funktionen zur Verarbeitung von Bildern und Videos bietet.
• AprilTag Ein speziell designter visueller Marker, ähnlich einem QR-Code, der für die präzise Erkennung und Positionsbestimmung entwickelt wurde. Jeder Tag enthält eine einzigartige ID und kann einfach von Kameras erfasst werden.
• AruCo Marker Eine Art von Marker, die mit OpenCV verwendet werden kann, um Kameras für Augmented Reality-Anwendungen oder Robotik zu unterstützen.
• Kamera Kalibrierung Der Prozess zur Korrektur von Verzerrungen in Bildern, um präzise geometrische Informationen zu erhalten.
• Posenschätzung Die Berechnung der Position und Orientierung eines Objekts relativ zur Kamera mithilfe von Markern oder Bilddaten.

Kund:in

LUDWIG SYSTEM GmbH & Co. KG
info@ludwigsystem.com
Reichenhaller Strasse 109
83435 Bad Reichenhall
Ludwig System

Team