Aufrufe
vor 2 Jahren

f+h fördern und heben 9/2018

  • Text
  • Heben
  • Foerdern
  • Fuh
f+h fördern und heben 9/2018

FORSCHUNG UND

FORSCHUNG UND ENTWICKLUNG 03 Kamera vom Typ „Visionary-T“. Der Sensor lieferte Daten zur Analyse und Weiterverarbeitung 04 Szenen aus dem virtuellen Lager, das am BIBA entwickelt wurde verschiedene Normen zur ergonomischen Gestaltung von Anzeigen sowie Studien aus dem Pkw-Bereich herangezogen und an Flurförderzeuge angepasst. Auf Basis des Konzepts erstellten die Projektpartner einen technischen Prototyp mit einer Steuerung und Anzeigen für nachfolgende Versuche. Dieses für den Assistenzsystem-Demonstrator entwickelte Modul entspricht noch nicht den Anforderungen eines industriellen Produkts, gibt jedoch wertvolle Einblicke in die Algorithmen und die Datenlage für einen weiteren Entwicklungs- und Evaluationsprozess. 03 In einem ersten Schritt wurden Gefahrensituationen für Personen im Umfeld von Flurförderzeugen analysiert und mit dem Ziel der Identifikation von Assistenzfunktionen ausgewertet. Auf dieser Basis erarbeiteten die Projektpartner ein Systemkonzept, das die zuvor identifizierten Assistenzfunktionen umsetzt. Zu diesem Zweck wurden die Anforderungen an das System spezifiziert und Testfälle zur Systemevaluierung konzipiert. Für die Evaluierung wurden simulierte und reale Sensordaten aus Feldversuchen verwendet. MENSCH-MASCHINE-SCHNITTSTELLE Von entscheidender Bedeutung für den Erfolg eines Assistenzsystems ist die Interaktion mit dem Fahrer über Mensch-Maschine- Schnittstellen. Diese sollen den Fahrer vor Personen im Arbeitsund Gefahrenbereich sowie möglichen Kollisionen warnen: über akustische, optische und haptische Signale, per Warnton, über Monitor bis hin zum Vibrations-Fahrersitz. Je nach Situation und Fahrzeugtyp sollen möglichst mehrere Sinne angesprochen werden können. Für die Gestaltung der Mensch-Maschine-Schnittstellen leistete das Projekt Prävision grundlegende Vorarbeiten: So entstand das Konzept eines multimodalen Anzeige- und Warnsystems (MMS- System) für einen Flurförderzeug-Fahrerarbeitsplatz. Das Konzept soll die Aufmerksamkeit des Fahrers gezielt auf eine Gefahrensituation lenken, ihm die Handlungsentscheidung erleichtern und ihn bei der Reaktionsauswahl unterstützen. Für das Konzept wurden SENSORTECHNIK Herz des Assistenzsystems ist der Sensor, eine 3D-Kamera aus dem Hause Sick. Am Flurförderzeug montiert, nimmt die Kamera permanent Bilder auf und liefert die Daten an das System. Dort geschieht die Fusion und Analyse der 2D- und 3D-Bilddaten, die beide von der Kamera aufgenommen werden. Zur Klassifikation und Extraktion von Personen wird u. a. ein Verfahren genutzt, das die 2D-Itensitätsbilder und 3D-Tiefenbilder miteinander verbindet. Tiefenbilder enthalten die Abstandsinformationen zu allen abgebildeten Objekten und Personen. Jedem Pixel im Intensitätsbild lässt sich über das 3D-Bild eine Distanzinformation zuordnen und so die Entfernung zum Flurförderzeug ablesen. „Wir werden die Erkenntnisse aus dem Projekt für die Weiterentwicklung der Sensorik sowie der Implementierung neuer Anwendungen für Flurförderzeuge verwenden. Vor allem die simulierten Sensordaten lassen sich für die Entwicklung echtzeitfähiger Algorithmen zur Objekterkennung von vielfältigen Objektklassen in intralogistischen Anwendungen nutzen“, so Dr. Anatoly Sherman, Head of Business Unit 3D Compact Systems, Product Management and Applications Engineering bei Sick. PERSONEN- UND KOLLISIONSERKENNUNG Eine Herausforderung lag in der Personen- und Kollisionserkennung. Dazu forschen das BIBA und sowie der Lehrstuhl fml der TUM. Beide entwickelten im Rahmen des Projekts die Algorithmen für die Software, welche die von der Kamera erhaltenen Daten ver­ 04 56 f+h 2018/09 www.foerdern-und-heben.de

FORSCHUNG UND ENTWICKLUNG arbeitet: Die Software wertet die Bilder aus und erkennt, ob sich ggf. Personen oder Gegenstände wie Regale und Paletten im Aktionsradius der Flurförderzeuge befinden. Das System erkennt dies u. a. mithilfe von Intensitäts- und Tiefenbildern sowie an den Bewegungsmustern der aufgenommenen Objekte und kann so Personen detektieren. „Aus diesen Daten und den daraus generierten Informationen kann das System lernen und wird so stetig klüger“, sagt Armin Lang, am Lehrstuhl fml der TUM für das Projekt Prävision verantwortlich und Experte für Kollisionserkennung. „Möglich macht dies ‚Deep Learning‘, eine Technik des maschinellen Lernens aus dem Bereich der Künstlichen Intelligenz“, ergänzt BIBA-Wissenschaftler Börold. „Bei den Labor- und Feldtests in diesem Projekt haben wir mit Deep-Learning-Methoden sehr gute Ergebnisse hinsichtlich der Erkennungsqualität erzielt.“ Vor allem zum Trainieren der Personenerkennung verwendete das BIBA simulierte Daten. SIMULATIONEN UND VERSUCHE Für die Simulationen entstanden am BIBA ein vollständiges virtuelles Lager und eine Simulationssoftware. So ließen sich z. B. Flurförderzeuge, Stückgüter und Regale sowie Personen abbilden. Die Feldversuche mit Kamerafahrten durch verschiedene Lager fanden anschließend bei Still statt. „Wir kennen die Zahlen zur Flurförderzeug-Unfallstatistik der DGUV sehr gut“, so Tino Krüger-Basjmeleh. Der Entwicklungsingenieur hat das Projekt seitens Still betreut. „Es ist eines unserer Ziele, die Arbeit mit Flurförderzeugen sicherer zu gestalten. Eine Lösung dafür sehen wir im Einsatz von Assistenzsystemen. Für uns bieten die in diesem Projekt konzipierten und entwickelten MMS-Systeme zur Interaktion mit dem Fahrer eines Flurförderzeugs großes Potenzial, Assistenzsysteme zu entwickeln. Zudem kann der Entwicklungsprozess von neuen, intelligenten Flurförderzeugen durch die Simulation unterschiedlicher Sensoren an unterschiedlichen Positionen an einem Flurförderzeug beschleunigt werden.“ Die Entwicklungen in der Automobiltechnik zeigen schon heute, was Assistenzsysteme im Straßenverkehr leisten können. „Das Projekt Prävision belegt nun beispielhaft, welch großes Potenzial die Logistikbranche in diesem Bereich noch birgt“, so die Überzeugung von BIBA-Leiter Professor Michael Freitag. „Angesichts der rasant fortschreitenden Entwicklungen auf dem Feld der Sensorik und der Bilderkennung sowie der zunehmenden Intelligenz und Lernfähigkeit technischer Systeme wird die Arbeit bei innerbetrieblichen Transporten auch in kleinen und mittleren Unternehmen schon in naher Zukunft spürbar sicherer werden können.“ Dafür bedürfe es jedoch weiterhin intensiver Forschungen mit dem Fokus vor allem auf die Entwicklung kostengünstiger, einfach zu handhabender, flexibler, robuster und zudem zeitnah zu realisierender Lösungen. Fotos: Aufmacherfoto, 04 BIBA, 01 – 03 Sick www.biba.uni-bremen.de Designed for Performance, Engineered for Excellence. Elatech.indd 1 31.07.2018 16:44:06 www.foerdern-und-heben.de f+h 2018/09 57

AUSGABE