Autonome Transportfahrzeuge: Neue Hinderniserkennung für mehr Effizienz

Anbieter zum Thema

Heidrive GmbH

MPDV Mikrolab GmbH

aPriori Deutschland

Ein weitgehend autonomer Betrieb, wie er für PKW geplant ist, kann die Einsatzmöglichkeiten auch bei autonomen mobilen Robotern erweitern. Um den dazu notwendigen hohen Automatisierungsgrad zu erreichen, müssen die Herausforderungen bei anspruchsvollen Anwendungen mit mehreren Kameras bewältigt werden. Notwendig ist eine bessere Wahrnehmung der Umgebung durch Sensor-Kamera-Systeme. Wie dies sehr gelingen kann, zeigt ifm mit seiner O3R-Plattform.

Autonome Transportfahrzeuge kommen in der Intralogistik immer häufiger zum Einsatz. Diese können selbstständig Waren von Punkt A zu Punkt B transportieren. Die Vorteile liegen auf der Hand: Es wird weniger Personal benötigt und die Systeme können praktisch rund um die Uhr im Einsatz sein. In der einfachsten Version fahren sogenannte Automated Guided Vehicles (AGV) entlang fest definierter Wege, die beispielsweise durch optische, magnetische oder induktive Leitlinien im Boden definiert werden. Sensoren im AGV erkennen den Verlauf der Linie und der Steuerrechner sorgt dafür, dass sich das AGV entlang dieser Linie bewegt.

Roboter bieten mehr Flexibilität als autonome Transportfahrzeuge

AGV sind vergleichsweise einfach zu realisieren und schon seit Jahrzehnten in den unterschiedlichsten Anwendungen im Einsatz. Sie sind aber in ihren Möglichkeiten begrenzt und können beispielsweise keine alternativen Wege verwenden, die nicht mit entsprechenden Navigationslinien versehen sind. Eine deutlich höhere Flexibilität bieten sogenannte Autonome Mobile Roboter (AMR), deren Navigationsfähigkeiten wesentlich umfangreicher sind. Diese können alternative Fahrrouten nehmen und sind auch nicht an in den Boden eingelassene Linien gebunden.

Sicherheit ist ein Muss

Überall dort, wo AGV oder AMR zusammen mit Menschen gemeinsame Flächen benutzen, sind Sicherheitsvorkehrungen notwendig, die eine Gefährdung von Personen absolut zuverlässig verhindern. Hierzu sind praktisch in allen Fällen Sicherheits-Laserscanner in die Fahrzeuge integriert, die Hindernisse in Fahrtrichtung erkennen und das Fahrzeug sicher bis zum Stillstand abbremsen, um eine Kollision auszuschließen. Die Scanner sind so installiert, dass sie Hindernisse in rund 20 cm Höhe – also etwa auf Knöchelhöhe – erkennen.

Dies ermöglicht zwar einen sicheren Personenschutz, andere Hindernisse, die oberhalb oder unterhalb des Erfassungsbereichs des Scanners liegen, werden so aber nicht erkannt. Typische Kollisionen passieren daher zum Beispiel mit nicht vollständig geöffneten Rolltoren, Regalen, Absperrgittern, angehobene Zinken eines Gabelstaplers, Gitterboxen, Plattform-Steigern und ähnlichen Gegenständen, die oberhalb des Erkennungsbereichs liegen. Auch auf dem Boden befindliche Hindernisse werden nicht erkannt. Dies können beispielsweise Absätze und Stufen sein aber auch die bis zum Boden abgesenkten Zinken des Gabelstaplers oder eine leere Palette.

3D-Kameras bieten enorme Vorteile

Weitere Sensoren, die im AGV oder AMR verbaut werden, können die Sicherheit gegenüber Kollisionen deutlich verbessern. Letztendlich geht es darum, die Wahrnehmungsfähigkeiten der Fahrzeuge zu verbessern. Gleichzeitig muss die Steuerungssoftware in der Lage sein, die Daten zu verarbeiten, um so die passenden Aktionen auszuführen. Es können verschiedene physikalische Sensor-Prinzipien wie Ultraschall oder Radar verwendet werden, Kameras spielen aber beim Wahrnehmen der Umgebung eine wichtige Rolle. Insbesondere 3D-Kameras, die mit dem TOF-Verfahren zu jedem Bildpunkt auch eine Abstandsinformation ermitteln, bieten enorme Vorteile. In der Vergangenheit waren solche Kameras vergleichsweise teuer, und die Software zur Bildverarbeitung war anspruchsvoll und verlangte entsprechendes Know-how während der Entwicklung.

AMR statt autonome Transportfahrzeuge: Gesamte Umgebung lückenlos erfassen

Einen neuen Ansatz bietet das Perception-System O3R von ifm. Das Unternehmen, das 20 Jahre Erfahrung in der Entwicklung von 3D-Kameras auf TOF-Basis hat, stellt damit eine Hardware-Plattform zur Verfügung, die auf einer zentralen Video Processing Unit (VPU) basiert. An diese lassen sich über FPD-Link bis zu sechs Kameraköpfe verbinden. Zusätzliche Sensoren beispielsweise Radar oder Lidar können über eine Gigabit-Ethernet-Schnittstelle angeschlossen werden. Die Kameraköpfe können im Fahrzeug flexibel eingebaut und angeordnet werden. Somit lässt sich die gesamte Umgebung lückenlos erfassen. Da die Rechenleistung überwiegend von der VPU zur Verfügung gestellt wird, können die Kameras entsprechend einfacher ausgelegt und damit kostengünstiger angeboten werden. ifm bietet die passenden Kameras, die 3D-Sensoren oder eine Kombination aus 3D- und 2D-Sensoren mit verschiedenen Öffnungswinkeln und Auflösungen.

O3R-Plattform einfach in Robotik-Applikationen integrierbar

Die VPU der O3R-Plattform ist ein auf NVIDIA basierendes leistungsfähiges Linux-System. Da die Leistungsfähigkeit skalierbar ist, kann sie auf die jeweilige Applikation angepasst werden. Die meisten der auf der Plattform laufenden Anwendungen verwenden die sogenannte Sensordatenfusion, bei der Informationen aus der Kombination der Daten verschiedener Sensoren gewonnen wird. Mit diesen Informationen können dann AGV und AMR optimiert betrieben werden. Mit den verfügbaren ROS2-Treibern lässt sich das System einfach in Robotik-Applikationen integrieren. Sowohl für die Vorentwicklung als auch die Serienentwicklung stellt ifm umfangreiche Software-Tools sowie Entwicklungsplattformen zur Verfügung. Zugang erhalten Entwickler über die O3R-Website O3R.ifm.com sowie über Github.

System unterdrückt Artefakte

Um Anwendungen möglichst einfach umsetzen zu können, bietet ifm mit seinem Vision Assistant eine leistungsstarke Lösung, in der zahlreiche typische Aufgaben bereits fertig implementiert sind. Die Idee hinter dem ­Vision Assistant: möglichst viele Funktionen sollen durch einfache Parametrierung erledigt werden. Eine neue Funktion für die O3R-Plattform ist das Obstacle Detection System (ODS). Dieses erkennt Hindernisse, die sich auf dem Weg des AGV oder AMR befinden. Im Gegensatz zu einem einfachen Sicherheits-Laserscanner ist der Erfassungsbereich für autonome Transportfahrzeuge und Roboter aber nicht auf die Knöchelhöhe limitiert.

Der Algorithmus im ODS ist so konzipiert, dass er möglichst sicher und zuverlässig Objekte erkennt. Verwendet wird dabei ein sogenanntes Occupancy Grid, eine Art Schachbrettdarstellung der Umgebung mit Belegterkennung pro Schachfeld der Größe 5 x 5 cm, oder Zonen, in denen Bereiche in Form von Polygonen definiert werden können. Diese werden je nach Fahrtrichtung, Geschwindigkeit und Lenkbewegungen ­dynamisch angepasst, so wie man es etwa von Rückfahrkameras in PKW kennt.

Dazu ist eine Kommunikation zwischen O3R und der Fahrzeugsteuerung notwendig. Gleichzeitig wurde bei der Entwicklung Wert daraufgelegt, dass es möglichst nicht zu Fehlerkennungen kommt. Indem jedes Objekt mehrfach hintereinander erkannt werden muss, unterdrückt das System Artefakte, die durch Staub oder Dunst im Sichtfeld der Kamera entstehen könnten. Generell kann die Empfindlichkeit des Systems angepasst werden, um Fehlerkennungen zu vermeiden.

Der Autor Dr. Jörg Lantzsch ist Inhaber der Agentur Dr. Lantzsch in Wiesbaden.

Lesen Sie auch: Metallbalgkupplung für Hochgeschwindigkeitsanwendungen