Unsere Lösungen und Entwicklungen

D'Elite VisionGuard

Innovative Produkte und Technologien für Investoren und Partner

Konzeptuelle Visualisierung

Wahrnehmung als erster Schritt zum Handeln

D'Elite VisionGuard ist ein Softwaremodul für Computer Vision, das Zielobjekte erkennt, ihre Position schätzt und das Ergebnis an eine externe Anwendung oder Roboterplattform überträgt.

Das System ist auf lokale Bildverarbeitung, austauschbare Detektionsmodelle und mehrere Betriebsmodi ausgelegt: Stereo, Einzelkamera mit Sensorverschlechterung und zusätzliche NV/Wärmebildquellen.

1

Ein Modul – verschiedene Praxisszenarien

Konzeptuelle Darstellung von VisionGuard-Szenarien: Feldüberwachung, Objekterkennung im Lager und nächtliche Perimeterinspektion durch einen Roboter
Konzeptionelle Visualisierung von Szenarien. Die Bilder stammen nicht aus VisionGuard-Tests.
Agrarsektor
Erkennung von Vögeln in der Nähe von Anbauflächen und Einsatz ausgewählter gewaltfreier Abwehrmittel.
Mobile Robotik
Koordinaten und Ereignisse werden an den Roboter übermittelt, um einen Bereich zu überprüfen, einem Hindernis auszuweichen oder die Mission fortzusetzen.
Nachtüberwachung
Möglichkeit zum Anschluss einer Nachtsichtkamera, einer Wärmebildkamera und eines Infrarot-Triggers für Situationen mit schlechten Lichtverhältnissen.
2

Wie erfolgt die Verarbeitung?

  1. Die Kameras übertragen Bilder mit Zeitstempeln.
  2. Das Modell findet Objekte der ausgewählten Klasse und wählt das Zielobjekt aus.
  3. Ein Stereobildpaar schätzt die Koordinaten; bei Verwendung einer einzelnen Kamera wird ein explizit gekennzeichnetes Mono-Ergebnis zurückgegeben.
  4. Die Ergebnisse und der Status der Sensoren stehen dem Bediener bzw. dem autonomen Schaltkreis zur Verfügung.
Prototypenvalidierung

Was sich bereits in einem realen Lauf bewährt hat

Das technische Risiko für den Wahrnehmungskern wurde bereits minimiert: Entfernungsgenauigkeit, korrekte Zielauswahl und sicheres Abschalten bei Videoausfall – grundlegende Anforderungen an einen Piloten in Feldszenarien – wurden mithilfe einer Live-Kamera bestätigt.

Der funktionsfähige Monoprototyp hat die Labortests bestanden.

Nicht nur ein Konzept oder Präsentationsfolien: messbare KPIs mit einer einzigen Webcam. Der nächste Schritt in Phase 1 ist die Stereokalibrierung und ein reproduzierbares Genauigkeitssystem.

Genauigkeit ±10 см Der Abstand zum Objekt stimmte mit der Kontrollmessung überein – dem Referenz-KPI für die Führung und Annäherung des Roboters.
Auswahl eines Ziels Stabil Die X-Koordinate ändert ihr Vorzeichen bei einer Bewegung nach links/rechts; wenn sich zwei Objekte im Bild befinden, wird das größere Ziel ausgewählt - ein für die Mission vorhersehbares Verhalten.
Fehlertoleranz Sicherer Leerlauf Bei einem Kameraausfall wird ein Sicherheitsmodus aktiviert; sobald der Datenfluss wiederhergestellt ist, wird der Betrieb ohne manuelles Neustarten des Stromkreises fortgesetzt.
Für den Investor

Die Kernkomponente für Erkennung und Positionsbestimmung läuft bereits auf der Hardware. Weitere Investitionen fließen in die Stereokalibrierung, Zielmodelle und die Integration mit der Autonomieschicht – nicht in den Versuch, die Funktionsfähigkeit überhaupt zu testen.

Korrektheit ohne Zweck

Verlässt das Objekt den Bildausschnitt, gibt das System "kein Ziel" zurück, behält den Betriebsmodus bei und schaltet nicht fälschlicherweise in den Sicherheitsleerlaufmodus - weniger Fehlstopps im Pilotbetrieb.

3

Sensoren verbessern verschiedene Teile des Systems.

Stereo RGB
Zwei kalibrierte Kameras bilden die Grundlage für die Triangulation und die Koordinaten in einem gemeinsamen System.
Nachtsicht- und Wärmebildkamera
Zusätzliche Bilder können die Beobachtung in der Dämmerung und bei Dunkelheit verbessern.
IR-Sensor
Dient als Anwesenheits- oder Bewegungsauslöser und hilft, eine unnötige vollständige Analyse zu vermeiden.
Laser-Entfernungsmesser
Man kann die Entfernung zum Objekt festlegen, auf das der Strahl gerichtet ist.

Die Sensorlogik wird im Softwarekern unterstützt. Hardwareadapter und Feldtests zusätzlicher Sensoren werden separat durchgeführt.

4

Verbindung mit der Autonomieschicht

VisionGuard meldet, was das System sieht. Die Autonomieschicht entscheidet, wie die Mission ausgeführt wird.

Die beabsichtigte Verbindung: Zielkoordinaten und Sensorstatus werden an die Roboterschaltung übermittelt, die den Missionsschritt einleitet, Ereignisse aufzeichnet und eine Fehlerkorrekturstrategie implementiert.

Die ROS-2-Bridge und das Simulationsframework der Autonomieschicht sind voneinander getrennt. Die Integration mit VisionGuard und der Physikplattform ist noch nicht abgeschlossen.

Autonomieebene anzeigen
5

Implementierungsphasen

Phase 1Prototyp und grundlegende ValidierungAktuell

Aktueller Stand: Monodetektor, Koordinatenschätzung und Kameraverlustkompensation; bestätigter maximaler Zielauswahl- und Entfernungsfehler von ca. ±10 cm bei Zielentfernung. Stereopaarkalibrierung und Koordinatenmessung am Prüfstand.

Phase 2Zielmodelle und sensorische Schaltkreise

Konfiguration austauschbarer Modelle für ausgewählte Objektklassen, Bewertung der Erkennungsqualität und Anschluss zusätzlicher Sensoren je nach Szenario.

Phase 3Integrationspilot

Übertragen Sie Koordinaten und Ereignisse an die Autonomieschicht, testen Sie die Mission in der Simulation und anschließend auf der ausgewählten Roboterplattform.

Phase 4Feldtests und Skalierung

Überprüfen Sie Genauigkeit und Robustheit in der Zielumgebung und bereiten Sie eine wiederholbare Implementierung für neue Standorte und Gerätetypen vor.

Aktueller Stand

Prototyp und testbarer Fahrplan

Phase 1

Der funktionsfähige Mono-Prototyp hat die grundlegenden Tests zur Koordinatenbestimmung, Zielauswahl und Kompensation von Kameraausfällen bestanden. Der nächste Schritt in Phase 1 ist ein kalibrierter Stereo-Prototyp mit reproduzierbaren Genauigkeitsmessungen.

Wir laden Plattformen und Partner ein, Anwendungsszenarien aus den Bereichen Computer Vision und Robotik zu testen.

Besprechen Sie die Pilotfolge