D'Elite VisionGuard — Visi Komputer dan Lokalisasi Objek

Visualisasi konseptual

Persepsi sebagai langkah pertama menuju tindakan

D'Elite VisionGuard adalah modul perangkat lunak visi komputer untuk mendeteksi objek target, memperkirakan posisinya, dan mengirimkan hasilnya ke aplikasi eksternal atau platform robotik.

Sistem ini dirancang berdasarkan pemrosesan gambar lokal, model deteksi yang dapat dipertukarkan, dan beberapa mode operasi: stereo, kamera tunggal dengan degradasi sensor, dan sumber NV/termal tambahan.

1

Satu modul - berbagai skenario praktis

Ilustrasi konseptual skenario VisionGuard: pengawasan lapangan, deteksi objek di gudang, dan inspeksi perimeter malam hari oleh robot. — Visualisasi konseptual dari berbagai skenario. Gambar-gambar ini bukan cuplikan dari uji coba VisionGuard.

Sektor pertanian
Deteksi burung di dekat tanaman dan penggunaan penolak hama non-kekerasan yang dipilih.

Robotika bergerak
Mengirimkan koordinat dan kejadian ke robot untuk memeriksa suatu area, menghindari rintangan, atau melanjutkan misi.

Pemantauan malam hari
Kemampuan untuk menghubungkan kamera penglihatan malam (NV), pencitra termal, dan pemicu IR untuk skenario cahaya rendah.

2

Bagaimana proses pengolahannya berlangsung?

Kamera-kamera tersebut mengirimkan gambar dengan cap waktu.
Model tersebut menemukan objek dari kelas yang dipilih dan memilih objek target.
Sepasang gambar stereo digunakan untuk memperkirakan koordinat; dengan kamera tunggal, hasil mono yang diberi label secara eksplisit akan dikembalikan.
Hasil dan status sensor tersedia bagi operator atau sirkuit otonom.

Validasi prototipe

Apa yang sudah terbukti dalam uji coba nyata

Risiko teknis untuk inti persepsi telah dimitigasi: akurasi jarak, pemilihan target yang tepat, dan kegagalan yang aman saat terjadi kehilangan video—persyaratan dasar bagi seorang pilot dalam skenario lapangan—telah dikonfirmasi menggunakan kamera langsung.

Ketepatan ±10 см Jarak ke objek tersebut bertepatan dengan pengukuran kontrol—KPI referensi untuk panduan dan pendekatan robot.

Memilih target Stabil Koordinat X berubah tanda saat bergerak ke kiri/kanan; ketika ada dua objek dalam bingkai, target yang lebih besar akan dipilih - perilaku yang dapat diprediksi untuk misi ini.

Toleransi kesalahan Aman dalam keadaan diam Jika kamera hilang, mode aman akan diaktifkan; setelah aliran kembali normal, pengoperasian dilanjutkan tanpa perlu memulai ulang sirkuit secara manual.

Untuk investor

Inti deteksi dan estimasi posisi sudah berjalan pada perangkat keras. Investasi lebih lanjut sedang dilakukan pada kalibrasi stereo, model target, dan integrasi dengan Lapisan Otonomi—bukan untuk mencoba mencari tahu apakah sistem ini berfungsi sama sekali.

Ketepatan tanpa tujuan

Jika objek keluar dari bingkai, sistem akan mengembalikan "tidak ada target", mempertahankan mode operasi dan tidak masuk ke mode idle aman palsu - mengurangi penghentian palsu pada pilot.

3

Sensor meningkatkan berbagai bagian sistem.

Stereo RGB
Dua kamera yang telah dikalibrasi menyediakan dasar untuk triangulasi dan koordinat dalam sistem yang sama.

NV dan pencitraan termal
Gambar tambahan dapat meningkatkan pengamatan dalam kondisi senja dan gelap.

Sensor IR
Berfungsi sebagai pemicu kehadiran atau pergerakan dan membantu menghindari menjalankan analisis lengkap secara tidak perlu.

Pengukur jarak laser
Dapat menentukan jarak ke objek yang menjadi sasaran pancaran sinar.

Dukungan logika sensor disediakan dalam inti perangkat lunak. Adaptor perangkat keras dan pengujian lapangan sensor tambahan dilakukan secara terpisah.

4

Menghubungkan dengan Lapisan Otonomi

VisionGuard melaporkan apa yang dilihat sistem. Lapisan Otonomi memutuskan bagaimana menjalankan misi tersebut.

Koneksi yang dimaksud: koordinat target dan status sensor dimasukkan ke sirkuit robot, yang memulai langkah misi, mencatat peristiwa, dan menerapkan kebijakan pemulihan kegagalan.

ROS 2 bridge dan kerangka kerja simulasi Autonomy Layer terpisah. Integrasi dengan VisionGuard dan platform fisika belum selesai.

Lihat Lapisan Otonomi

5

Tahapan implementasi

Fase 1Prototipe dan validasi dasarSaat ini

Status terkini: detektor tunggal, estimasi koordinat, dan pemrosesan kehilangan kamera; dikonfirmasi pemilihan target terbesar dan kesalahan jarak sekitar ±10 cm pada jarak target. Kalibrasi pasangan stereo dan pengukuran koordinat pada bangku uji.

Fase 2Model target dan sirkuit sensorik

Mengkonfigurasi model yang dapat dipertukarkan untuk kelas objek yang dipilih, menilai kualitas deteksi, dan menghubungkan sensor tambahan sesuai dengan skenario.

Fase 3Proyek percontohan integrasi

Transfer koordinat dan peristiwa ke Lapisan Otonomi, uji misi dalam simulasi, dan kemudian pada platform robotik yang dipilih.

Fase 4Pengujian lapangan dan penskalaan

Verifikasi akurasi dan ketahanan di lingkungan target, persiapkan implementasi yang dapat diulang untuk lokasi dan jenis peralatan baru.

Tahap saat ini

Prototipe dan peta jalan yang dapat diuji

Fase 1

Prototipe mono yang berfungsi telah melewati pemeriksaan koordinat dasar, pemilihan target, dan pemulihan kehilangan sinyal kamera. Langkah selanjutnya dalam Fase 1 adalah prototipe stereo yang dikalibrasi dengan pengukuran akurasi yang dapat direproduksi.