Noch keinen Zugang? Dann testen Sie unser Angebot jetzt 3 Monate kostenfrei. Einfach anmelden und los geht‘s!
Angemeldet bleiben
Ausgewählte Ausgabe: 05-2017 Ansicht: Modernes Layout
| Artikelseite 5 von 6

AR-Unterstützung durch Steuerungshersteller

Hier wurde ein Testbild in verschiedenen Auflösungen mit unterschiedlichen JPEG-Kompressionsleveln kodiert und die resultierende Größe gemessen. Es gilt zu beachten, dass diese abhängig vom Inhalt des Bildes ist und die in Bild 5 dargestellten Werte lediglich als Tendenz zu interpretieren sind.
Allerdings nimmt die Kompression und die zugehörige Dekompression auf der empfangenden Seite selbst ebenfalls eine bestimmte Zeit in Anspruch. Je nach verfügbarer Bandbreite kann es also sinnvoll sein, Bilder vor der Übertragung auf dem Client (bzw. für den Rückweg auf dem Server) zu kodieren oder im Original-Format zu übertragen. Dies ist in Bild 6 exemplarisch für eine Übertragungsgeschwindigkeit von 300 Mbps dargestellt. Wie man der Grafik entnehmen kann, ist in diesem Szenario z. B. die Kompression eines Bildes mit 640 x 480 Pixeln mit einer JPEG-Qualität von 75 % schneller als die Übertragung des Original-Bildes.
Gerechnet wurde jeweils mit der Netto-Datenrate aus der Applikation. Bei der Übertragung selbst fallen je nach verwendetem Protokoll-Stack weitere Daten an. Um das Brutto-Datenaufkommen zu reduzieren, könnte zum Beispiel statt dem TCP-basierten WebSocket-Ansatz die UDP-basierte WebRTC-Technologie zum Einsatz kommen [8]. In einem ersten Prototyp, der auf Basis der vorgestellten Architektur implementiert wurde, wird für die einzelnen Kamera-Frames eine Ende-zu-Ende-Latenz (Kodierung auf dem Client, Übertragung an den Server, serverseitige Verarbeitung, Übertragung zurück an den Client) von ca. 50 ms erreicht [9]. Diese scheint zumindest für Endgeräte, die in der Hand getragen werden, akzeptabel, muss für den Einsatz mit HMDs jedoch noch weiter verbessert werden.

Bild 6 Auswirkungen von Kompression auf die Latenz bei einer Übertragungsgeschwindigkeit von 300 Mbps

Bild 6
Auswirkungen von Kompression auf die Latenz bei einer Übertragungsgeschwindigkeit von 300 Mbps

5 Fazit

Die in der vorliegenden Arbeit vorgestellte Architektur bemüht sich, der AR-Technologie den Einzug in die Industrie weiter zu erleichtern, indem sie Hindernisse wie zu leistungsschwache Endgeräte und Plattformabhängigkeit umgeht. Dies wird durch die webbasierte Auslagerung der recheninten- siven AR-Berechnungen auf einen Webserver erreicht. Produkte von Herstellern industrieller Automationsgeräte (insbesondere IPCs) bieten heute bereits die Voraussetzungen für das Hosting eines solchen Webservers.
Als kritischer Punkt wurde das Echtzeitverhalten identifiziert, auf das die Übertragung der Videobilder zwischen Server und Client einen massiven Einfluss hat. Das vom BMBF geförderte Projekt „proWiLAN“, in dessen Rahmen diese Forschungsarbeit entstanden ist, versucht, diesem Anspruch durch die Entwicklung einer neuen industriellen Funktechnologie gerecht zu werden [10], die neben anderen wichtigen Eigenschaften wie Zuverlässigkeit und Robustheit vor allem hohe Datenraten und geringe Latenzen bieten soll.

***
Danksagung:
Das diesem Bericht zugrundeliegende Vorhaben wurde mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen 16 KIS0 248 gefördert. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt bei den Autoren.

***
Literatur
[1] Azuma, R.: A Survey of Augmented Reality. Presence: Teleoperators and Virtual Environments 6 (1997) No. 4, pp. 355 – 385
[2] Robert Bosch GmbH, Automotive Aftermarket: Automechanika 2016: Bosch präsentiert intelligente Lösungen für die Werkstatt von morgen. Internet: http://www.bosch-presse.de/pressportal/de/automechanika-2016-bosch-praesentiert-intelligente-loesungen-fuer-die-werkstatt-von-morgen-54976.html, 09.08.2016. Zuletzt aufgerufen am 29.09.2016

Seite des Artikels
Autoren

M. Sc. Michael Schneider

Bosch Rexroth AG
Bgm.-Dr.-Nebel-Str. 2
97816 Lohr am Main
Tel.: 0 93 52/18–50 84
E-Mail: michael.schneider10@boschrexroth.de
www.boschrexroth.de

Prof. Dr. Didier Stricker

Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI)
Trippstadter Straße 122
67663 Kaiserslautern
Tel.: 06 31/2 05 75–35 00
E-Mail: didier.stricker@dfki.de
www.dfki.de

Verwandte Artikel

Bildverarbeitung im Automobilbereich boomt

Qualitätsprüfung von zylindrischen Blechteilen durch optische Inspektion

Automobilindustrie profitiert von Machine Vision

Wenn Bildverarbeitung und Pneumatik zusammenarbeiten