Forscher entwickeln 3D-Sensorik für autonome Fahrzeug- und Roboter-Navigation

Selbstfahrende Autos und chirurgische Roboter werden routinemäßig durch Mischungen aus unterschiedlichen Reflexionseigenschaften geblendet. Diese Technologien geraten völlig durcheinander, wenn sie einem glänzenden metallischen Stoßfänger oder Körperflüssigkeiten wechseln.

Aktuelle 3D-Sensoren sind in der Regel so ausgelegt, dass sie entweder das eine oder das andere erfassen, und versagen, wenn sie gleichzeitig beide betrachten müssen.

Der neue Ansatz des Teams ermöglicht es Sensoren, Bilder schneller und mit schärferer Detailauflösung aufzunehmen, ohne durch trickreiche, reflektierende Oberflächen geblendet zu werden – unter Einsatz eines Laserscanners und einer Event-Kamera. „Der Mensch verfügt bereits über ein eingebautes 3D-Kamerasystem – das Stereovision unserer beiden Augen", sagte Florian Willomitzer, Associate Professor am Wyant College of Optical Sciences der University of Arizona. „Eines unserer Ziele ist es, Computern und Maschinen zu ermöglichen, dreidimensional besser zu sehen als jeder Mensch, was für eine Vielzahl technologischer Herausforderungen entscheidend ist, wie etwa die zuverlässige Navigation autonomer Fahrzeuge, präzise Führung während roboterassistierter Operationen oder verbesserte Sensorik in der industriellen Inspektion und der biomedizinischen Bildgebung", fügte Willomitzer hinzu.

Eliminierung massiver Hardware: Um die exakte

Eliminierung massiver Hardware: Um die exakte Form eines stark reflektierenden Objekts zu messen, wird typischerweise Deflektometrie eingesetzt.

Dabei wird ein bekanntes geometrisches Muster auf ein glänzendes Objekt projiziert, und seine dreidimensionale Form wird rekonstruiert, indem analysiert wird, wie sich das Muster auf der glänzenden Oberfläche verformt. Es gibt jedoch einen massiven Haken: Um komplexe Objekte zu messen, muss der die Muster projizierende Bildschirm enorm groß sein.

Automobilhersteller bauen in der Regel tunnelartige Strukturen mit Bildschirmen aus, die groß genug sind, um ein frisch lackiertes Fahrzeugchassis mittels Deflektometrie zu inspizieren. Diese Lösung ist statisch, extrem kostspielig und für einen Roboter, der sich in einem dynamischen Raum bewegt, völlig unpraktisch.

Einordnung fuer Autofahrer

Das Team aus Arizona hat einen einfachen Weg gefunden, die Hardware-Anforderungen drastisch zu reduzieren.

Statt einen riesigen Bildschirm zu errichten, auf den Licht auf ein glänzendes Objekt projiziert wird, warum nicht den Raum selbst als Bildschirm nutzen? „Wir können einen Laserscanner verwenden, um alles im Raum einzufangen, einschließlich aller darin befindlichen Objekte mit spiegelnden, glänzenden und matten Oberflächen sowie der matten Wände.

Anschließend trennen unsere Algorithmen die diffus ächen, und wir können schließlich alle gemessenen diffusen Teile der Szene als virtuellen Bildschirm für die Deflektometrie-Messung der spiegelnden Bereiche nutzen", erklärte Aniket Dashpute, Erster Autor der Studie.

Einordnung fuer Autofahrer

Geschwindigkeit durch neuromorphe Kameras: Die Kartierung eines Raumes ist fr eine statische Laborumgebung zwar geeignet, lst jedoch nicht das Problem eines sich schnell bewegenden autonomen Fahrzeugs oder eines sich bewegenden chirurgischen Instruments. Um dies praktikabel zu machen, haben das Team herkmmliche Kameras verworfen.

Herkmmliche Kameras erfassen eine Szene frame fr frame, hnlich einem Flipbuch. Die Forscher integrierten stattdessen eine neuromorphe Ereigniskamera, die nur nderungen der lokalen Helligkeit mit extrem hoher zeitlicher Auflsung erfasst.

Diese Eliminierung redundanter Daten ermglicht es der Technologie, hochauflsende 3D-Videos in anspruchsvollen Umgebungen mit variierenden Lichtverhltnissen und Oberflchenreflexionen leicht aufzunehmen. Das Prototypensystem erreicht eine bewegungsrobuste 3D-Verfolgung bei unglaublich hohen Bildraten.

Derzeit ist die Technologie auf eine

Derzeit ist die Technologie auf eine Tischkonfiguration in einem Labor der University of Arizona beschrnkt. Die Architektur ist jedoch grundlegend skalierbar.

Die Forscher sehen darin ein flexibles Konzept, das sich für ein breites Spektrum an 3D-Bildgebungsanwendungen eignet – äße während empfindlicher Operationen bis hin zur digitalen Vermessung ganzer Räume und Gebäude. Die Studie wurde in Nature Communications veröffentlicht.