Indoor-Ortung.de

Technik, Funktionen und Sinn

  • Location based services

    Die mobile Datenverarbeitung ist von einer Nischentechnologie zu einem globalen Business angewachsen. Dicht bevölkerte Gebiete sind nahezu komplett mit drahtlosen Netzwerken abgedeckt. Gleichzeitig werden mobile Endgeräte preiswerter und leistungsfähiger. Die integrierten Funktionalitäten nehmen mit jeder neuen Gerätegeneration zu. Allerdings beschränken sich diese Dienste meist nur auf die Kommunikation und die Funktionen innerhalb der Geräte. Ortsbezogene […]

    location-based-services
  • Kosten, Anwendungsanforderungen und Sicherheit

    Kosten Die anfallenden Kosten für die Anschaffung eines indoor–Ortungssystems beruhen hauptsächlich in der Aufwendung für die Infrastruktur, zusätzliche Bandbreite, Fehlertoleranz und Ausfallsicherheit und die Art der eingesetzten Technologie. Zusätzlich müssen die Installation und die Überprüfung des Systems während der Einrichtung mit in die Kostenrechnung einfließen. Sofern das neue indoor–Ortungssystem ein bestehendes Kommunikationssystem wieder verwenden kann, […]

    kosten
  • Indoor Ortung

    Indoor–Ortungsverfahren befinden sich auf einem „aufsteigenden Ast“. Allerdings fehlt es häufig an theoretischen und analytischen Grundlagen für eine Umsetzung einer Indoor-Ortung. Ein grundlegender Rahmen für den Systemaufbau und die Funktionen ist somit zwingend notwendig für den Erfolg und die Implementierung eines indoor–Ortungssystems. Es werden vier Bereiche betrachtet, die eine große Herausforderung und damit grundlegende Anforderung […]

    Indoor Ortung

Optische Ortungssysteme unterscheiden sich zum einen durch den Ortungsmodus (Selbst oder Fremdortung) und zum anderen durch die verwendete Technologie bzw. in das verwendete Verfahren (Algorithmus).

Bei der Selbstortung befindet sich das optische System auf dem zu ortenden Objekt. Dabei kann das mobile Objekt seine Position selbst aus den ermittelten Daten bestimmen (autonome Systeme) oder die Messdaten auch zur Verarbeitung an einen Server senden. Im Gegensatz dazu wird bei der Fremdortung das mobile Objekt anhand von in der Umgebung installierten optischen Systemen ermittelt. Bekanntes Beispiel ist eine Überwachungskamera, die Objekte in ihrem Sichtbereich verfolgen kann. Aus der Position der installierten Kamera lässt sich über entsprechende Bildverarbeitung die Position des beobachteten Objekts bestimmen.

Teilt man Ortungssysteme nach verwendeter Technologie ein, sind die gebräuchlichen Systeme Laser-, Infrarot- oder Kamera-basiert.

Laser können Entfernungen auch über größere Strecken mit Genauigkeiten im Millimeterbereich messen. Nachteil dabei ist allerdings der hohe Kostenaufwand und Energiebedarf. Einige sehr kostenaufwändige Fahrerlose Transport System (FTS) z.B. bei Flurfahrzeugen setzen solche Laser-gestützte Ortung ein. Wobei auch erheblicher Aufwand zur Modellierung bzw. Markierung der Umgebung betrieben werden muss und diese Systeme für ihren zuverlässigen Betrieb stark einschränkende Bedingungen an die Einsatzumgebung stellen. Laserbasierte Ortungssysteme haben daher für die kostensensitive Lagerlogistik kaum Bedeutung, sind aber in der genauen (geometrischen) Vermessung verbreitet.

Infrarot-Systeme zur Entfernungsmessung werden häufiger verwendet. Sie sind vergleichsweise kostengünstig und benötigen weniger Energie als Laser-basierte Systeme. Im Gegensatz dazu ist Infrarot nicht so genau, hat geringere Reichweiten und auch einen hohen Installationsaufwand, da in kurzen Distanzen alle Räume mit der speziellen Technik ausgestattet werden müssen. Ein bekanntes, auf Infrarot basierendes Indoor-Ortungssystem ist beispielsweise „Active Badge“. Dabei senden mobile Transponder periodisch eine individuelle Infrarot-Pulsfolge aus, die durch Infrastrukturempfänger in allen Räumen zur Positionsbestimmung der Badges ausgewertet werden – wobei in diesem System lediglich eine In-Range Auswertung innerhalb der Erfassungsdistanz (hier circa 6m) vorgenommen wird.

Eine interessante Variante der Infrarot-Ortung, die den Aufwand für die Infrastrukturausstattung erheblich vereinfacht, basiert darauf, das Infrarotsignal in die Umgebung (auf Decken oder Wände) zu projizieren. Eine Kamera erfasst dann die Projektion und anhand des aufgenommenen Bildes und der Anordnung der projizierten Infrarotpunkte lässt sich die Position des mobilen Objektes bestimmen. Dazu muss entweder die Position der Aufnahmekamera oder die des Infrarotsenders (bzw. der projizierten Infrarotpunkte) bekannt sein.

Kamerabasierte Ortung

Neben solchen projizierten Markern werden auch spezielle Schilder wie z.B. 2D-Barcodes eingesetzt, um bei der optischen Ortung über Auswertung von Kamerabildern eindeutige Referenzpositionen zu erhalten.

Bei den Algorithmen werden häufig Fingerprinting-Verfahren oder optischer Fluss benutzt, um die Position des Objekts zu bestimmen. Beim Fingerprinting-Verfahren können in der Umgebung ohnehin vorhandene und vorab gelernte charakteristische Muster genutzt werden, die sich im Kamerabild wiedererkennen lassen. In der Lagerlogistik werden dazu aber meist spezielle Marker an Wänden oder Decken angebracht. Dabei muss die Position der Marke bekannt sein, diese kann entweder direkt in der Marke codiert sein oder in einer Datenbank hinterlegt werden. Erfasst eine Kamera eine der Marken, lässt sich mittels Bildanalyse die Marke identifizieren und über die relative Lage die Position des Objekts bestimmen. Nachteil dieses Verfahrens ist der Installationsaufwand und die genaue Einmessung der Marken als Referenzpositionen. Vorteilhaft ist die sehr genaue Positionsbestimmung.

Um über den optischen Fluss eine Position zu ermitteln, wird die von der Kamera aufgenommene Bildverschiebung analysiert und in relative Bewegung des Objektes umgerechnet. Der Vorteil ist der geringe Installationsaufwand, da Flusserkennung oft auch ohne spezielle Marker möglich ist. Nachteilig sind hingegen der hohe Rechenaufwand zur Analyse des optischen Flusses, sowie die Schwierigkeit, aus den ermittelten Relativbewegungen auf absolute Positionen zu schließen, hierzu sind zudem zusätzliche Stützpunkte erforderlich.

Ein wesentlicher Aspekt der Forschung zur optischen Indoor-Ortung sind Bildanalyse-Verfahren, die ganz ohne solche Marker oder zumindest mit deutlich weniger Markern als Stützpunkte auskommen und somit den Installationsaufwand senken. Dabei liefert ein optisches System Informationen über die Umgebung und versucht, charakteristische Merkmale zu erkennen, anhand derer die genaue Position bestimmt werden kann. Solche Systeme sparen zwar die Installation der Marker ein, müssen vorher aber auf die speziellen Charakteristiken der Umgebung trainiert und eingemessen werden. Durch neuronale Netze ist es aber möglich, die Systeme teilweise selbst lernen zu lassen.

Neben den Kosten für die Montage und Einmessung der optischen Marker fallen weitere Kosten für Kameras und Rechner-Infrastruktur an. Dabei ergeben sich zwei Entwurfsmöglichkeiten:

  • Bei der serverseitigen Berechnung werden die auf den mobilen Einheiten erfassten
    Kamerabilder über breitbandige Kommunikation an einen Server gesendet und dort zentral
    die Bildanalysen durchgeführt. Da dies starke Einschränkungen an die Skalierbarkeit bedeutet, die Kommunikationsbandbreite von WLAN für die parallelen Video-Datenströme vieler Kameras nicht ausreicht und breitbandige Kommunikationslösungen wenig Verbreitung
    haben bzw. sehr kostenintensiv sind, wird üblicherweise aber die clientseitige Berechnung gewählt.
  • Dabei führt jede mobile Einheit (Client) die Bildanalyse lokal durch, was jeweils leistungsfähige Hardware und entsprechende Aufwände erfordert.

Eine wesentliche Herausforderung besteht ferner darin, dass die erforderlichen, komplexen Algorithmen zur Bildverarbeitung noch nicht den erwünschten Grad an Praxistauglichkeit erreichen und beispielsweise mit dynamischen Änderungen in der Umgebung, wechselndem Lichteinfall oder auch Staubablagerungen Schwierigkeiten haben. Auch können in der industriellen Praxis Vibrationen (z.B. bei Kamerasystemen auf den Gabelstaplern) die zuverlässige Bilderfassung stören.

Stereoskopie

Ein Bereich, der ebenfalls noch viel Potenzial bietet, ist die Positionsbestimmung mittels Stereoskopie (räumliches Sehen). Hierfür nehmen zwei Kameras, die zueinander versetzt sind, dieselbe Szene auf. Auf Grund der Disparität gleicher Bildpunkte lassen sich Entfernungen abschätzen, die mit gegebenen 3D-Modellen der Umgebung vergleichen werden und so eine Positionsbestimmung erlauben. Vorteilhaft ist die Möglichkeit, über 3D-Umgebungsmodelle von aufwändigen Einmessungen und dynamischen Änderungen unabhängig zu werden. Nachteilig sind der fallweise sehr hohe Rechenaufwand der komplexen Algorithmen sowie die Erfordernis genauer 3D-Modelle.

Fazit

Indoor-Navigation mittels Bildanalysen ist noch ein recht neues Forschungsgebiet und die wenigen Systeme, die in der Praxis eingesetzt werden sind derzeit entweder durch die nötige Ausrüstung der Flurfahrzeuge mit Bildverarbeitungssystemen unwirtschaftlich teuer, nicht flexibel, kaum für verschiedenartige Umgebungen geeignet oder erreichen nicht die geforderten Genauigkeiten im Dezi- bis Zentimeterbereich. Auch die Flächendeckung kann bislang nicht oder nur mit hohem Aufwand erreicht werden, allerdings besteht hier großes Potential.