DE202021100171U1 - Device for securing a surveillance area - Google Patents
Device for securing a surveillance area Download PDFInfo
- Publication number
- DE202021100171U1 DE202021100171U1 DE202021100171.2U DE202021100171U DE202021100171U1 DE 202021100171 U1 DE202021100171 U1 DE 202021100171U1 DE 202021100171 U DE202021100171 U DE 202021100171U DE 202021100171 U1 DE202021100171 U1 DE 202021100171U1
- Authority
- DE
- Germany
- Prior art keywords
- radial
- objects
- lidar sensor
- measuring points
- evaluation unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
- G01S17/32—Systems determining position data of a target for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated
- G01S17/34—Systems determining position data of a target for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated using transmission of continuous, frequency-modulated waves while heterodyning the received signal, or a signal derived therefrom, with a locally-generated signal related to the contemporaneously transmitted signal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/50—Systems of measurement based on relative movement of target
- G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Abstract
Vorrichtung (10) zum Absichern eines Überwachungsbereiches (16) mit
- wenigstens einem FMCW-LiDAR-Sensor (12) zum Aussenden von Sendelichtstrahlen (14, 14.1, 14.2, 14.3,14.n) in den Überwachungsbereich (16), zum Abtasten einer Vielzahl von Messpunkten (20, 20.1, 20.2, 20.3, 20.n) und zum Erzeugen von Messdaten (18) aus von den Messpunkten (20, 20.1, 20.2, 20.3, 20.n) remittiertem oder reflektiertem Sendelicht, sowie
- einer Steuer- und Auswerteeinheit (32) zur Auswertung der Messdaten (18) und zur Erzeugung eines sicherheitsgerichteten Signals basierend auf der Auswertung, dadurch gekennzeichnet, dass die Messdaten (18) Radialgeschwindigkeiten (vr n) der Messpunkte (20, 20.1, 20.2, 20.3, 20.n) umfassen, und die Steuer- und Auswerteeinheit (32) dazu ausgebildet ist, die Messpunkte (20, 20.1, 20.2, 20.3, 20.n) unter Verwendung der Radialgeschwindigkeiten (vr n) der Messpunkte (20, 20.1, 20.2, 20.3, 20.n) zu segmentieren und zu Objekten (22, 24, 26, 28, 30) und/oder Objektsegmenten (22.1, 22.2, 22.3, 24.1, 24.2, 24.3) zusammenzufassen.
Device (10) for securing a surveillance area (16).
- at least one FMCW LiDAR sensor (12) for emitting transmitted light beams (14, 14.1, 14.2, 14.3, 14.n) into the monitoring area (16), for scanning a large number of measuring points (20, 20.1, 20.2, 20.3, 20.n) and for generating measurement data (18) from the transmission light remitted or reflected by the measurement points (20, 20.1, 20.2, 20.3, 20.n), and
- A control and evaluation unit (32) for evaluating the measurement data (18) and for generating a safety-related signal based on the evaluation, characterized in that the measurement data (18) radial speeds (v r n ) of the measuring points (20, 20.1, 20.2 , 20.3, 20.n), and the control and evaluation unit (32) is designed to measure the measuring points (20, 20.1, 20.2, 20.3, 20.n) using the radial speeds (v r n ) of the measuring points (20 , 20.1, 20.2, 20.3, 20.n) and to combine them into objects (22, 24, 26, 28, 30) and/or object segments (22.1, 22.2, 22.3, 24.1, 24.2, 24.3).
Description
Die Erfindung betrifft ein System zum Absichern eines Überwachungsbereiches nach dem Oberbegriff von Anspruch 1.The invention relates to a system for securing a surveillance area according to the preamble of
Das primäre Ziel der Sicherheitstechnik ist, Personen vor Gefahrenquellen zu schützen, wie sie beispielsweise Maschinen im industriellen Umfeld darstellen. Die Maschine wird mit Hilfe von Sensoren überwacht, und wenn demnach eine Situation vorliegt, in der eine Person gefährlich nahe an die Maschine zu gelangen droht, wird eine geeignete Absicherungsmaßnahme ergriffen.The primary goal of safety technology is to protect people from sources of danger, such as those presented by machines in an industrial environment. The machine is monitored with the help of sensors, and accordingly, if there is a situation where a person threatens to come dangerously close to the machine, an appropriate safety measure is taken.
Häufig werden optoelektronische Sensoren wie Laserscanner oder 3D-Kameras für eine sicherheitstechnische Überwachung eingesetzt. In der Sicherheitstechnik eingesetzte Sensoren müssen besonders zuverlässig arbeiten und deshalb hohe Sicherheitsanforderungen erfüllen, beispielsweise die Norm EN13849 für Maschinensicherheit und die Gerätenorm IEC61496 oder EN61496 für berührungslos wirkende Schutzeinrichtungen (BWS). Zur Erfüllung dieser Sicherheitsnormen sind eine Reihe von Maßnahmen zu treffen, wie sichere elektronische Auswertung durch redundante, diversitäre Elektronik, Funktionsüberwachung oder spezielle Überwachung der Verschmutzung optischer Bauteile.Optoelectronic sensors such as laser scanners or 3D cameras are often used for safety monitoring. Sensors used in safety technology must work particularly reliably and therefore meet high safety requirements, for example the EN13849 standard for machine safety and the IEC61496 or EN61496 device standard for electro-sensitive protective equipment (ESPE). A number of measures must be taken to meet these safety standards, such as reliable electronic evaluation using redundant, diverse electronics, function monitoring or special monitoring of the contamination of optical components.
In der
Aus der
Die
Die
Die im Stand der Technik üblicherweise zur Objekt- und/oder Personendetektion verwendeten Bilderfassungssysteme, insbesondere Laserscanner und Kamerasysteme, weisen jedoch Nachteile auf, auf die im Folgenden näher eingegangen werden soll.However, the image acquisition systems usually used in the prior art for object and/or person detection, in particular laser scanners and camera systems, have disadvantages which will be discussed in more detail below.
Laserscanner oder LiDAR (Light Detection And Ranging) - Sensoren basieren meist auf einer direkten Lichtlaufzeitmessung. Hierbei wird ein Lichtpuls vom Sensor ausgesandt, an einem Objekt reflektiert und wieder vom Sensor detektiert. Die Laufzeit des Lichtpulses wird vom Sensor bestimmt und über die Lichtgeschwindigkeit im Propagationsmedium (in der Regel Luft) die Entfernung zwischen Sensor und Objekt geschätzt. Da die Phase der elektromagnetischen Welle hierbei nicht berücksichtigt wird, spricht man von einem inkohärenten Messprinzip. Bei einer inkohärenten Messung besteht die Notwendigkeit, Pulse aus vielen Photonen aufzubauen, um den reflektierten Puls mit ausreichendem Signal-Rausch-Verhältnis zu empfangen. Die Anzahl der Photonen innerhalb eines Pulses ist im industriellen Umfeld in der Regel durch den Augenschutz nach oben limitiert. In der Folge ergeben sich Abwägungen zwischen maximaler Reichweite, minimaler Remission des Objektes, Integrationszeit und den Anforderungen an das Signal-Rausch-Verhältnis des Sensorsystems. Inkohärente Strahlung bei gleicher Wellenlänge (Umgebungslicht) wirkt sich zudem direkt auf den dynamischen Bereich des Lichtempfängers aus. Beispiele für inkohärente Strahlung bei gleicher Wellenlänge sind die Sonne, ähnliche Sensorsysteme, oder das identische Sensorsystem über eine Mehrwegeausbreitung, also unerwünschte Reflexionen.Laser scanners or LiDAR (Light Detection And Ranging) sensors are mostly based on a direct time-of-flight measurement. A light pulse is emitted by the sensor, reflected on an object and then detected again by the sensor. The transit time of the light pulse is determined by the sensor and the distance between the sensor and the object is estimated via the speed of light in the propagation medium (usually air). Since the phase of the electromagnetic wave is not taken into account, this is referred to as an incoherent measuring principle. In an incoherent measurement, there is a need to build up pulses from many photons in order to receive the reflected pulse with a sufficient signal-to-noise ratio. In an industrial environment, the number of photons within a pulse is usually limited by eye protection. As a result, considerations arise between maximum range, minimum remission of the object, integration time and the requirements for the signal-to-noise ratio of the sensor system. In addition, incoherent radiation at the same wavelength (ambient light) has a direct effect on the dynamic range of the light receiver. Examples of incoherent radiation with the same wavelength are the sun, similar sensor systems, or the identical sensor system via multipath propagation, i.e. unwanted reflections.
Aus dem Stand der Technik bekannte Kamerasysteme basieren auf Messprinzipien wie beispielsweise der Stereoskopie oder der indirekten Lichtlaufzeitmessung. Bei der indirekten Lichtlaufzeitmessung wird die Phasendifferenz eines AMCW (Amplitude Modulated Continous Wave)-Sendesignals und dessen zeitlich verzögerter Kopie nach Reflektion mit einem Objekt bestimmt. Die Phasendifferenz entspricht der Lichtlaufzeit und kann über die Lichtgeschwindigkeit im Propagationsmedium in einen Distanzwert umgerechnet werden. Sowohl die Stereoskopie als auch die indirekte Lichtlaufzeitmessung sind ebenfalls inkohärente Messverfahren mit den oben genannten Nachteilen.Camera systems known from the prior art are based on measurement principles such as stereoscopy or indirect time-of-flight measurement. With indirect time-of-flight measurement, the phase difference between an AMCW (Amplitude Modulated Continuous Wave) transmission signal and its time-delayed copy is determined after reflection with an object. The phases difference corresponds to the transit time of light and can be converted into a distance value via the speed of light in the propagation medium. Both stereoscopy and indirect time-of-flight measurement are also incoherent measurement methods with the disadvantages mentioned above.
Millimeterwellenlängen Radarsensoren basieren auf einem frequenz-modulierten-Dauerstrich-Messprinzip (FMCW) und können unter Ausnutzung des Dopplereffekts auch Radialgeschwindigkeiten eines erfassten Objekts bestimmen. Der größte Nachteil von millimeterwellenlängen Radarsensoren im Vergleich zu optischen Technologien ist die deutlich größere Wellenlänge und die damit geringere räumliche Auflösung. Darüber hinaus beschränken regulatorische Bestimmungen die radiale Auflösung durch Beschränkung der Bandbreite und in einem MIMO (Multiple Input Multiple Output) - Radarsystem die Anzahl an verfügbaren virtuellen Antennen (Produkt aus der Anzahl der Sende- und Empfangsantennen) die Winkelauflösung. Geometrische physikalische Merkmale sind daher im Vergleich zu optischen Technologien bei der sicherheitsgerichteten Objekt- und/oder Personendetektion kaum nutzbar.Millimeter wavelength radar sensors are based on a frequency-modulated continuous wave (FMCW) measuring principle and can also determine the radial velocities of a detected object using the Doppler effect. The biggest disadvantage of millimeter wavelength radar sensors compared to optical technologies is the significantly longer wavelength and the resulting lower spatial resolution. In addition, regulatory requirements limit the radial resolution by limiting the bandwidth and in a MIMO (Multiple Input Multiple Output) - radar system the number of available virtual antennas (product of the number of transmitting and receiving antennas) the angular resolution. Compared to optical technologies, geometric physical features can therefore hardly be used for safety-related object and/or person detection.
Es ist daher Aufgabe der Erfindung, eine Vorrichtung zum Absichern eines Überwachungsbereiches mit einem optoelektronischen Sensor zu verbessern.It is therefore the object of the invention to improve a device for protecting a surveillance area with an optoelectronic sensor.
Diese Aufgabe wird durch eine Vorrichtung zum Absichern eines Überwachungsbereiches nach Anspruch 1 gelöst.This object is achieved by a device for securing a surveillance area according to
Die erfindungsgemäße Vorrichtung zum Absichern eines Überwachungsbereiches weist wenigstens einen optoelektronischen Sensor auf, der an einer Maschine oder ortsfest angeordnet sein kann.The device according to the invention for securing a monitoring area has at least one optoelectronic sensor, which can be arranged on a machine or in a stationary manner.
Erfindungsgemäß ist der optoelektronische Sensor als frequenz-modulierter-Dauerstrich (Frequency Modulated Continuous Wave, FMCW) - LiDAR-Sensor ausgebildet. Grundlagen der FMCW-LiDAR Technologie sind beispielsweise in der wissenschaftlichen Veröffentlichung „Linear FMCW Laser Radar for Precision Range and Vector Velocity Measurements“ (Pierrottet, D., Amzajerdian, F., Petway, L., Barnes, B., Lockard, G., & Rubio, M. (2008). Linear FMCW Laser Radar for Precision Range and Vector Velocity Measurements. MRS Proceedings, 1076, 1076-K04-06. doi:10.1557/PROC-1076-K04-06) oder der Doktorarbeit „Realization of Integrated Coherent LiDAR“ (T. Kim, University of California, Berkeley, 2019. https://escholarship.org/uc/item/1d67v62p) beschrieben.According to the invention, the optoelectronic sensor is designed as a frequency-modulated continuous wave (FMCW) LiDAR sensor. The basics of FMCW-LiDAR technology are described, for example, in the scientific publication "Linear FMCW Laser Radar for Precision Range and Vector Velocity Measurements" (Pierrottet, D., Amzajerdian, F., Petway, L., Barnes, B., Lockard, G. , & Rubio, M. (2008).Linear FMCW Laser Radar for Precision Range and Vector Velocity Measurements.MRS Proceedings, 1076, 1076-K04-06.doi:10.1557/PROC-1076-K04-06) or the doctoral thesis "Realization of Integrated Coherent LiDAR” (T. Kim, University of California, Berkeley, 2019. https://escholarship.org/uc/item/1d67v62p).
Im Gegensatz zu einem auf Lichtlaufzeitmessung von Laserpulsen basierenden LiDAR-Sensor sendet ein FMCW-LiDAR-Sensor keine gepulsten, sondern kontinuierliche Sendelichtstrahlen in den Überwachungsbereich aus, die während einer Messung, also einer zeitdiskreten Abtastung eines Messpunktes im Überwachungsbereich, eine vorgegebene Frequenzmodulation, das heißt eine zeitliche Änderung der Wellenlänge des Sendelichts, aufweisen. Die Messfrequenz liegt dabei typischerweise im Bereich von 10 bis 30 Hz. Die Frequenzmodulation kann beispielsweise als periodische Auf- und Abwärtsmodulation ausgebildet sein. Von Messpunkten im Überwachungsbereich reflektiertes Sendelicht weist im Vergleich zum ausgestrahlten Sendelicht einen Zeitversatz entsprechend der Lichtlaufzeit auf, die von der Entfernung des Messpunktes vom Sensor abhängt und aufgrund der Frequenzmodulation mit einer Frequenzverschiebung einhergeht. Im FMCW-LiDAR-Sensor werden ausgestrahltes und reflektiertes Sendelicht kohärent überlagert, wobei aus dem Überlagerungssignal die Entfernung des Messpunktes vom Sensor bestimmt werden kann. Das Messprinzip der kohärenten Überlagerung hat im Vergleich zu gepulsten oder amplituden-modulierten inkohärenten LiDAR Messprinzipien unter anderem den Vorteil einer erhöhten Immunität bezüglich Fremdlicht von beispielsweise anderen optischen Sensoren/Sensorsysteme oder der Sonne. Gegenüber Radarsensoren mit Wellenlängen im Bereich von Millimetern verbessert sich die Ortsauflösung, wodurch geometrische Eigenschaften einer Person messbar werden.In contrast to a LiDAR sensor based on time-of-flight measurement of laser pulses, an FMCW LiDAR sensor does not emit pulsed, but continuous transmitted light beams into the monitoring area, which during a measurement, i.e. a time-discrete scanning of a measuring point in the monitoring area, have a specified frequency modulation, i.e a change in the wavelength of the transmitted light over time. The measurement frequency is typically in the range from 10 to 30 Hz. The frequency modulation can be designed as periodic up and down modulation, for example. In comparison to the transmitted light emitted, the transmitted light reflected from measuring points in the monitoring area has a time delay corresponding to the light propagation time, which depends on the distance of the measuring point from the sensor and is associated with a frequency shift due to the frequency modulation. In the FMCW LiDAR sensor, emitted and reflected transmitted light are superimposed coherently, and the distance of the measuring point from the sensor can be determined from the superimposed signal. Compared to pulsed or amplitude-modulated incoherent LiDAR measuring principles, the measuring principle of coherent superimposition has the advantage, among other things, of increased immunity to extraneous light from, for example, other optical sensors/sensor systems or the sun. Compared to radar sensors with wavelengths in the millimeter range, the spatial resolution is improved, making it possible to measure a person's geometric properties.
Bewegt sich ein Messpunkt mit einer Radialgeschwindigkeit auf den Sensor zu oder vom Sensor weg, weist das reflektierte Sendelicht zusätzlich eine Dopplerverschiebung auf. If a measurement point moves towards or away from the sensor at a radial speed, the reflected transmitted light also shows a Doppler shift.
Diese Veränderung der Sendelichtfrequenz kann ein FMCW-LiDAR-Sensor bestimmen und daraus die Entfernung und die Radialgeschwindigkeit eines Messpunkts in einer einzigen Messung, also einer einmaligen Abtastung eines Messpunktes, bestimmen, während bei einem auf Lichtlaufzeitmessung von Laserpulsen basierenden LiDAR-Sensor für eine Bestimmung der Radialgeschwindigkeit wenigstens zwei Messungen, also zwei zeitlich beabstandete Abtastungen des gleichen Messpunktes, nötig sind.An FMCW LiDAR sensor can determine this change in the transmitted light frequency and use it to determine the distance and radial velocity of a measuring point in a single measurement, i.e. a single scan of a measuring point, while a LiDAR sensor based on the time-of-flight measurement of laser pulses is used to determine the Radial velocity at least two measurements, ie two time-spaced samples of the same measurement point, are necessary.
Bei zeit- und raumdiskreter Abtastung eines dreidimensionalen Überwachungsbereichs kann ein FMCW-LiDAR-Sensor folgende Messdaten erfassen:
Hierbei bezeichnen rj,k,l den Radialabstand, vr j,k,l die Radialgeschwindigkeit und lj,k,l die Intensität jedes raumdiskreten Messpunktes j, k mit zweidimensionaler, durch Azimutwinkel φ und Polarwinkel θ angegebener Position (φj, θk) für jede zeitdiskrete Abtastung l. Zur einfachen Lesbarkeit wird im Folgenden der Index n für eine einmalige zeitdiskrete Abtastung eines raumdiskreten, zweidimensionalen Messpunkts (φj, θk) im dreidimensionalen Überwachungsbereich verwendet.Here r j,k,l denote the radial distance, v r j,k,l the radial velocity and l j,k,l the intensity of each spatially discrete measuring point j, k with a two-dimensional position (φ j , θ k ) for each discrete-time sample l. For easy readability, the index n is used below for a one-off time-discrete sampling of a space-discrete, two-dimensional measurement point (φ j , θ k ) in the three-dimensional surveillance area.
Zur Auswertung der vom FMCW-LiDAR-Sensor erfassten Messdaten und zum Auslösen einer sicherheitsgerichteten Aktion basierend auf der Auswertung weist die erfindungsgemäße Vorrichtung eine Steuer- und Auswerteeinheit auf, die dazu ausgebildet ist, die Messpunkte unter Verwendung der ortsaufgelösten Radialgeschwindigkeit der Messpunkte zu segmentieren und zu Objekten und/oder Objektsegmenten zusammenzufassen. Als Objektsegmente sind dabei einzeln bewegliche Teile eines aus mehreren Teilen bestehenden Objektes zu verstehen, beispielsweise die Gliedmaßen eines menschlichen Körpers oder die Komponenten eines Roboterarms.To evaluate the measurement data recorded by the FMCW LiDAR sensor and to trigger a safety-related action based on the evaluation, the device according to the invention has a control and evaluation unit that is designed to segment and assign the measurement points using the spatially resolved radial velocity of the measurement points To summarize objects and / or object segments. Object segments are to be understood as meaning individually movable parts of an object consisting of several parts, for example the limbs of a human body or the components of a robot arm.
Die Erfindung hat den Vorteil, dass durch die Verwendung der ortsaufgelösten Radialgeschwindigkeit als zusätzlichem Parameter eine verbesserte Segmentierung der Messdaten möglich ist. Diese gilt insbesondere auch für bekannte Segmentierungsverfahren der digitalen Bildverarbeitung oder des maschinellen Sehens.The invention has the advantage that improved segmentation of the measurement data is possible through the use of the spatially resolved radial velocity as an additional parameter. This also applies in particular to known segmentation methods of digital image processing or machine vision.
Die Steuer- und Auswerteeinheit kann weiterhin dazu ausgebildet sein, Radialgeschwindigkeiten der Objekte und/oder Objektsegmente zu bestimmen und Merkmale der Objekte und/oder Objektsegmente zu extrahieren, die auf den Radialgeschwindigkeiten der Objektsegmente basieren. Bei den extrahierten Merkmalen kann es sich beispielsweise um statistische Maße wie Mittelwert oder Standardabweichung, um höhere Momente, oder Histogramme der Radialgeschwindigkeiten der Objekte und/oder Objektsegmente handeln, die charakteristisch für eine Objekt- und/oder Objektsegmentbewegung sein können.The control and evaluation unit can also be designed to determine radial velocities of the objects and/or object segments and to extract features of the objects and/or object segments that are based on the radial velocities of the object segments. The extracted features can be, for example, statistical dimensions such as mean value or standard deviation, higher moments, or histograms of the radial speeds of the objects and/or object segments, which can be characteristic of an object and/or object segment movement.
Vorteilhafterweise kann die Steuer- und Auswerteeinheit dazu ausgebildet sein, die auf den Radialgeschwindigkeiten der Objekte und/oder Objektsegmente basierenden Merkmale zu einer Klassifizierung der Objekte und/oder Objektsegmente zu verwenden. Durch diese zusätzlichen Merkmale ist eine verbesserte Klassifizierung der Objekte und/oder der Objektsegmente möglich.Advantageously, the control and evaluation unit can be designed to use the features based on the radial speeds of the objects and/or object segments to classify the objects and/or object segments. These additional features enable an improved classification of the objects and/or the object segments.
In einer Ausführungsform kann die Steuer- und Auswerteeinheit dazu ausgebildet sein, die Messdaten unter Verwendung der Radialgeschwindigkeiten der Messpunkte zu filtern. Somit kann bereits vor einer Segmentierung der Messpunkte der Rechenaufwand durch Datenreduktion vermindert werden. Eine Filterung kann beispielsweise dadurch erfolgen, dass Messpunkte mit einer Radialgeschwindigkeit kleiner, größer oder gleich einem vorgegebenen Schwellenwert verworfen und keiner weiteren Auswertung zugeführt werden. Beispielsweise können im Falle einer Antikollisionsfunktion Objekte und/oder Objektsegmente, die sich mit dem Sensor bewegen (vr = 0) oder sich vom Sensor entfernen (vr > 0), verworfen werden.In one embodiment, the control and evaluation unit can be designed to filter the measurement data using the radial speeds of the measurement points. Thus, the computing effort can be reduced by data reduction even before a segmentation of the measurement points. Filtering can be carried out, for example, by discarding measurement points with a radial speed that is less than, greater than, or equal to a predetermined threshold value and not feeding them to any further evaluation. For example, in the case of an anti-collision function, objects and/or object segments moving with the sensor (v r =0) or moving away from the sensor (v r >0) can be discarded.
Der FMCW-LiDAR-Sensor kann stationär angeordnet sein und einen vorgegebenen Überwachungsbereich abtasten. Vorzugsweise kann wenigstens ein weiterer FMCW-LiDAR-Sensor vorgesehen sein, der einen weiteren Überwachungsbereich abtastet, wobei sich die Überwachungsbereiche überlappen können. Dadurch können Abschattungen oder tote Winkel, in denen keine Objekterfassung möglich ist, vermieden werden. Werden zwei FMCW-LiDAR Sensoren orthogonal zueinander angeordnet, kann der eine FMCW-LiDAR Sensor die Tangentialkomponente des Geschwindigkeitsvektors eines Objekts des anderen FMCW-LiDAR Sensors bestimmen.The FMCW LiDAR sensor can be stationary and can scan a predetermined surveillance area. At least one further FMCW LiDAR sensor can preferably be provided, which scans a further monitoring area, in which case the monitoring areas can overlap. As a result, shadows or blind spots in which no object detection is possible can be avoided. If two FMCW-LiDAR sensors are arranged orthogonally to one another, one FMCW-LiDAR sensor can determine the tangential component of the velocity vector of an object of the other FMCW-LiDAR sensor.
Der FMCW-LiDAR-Sensor kann an einer Maschine angeordnet sein, insbesondere an einem führerlosen Fahrzeug (automated guided vehicle, AGV) oder an einem Roboter. The FMCW LiDAR sensor can be arranged on a machine, in particular on an automated guided vehicle (AGV) or on a robot.
Der Roboter kann sich als Ganzes in Bewegung befinden (mobile robot) oder Bewegungen mittels verschiedener Achsen und Gelenke durchführen. Der Sensor kann dann Bewegungen der Maschine mit vollführen und einen veränderlichen Überwachungsbereich abtasten.The robot can be in motion as a whole (mobile robot) or perform movements using different axes and joints. The sensor can then follow movements of the machine and scan a variable monitoring area.
Der Sensor ist vorzugsweise sicher im Sinne der einleitend genannten oder vergleichbarer Normen. Die Steuer- und Auswertungseinheit kann in den Sensor integriert oder daran angeschlossen sein, etwa in Form einer Sicherheitssteuerung oder einer übergeordneten Steuerung, die auch mit der Maschinensteuerung kommuniziert. Zumindest Teile der Funktionalität können auch in einem Remote-System oder einer Cloud implementiert sein.The sensor is preferably safe in the sense of the standards mentioned in the introduction or comparable ones. The control and evaluation unit can be integrated into the sensor or connected to it, for example in the form of a safety controller or a higher-level controller that also communicates with the machine controller. At least parts of the functionality can also be implemented in a remote system or a cloud.
Der Sensor kann vorzugsweise an oder in der Nähe von einem gefahrbringenden Maschinenteil angebracht, wie etwa einer Werkzeugspitze. Wenn es sich beispielsweise um einen Roboter mit vielen Achsen handelt, ist für den Sensor deren Zusammenspiel nicht relevant, da der Sensor einfach die resultierende Bewegung am Ort der Gefahr nachvollzieht.The sensor can preferably be attached to or near a hazardous machine part, such as a tool tip. For example, if it is a robot with many axes, their interaction is not relevant for the sensor, since the sensor simply follows the resulting movement at the location of the danger.
In einer Weiterbildung der Erfindung können mehrere optoelektronische Sensoren an der Maschine angebracht sein, um die Bewegung von beweglichen Teilen der Maschine zu bestimmen. Damit lassen sich auch komplexe Maschinen überwachen, bei denen eine punktuelle Bestimmung der Bewegung nicht ausreicht. Ein Beispiel ist ein Roboter mit mehreren Roboterarmen und eventuell Gelenken. Mindestens ein stationärer, also nicht mit der Maschine mitbewegter optoelektronischer Sensor, kann die Maschine zusätzlich beobachten.In a development of the invention, several optoelectronic sensors can be attached to the machine in order to determine the movement of moving parts of the machine. This means that even complex machines can be monitored for which a selective determination of the movement is not sufficient. An example is a robot with multiple robotic arms and possibly joints. At least one stationary optoelectronic sensor, i.e. one that is not moved with the machine, can also monitor the machine.
Die Erfindung wird nachstehend auch hinsichtlich weiterer Merkmale und Vorteile beispielhaft anhand von Ausführungsformen und unter Bezug auf die beigefügte Zeichnung näher erläutert. Die Abbildungen der Zeichnung zeigen in:
-
1 eine schematische Darstellung einer erfindungsgemäßen Vorrichtung mit einem stationär angeordneten FMCW-LiDAR-Sensor; -
2 ein Beispiel für eine Radialgeschwindigkeitsmessung mit einem FMCW-LiDAR-Sensor; -
3 ein Ablaufdiagram für eine beispielhafte erfindungsgemäße Verarbeitung von Messdaten eines FMCW-LiDAR-Sensors; -
4 ein beispielhaftes Ablaufdiagramm zur Überwachung einer Bewegung eines Roboters unter Verwendung einer erfindungsgemäßen Vorrichtung. -
5 ein beispielhaftes Ablaufdiagramm zur Kollisionsvermeidung unter Verwendung einer erfindungsgemäßen Vorrichtung. -
6 ein beispielhaftes Ablaufdiagramm zur Personenidentifikation unter Verwendung einer erfindungsgemäßen Vorrichtung.
-
1 a schematic representation of a device according to the invention with a stationary arranged FMCW-LiDAR sensor; -
2 an example of a radial velocity measurement with an FMCW LiDAR sensor; -
3 a flowchart for an exemplary inventive processing of measurement data from an FMCW LiDAR sensor; -
4 an exemplary flow chart for monitoring a movement of a robot using a device according to the invention. -
5 an exemplary flowchart for collision avoidance using a device according to the invention. -
6 an exemplary flowchart for personal identification using a device according to the invention.
Die von der Steuer- und Auswerteeinheit 32 empfangenen Messdaten Mn 18 des FMCW-LiDAR-Sensors 12 umfassen für jede zeitdiskrete Abtastung neben den Radialabständen rn und den Intensitäten In, also der remittierten oder reflektierten Sendelichtmenge, insbesondere die Radialgeschwindigkeiten vr n der Messpunkte 20.1, ..., 20.n, wobei mit Radialgeschwindigkeit vr n die Geschwindigkeitskomponente eines Messpunkts 20.1, ..., 20.n bezeichnet wird, mit der sich der Messpunkt 20.1, ..., 20.n auf den FMCW-LiDAR-Sensor 12 zu oder vom FMCW-LiDAR-Sensor 12 weg bewegt.The
Die Messdaten Mn 18 werden von einer Steuer- und Auswerteeinheit 32 ausgewertet, wobei die Steuer- und Auswerteeinheit 32 dazu eingerichtet ist, basierend auf der Auswertung ein sicherheitsgerichtetes Signal zum Auslösen einer sicherheitsgerichteten Aktion zu erzeugen. Bei der sicherheitsgerichteten Aktion kann es sich beispielswiese um die Aktivierung einer Warnleuchte 34 oder das Stoppen des Roboters 24 handeln. Im Ausführungsbeispiel ist die Steuer- und Auswerteeinheit 32 direkt mit der Warnleuchte 34 und dem Roboter 24 verbunden, löst also die sicherheitsgerichtete Aktion selbst aus. Alternativ kann die Steuer- und Auswerteeinheit 32 ein sicherheitsgerichtetes Signal über eine Schnittstelle 36 an eine übergeordnete Sicherheitssteuerung (nicht gezeigt) weitergeben, oder die Steuer- und Auswerteeinheit 32 kann selbst Teil einer Sicherheitssteuerung sein.The
In
Jeder Messpunkt mit einer Radialgeschwindigkeit von Null ist in der Regel einem statischen Objekt zugeordnet. Aufgrund der endlichen Objektausdehnung und der hohen räumlichen Auflösung des FMCW-LiDAR-Sensors wird praktisch jedes bewegte Objekt im Überwachungsbereich 16 wenigstens einen Messpunkt 20.1, ..., 20.n mit einer von Null verschiedenen Radialgeschwindigkeit vr n zum FMCW-LiDAR-Sensor 12 aufweisen. Daher lassen sich bereits mit einer Messung des FMCW-LiDAR-Sensors 12 statische und bewegte beziehungsweise in mobilen Applikationen sich entfernende oder nähernde Objekte unterscheiden. So können beispielswiese bei einer Antikollisionsüberwachung sich entfernende Messpunkte respektive sich entfernende Objekte verworfen werden. Durch eine entsprechende Datenreduktion werden Rechenaufwände bei der weiteren Auswertung der Messdaten Mn 18 reduziert.Each measurement point with a radial velocity of zero is usually associated with a static object. Due to the finite extent of the object and the high spatial resolution of the FMCW LiDAR sensor, practically every moving object in the surveillance area is 16 have at least one measuring point 20.1 , . . . Therefore, a measurement by the
Die Segmentierung 46 kann nach bekannten Verfahren der digitalen Bildverarbeitung beziehungswiese des maschinellen Sehens erfolgen, wie beispielsweise
- - Pixelorientierte Verfahren im Grauwertbild mittels Schwellenwert-Verfahren,
- - Kantenorientierten Verfahren wie dem Sobel- oder Laplace-Operator und einer Gradientensuche,
- - Regionenorientierte Verfahren wie „Region-Growing“, „Region-Splitting“, „Pyramid Linking“ oder „Split and Merge“,
- - Modellbasierte Verfahren wie bspw. die Hough-Transformation, oder
- - Texturorientierte Verfahren.
- - Pixel-oriented methods in the gray value image using threshold methods,
- - Edge-oriented methods such as the Sobel or Laplace operator and a gradient search,
- - Region-oriented methods such as "Region-Growing", "Region-Splitting", "Pyramid Linking" or "Split and Merge",
- - Model-based methods such as the Hough transformation, or
- - Texture-oriented methods.
Weiterhin sind unter dem Begriff „Range segmentation“ spezielle Verfahren zur Segmentierung von dreidimensionalen Datensätzen bekannt. Die „Range segmentation“ ist beispielsweise in den folgenden wissenschaftlichen Veröffentlichungen beschrieben:
- - „Fast Range Image-Based Segmentation of Sparse 3D Laser Scans for Online Operation“ (Bogoslavskyi et al., 2016 IEEE/RSJ International Conference on Intelligent Robots and Systems, DOI: 10.1109/IROS.2016.7759050)
- - „Laser-based segment classification using a mixture of bag-of-words“. (Behley et al., 2013 IEEE/RSJ International Conference on Intelligent Robots and Systems, DOI: 10.1109/IROS.2013.6696957)
- - „On the segmentation of 3d lidar point clouds“ (Douillard et al., 2011 IEEE International Conference on Robotics and Automation, DOI: 10.1109/ICRA.2011.5979818)
- - "Fast Range Image-Based Segmentation of Sparse 3D Laser Scans for Online Operation" (Bogoslavskyi et al., 2016 IEEE/RSJ International Conference on Intelligent Robots and Systems, DOI: 10.1109/IROS.2016.7759050)
- - "Laser-based segment classification using a mixture of bag-of-words". (Behley et al., 2013 IEEE/RSJ International Conference on Intelligent Robots and Systems, DOI: 10.1109/IROS.2013.6696957)
- - "On the segmentation of 3d lidar point clouds" (Douillard et al., 2011 IEEE International Conference on Robotics and Automation, DOI: 10.1109/ICRA.2011.5979818)
Durch die Verwendung der Radialgeschwindigkeit vr n zusätzlich zum Radialabstand rn und der Intensität In der Messpunkte 20.1, ..., 20.n kann die Segmentierung 46 der Messpunkte 20.1, ..., 20.n mit den oben aufgeführten Verfahren effizienter und genauer erfolgen. Beispielsweise können Messpunkte 20.1, ..., 20.n mit Radialgeschwindigkeiten vr n kleiner, größer oder gleich einem vorgegebenen Schwellenwert verworfen und keiner weiteren Auswertung zugeführt werden. Im Falle einer Antikollisionsfunktion können beispielsweise Messpunkte eines Objekts und/oder Objektsegments, die sich mit dem Sensor bewegen (vr = 0) oder sich vom Sensor entfernen (vr > 0), verworfen werden. Wird ein Objekt und/oder Objektsegment durch mehrere raumdiskrete Messpunkte abgetastet und sind die dazugehörigen Radialgeschwindigkeiten unterscheidbar, können statische und dynamische Objekte und/oder Objektsegmente unterschieden werden und so stationäre Objekte und/oder Objektsegmente wie Kisten 28, Böden 30 oder Wände bereits vor beziehungswiese während der Segmentierung 46 der Messpunkte 20.1, ..., 20.n verworfen und der Rechenaufwand durch Datenreduktion vermindert werden.By using the radial velocity v r n in addition to the radial distance r n and the intensity I n of the measurement points 20.1, and done more precisely. For example, measurement points 20.1, . . . In the case of an anti-collision function, for example, measurement points of an object and/or object segment that move with the sensor (v r =0) or move away from the sensor (v r >0) can be discarded. If an object and/or object segment is scanned by several spatially discrete measuring points and the associated radial velocities can be distinguished, static and dynamic objects and/or object segments can be distinguished and stationary objects and/or object segments such as
Im nächsten Schritt erfolgt eine Merkmalsextraktion 48 der während der Segmentierung 46 definierten Objekte 22, 24, 26, 28, 30 und/oder Objektsegmente 22.1, 22.2, 22.3, 24.1, 24.2, 24.3. Typische Merkmale, die bei der Verarbeitung der Messdaten aus den Objekten 22, 24, 26, 28, 30 und/oder Objektsegmenten 22.1, 22.2, 22.3, 24.1, 24.2, 24.3 extrahiert werden können, sind beispielsweise Breite, Anzahl der Messpunkte oder Länge des Umfangs der Objekte und/oder Objektsegmente, oder weitere Merkmale, wie sie beispielsweise in der wissenschaftlichen Veröffentlichung „A Layered Approach to People Detection in 3D Range Data“ (Spinello et al., Proceedings of the Twenty-Fourth AAAI Conference on Artificial Intelligence, AAAI 2010) beschrieben sind. Erfindungsgemäß können diese Merkmale um Merkmale, die auf den Radialgeschwindigkeiten der Objekte 22, 24, 26, 28, 30 und/oder Objektsegmente 22.1, 22.2, 22.3, 24.1, 24.2, 24.3 basieren, erweitert werden. Dazu werden zunächst Radialgeschwindigkeiten der Objekte und/oder Objektsegmente bestimmt, beispielsweise durch Anwendung trigonometrischer Funktionen auf die Radialgeschwindigkeiten der das jeweilige Objekt und/oder Objektsegment repräsentierenden Messpunkte. Als zusätzliche Objekt- und/oder Objektsegmentmerkmale können dann beispielsweise statistische Maße der Radialgeschwindigkeiten der Objekte und/oder Objektsegmente wie Mittelwert, Standardabweichung, höhere Momente oder Histogramme, welche charakteristisch für eine Roboter- und/oder Personenbewegungen sind, verwendet werden.In the next step, a
Nach der Merkmalsextraktion 48 erfolgt eine Klassifizierung 50 der Objekte 22, 24, 26, 28, 30 und/oder Objektsegmente 22.1, 22.2, 22.3, 24.1, 24.2, 24.3 mit bekannten Klassifizierungsverfahren wie beispielsweise Bayes-Klassifikatoren, Support Vector Machines oder künstlichen neuronalen Netzen. Im Rahmen der Klassifizierung wird der Merkmalsraum nach Gruppen von Merkmalen durchsucht, die ein Objekt definieren. Hierbei können die oben aufgeführten statistischen Maße der Radialgeschwindigkeit einzelner Objekte 22, 24, 26, 28, 30 und/oder Objektsegmente 22.1, 22.2, 22.3, 24.1, 24.2, 24.3 in Kombination mit a priori Informationen verwendet werden, um Merkmalsräume zu definieren, die beispielsweise Personen 22 und AGVs 26 aufgrund ihrer Radialgeschwindigkeit klassifizieren und somit unterscheiden können.After
Das Ergebnis der Klassifizierung 50 kann nach der Ausgabe 52 von der Steuer-und Auswerteeinheit 32 zur Erzeugung eines sicherheitsgerichteten Signals weiterverarbeitet werden oder über die Schnittstelle 36 an eine übergeordnete Steuerung (nicht gezeigt) weitergegeben werden.After the
- • Dewan, Ayush, et al. „Rigid scene flow for 3d lidar scans.“ 2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2016.
- • Liu, Xingyu, Charles R. Qi, and Leonidas J. Guibas. „Flownet3d: Learning scene flow in 3d point clouds.“ Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2019.
- • Dewan, Ayush, et al. "Rigid scene flow for 3d lidar scans." 2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2016.
- • Liu, Xingyu, Charles R. Qi, and Leonidas J. Guibas. "Flownet3d: Learning scene flow in 3d point clouds." Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2019.
ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of documents cited by the applicant was generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturPatent Literature Cited
- DE 102007007576 A1 [0004]DE 102007007576 A1 [0004]
- DE 19843602 A1 [0005]DE 19843602 A1 [0005]
- US 9804576 B2 [0006]US 9804576 B2 [0006]
- DE 102006048163 B4 [0007]DE 102006048163 B4 [0007]
Claims (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE202021100171.2U DE202021100171U1 (en) | 2021-01-15 | 2021-01-15 | Device for securing a surveillance area |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE202021100171.2U DE202021100171U1 (en) | 2021-01-15 | 2021-01-15 | Device for securing a surveillance area |
Publications (1)
Publication Number | Publication Date |
---|---|
DE202021100171U1 true DE202021100171U1 (en) | 2022-04-20 |
Family
ID=81452729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE202021100171.2U Active DE202021100171U1 (en) | 2021-01-15 | 2021-01-15 | Device for securing a surveillance area |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE202021100171U1 (en) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19843602A1 (en) | 1997-11-13 | 1999-05-20 | Werner Wolfrum | Processing unit movement detection for manufacturing process |
DE102007007576A1 (en) | 2007-02-15 | 2008-08-21 | Kuka Roboter Gmbh | Method and device for securing a working space |
DE102006048163B4 (en) | 2006-07-31 | 2013-06-06 | Pilz Gmbh & Co. Kg | Camera-based monitoring of moving machines and / or moving machine elements for collision prevention |
US9804576B2 (en) | 2013-02-27 | 2017-10-31 | Rockwell Automation Technologies, Inc. | Recognition-based industrial automation control with position and derivative decision reference |
-
2021
- 2021-01-15 DE DE202021100171.2U patent/DE202021100171U1/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19843602A1 (en) | 1997-11-13 | 1999-05-20 | Werner Wolfrum | Processing unit movement detection for manufacturing process |
DE102006048163B4 (en) | 2006-07-31 | 2013-06-06 | Pilz Gmbh & Co. Kg | Camera-based monitoring of moving machines and / or moving machine elements for collision prevention |
DE102007007576A1 (en) | 2007-02-15 | 2008-08-21 | Kuka Roboter Gmbh | Method and device for securing a working space |
US9804576B2 (en) | 2013-02-27 | 2017-10-31 | Rockwell Automation Technologies, Inc. | Recognition-based industrial automation control with position and derivative decision reference |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP4030188B1 (en) | Device and method for securing a surveillance area | |
EP3421189B1 (en) | Method for monitoring a machine | |
EP1788467B1 (en) | Safety device | |
EP1531343B1 (en) | Method for tracking objects | |
EP2937715B1 (en) | Optoelectronic sensor and method for detecting measurement information from a surveillance area | |
DE102010036775A1 (en) | Distance measuring optoelectronic sensor for mounting at a passage opening | |
EP3220164B1 (en) | Method for operating a distance measuring monitoring sensor and monitoring sensor | |
DE102017111885B4 (en) | Method and system for monitoring a machine | |
WO2017103255A1 (en) | Device and method for an unmanned flying object | |
DE102009034848A1 (en) | Optoelectronic sensor | |
DE102021100351A1 (en) | ADAPTIVE EXAMINATION FOR LIDAR-BASED GROUPING | |
WO2021213788A1 (en) | Method and device for identifying blooming in a lidar measurement | |
EP3663881B1 (en) | Method for controlling an autonomous vehicle on the basis of estimated movement vectors | |
DE102017217844A1 (en) | Method and a machine learning system for classifying objects | |
DE202021100171U1 (en) | Device for securing a surveillance area | |
EP2977786B1 (en) | Distance measuring sensor for detecting and ranging objects | |
EP3885787B1 (en) | Detection of distance measurement data | |
DE202019106569U1 (en) | security system | |
DE3930109C1 (en) | ||
DE202022104108U1 (en) | Device for detecting objects in a surveillance area | |
EP4310541A1 (en) | Device and method for detecting objects in a surveillance area | |
EP4310547A1 (en) | Device and method for detecting objects | |
DE202022104107U1 (en) | Device for detecting objects | |
EP3663800B1 (en) | Method for detecting objects using a 3d camera | |
EP4354174A1 (en) | Device and method for positioning an aircraft |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R207 | Utility model specification |