Alle Episoden

Die Erfahrung zeigt: Oft macht in der Embedded-Imaging-Entwicklung erst der Versuch klug. Wenn es darum geht, Datenraten in einem System zu überprüfen, um unerwartete Peaks zu erkennen, kann ein serienbegleitendes Referenzsystem sehr hilfreich sein. Gerade wenn man eine feste Black-Box-ISP einsetzt, läuft man sonst Gefahr, sich Themen wie Kalibrierung/Farbechtheit, Korrektur von Lens Distortion, Latenz oder dem Vergleich von Bildoptimierungen zu spät zu widmen.

Manche Projekte benötigen eine High-Speed-Kamera mit sehr hohen Frameraten und geringer Latenz, andere setzen ganz andere Prioritäten. In dieser Folge diskutieren Stefan Schütz und Manuel Ott, wie reduzierte Frameraten die Bildqualität verbessern und gleichzeitig die Effizienz der Bildverarbeitung steigern können. Sie erörtern auch, wann ein von Anfang an flexibles System der Schlüssel zum Erfolg ist und welche technischen Kniffe dabei helfen können, die optimale Balance zwischen Geschwindigkeit, Latenz und Bildqualität zu finden.

Diese Episode dreht sich um nachgelagerte Bildverarbeitung und Bilderkennung bis hin zur Applikation und Fahrzeugintegration. Manche SoCs sind bereits für derartigen Einsatz vorbereitet und bringen bspw. eigene ISPs, Overlay-Engines und Encodierer mit. Stefan Schütz und Manuel Ott diskutieren die Vor- und Nachteile, die sie beim Einsatz von prominenten Beispielen in diversen Kundenprojekten kennengelernt haben.

Stefan Schütz und Manuel Ott haben in diesem Bereich Erfahrung mit ganz unterschiedlichen Technologien und ebenso vielfältigen Kunden. Sie diskutieren unter anderem die mögliche Eignung von integrierten ISP-Lösungen von Chipherstellern, die für manche Projekte schon alleine wegen der vorgegebenen Baugröße der kompakten Kameras alternativlos sind. Allerdings wird auch darauf hingewiesen, dass manche Lösungen oft nur begrenzt skalierbar sind, wenn man eine flexible Plattform benötigt, und wo hier ein Sweet Spot liegen könnte.

Stefan Schütz hat noch einmal Jan Sommer aus Solectrix’ Business Unit Medical zu Gast, um tiefer in die Welt der medizinischen Bildgebung einzutauchen. Wie kann man zum Beispiel mit sehr hoher Dynamik umgehen, wie sie im Körper durch zwangsweise sehr nahe Lichtquellen entsteht? Wie geht man mit Spiegelungen um, die etwa durch Operationsbesteck ausgelöst werden? Oder wie kann man trotzdem gezielt in dunklen Bereichen mehr Bildinformation durch mehr Kontrast rausholen?

Gastgeber Stefan Schütz begrüßt heute im Studio Jan Sommer aus der Business Unit Medical von Solectrix, um sich dem Thema medizinische Bildverarbeitung und dort üblichen Anwendungsfällen zu widmen. Neben der in anderen Bereichen üblichen Weißlicht-Bildgebung geht es hier unter anderem auch um die Fluoreszenz-Bildgebung, die spezielle Sensoren/Kameras benötigt, um den entsprechenden Spektralbereich zu erfassen.

Basierend auf Sensordaten sind in manchen Anwendungen Aktoren zeitlich extrem exakt anzusteuern, etwa in Industrieanlagen. Beispiele wären Förderbänder oder Laser-ablenkende Systeme, die schnelle Reaktionen und HighSpeed-Verarbeitung erfordern. Hier hat man harte deterministische Echtzeit-Anforderungen, so dass eine hochgenaue Synchronisierung über normale Standards hinaus notwendig ist. Stefan Schütz und Manuel Ott diskutieren unter anderem die Vorteile von schneller paralleler Signalverarbeitung in FPGAs.

Da eine KI in einem System wie eine Black Box agiert, ist es eine besondere Herausforderung, ihre Funktionalität im laufenden Betrieb zu überwachen. Stefan Schütz und Manuel Ott diskutieren Möglichkeiten, wie dies in einem Embedded-Vision-Projekt realisiert werden kann. Viele dieser Überlegungen wurden bereits für Anwendungen mit klassischer Bildanalyse auf Algorithmen-Basis verwendet und werden auch in Zukunft relevant bleiben.

Trainingsdaten sind das A und O bei KI-gestützten Anwendungen. Doch für viele Projekte gibt es keine kommerziell verfügbaren Datensätze, anhand derer man eine KI trainieren könnte. Oft müssen gewaltige Datenmengen erfasst werden, sodass man sich schon im Vorfeld Gedanken machen sollte, wie man mit möglichst wenig Aufwand an eine große Varianz an Szenen kommt. Und auch bildtechnische Vorüberlegungen können später viel Mehrarbeit ersparen.

Diesmal diskutieren Stefan Schütz und Manuel Ott, was man beim Implementieren einer KI in ein Bildgebungssystem beachten muss. Insbesondere geht es um die Frage, ob eine KI-basierte Bildanalyse immer die beste Wahl für ein Projekt darstellt, oder ob in manchen Anwendungsfällen nicht doch die klassische Bildanalyse mittels Algorithmen die besseren Ergebnisse liefern kann.