TU Chemnitz geeft machine vision boost

29/02/2016

Door Ad Spijkers

Onderzoekers van de TU Chemnitz presenteren op CeBIT 2016 software voor de ontwikkeling van het beeldverwerkingssystemen, ongeacht het operating systeem en de computerarchitectuur.


     

Machine vision is een van de belangrijkste technologieën van het Internet of Things. Maar de huidige systemen moeten het doen met de rekenkracht en energiebronnen van de betaande embedded en mobiele computersystemen. Hoewel de processoren steeds krachtiger, energetisch efficiënter en goedkoper worden en er intelligente algoritmes beschikbaar komen, werken onderzoekers van de Technische Universität Chemnitz aan het oplossen van een andere uitdaging.

Een obstakel voor de vestiging van kunstmatige visie is het feit dat elk probleem door uitgebreide ontwikkeling individueel moet worden opgelost. Synergieën tussen de verschillende toepassingen zoals de automatische passagierssluis op luchthavens en het bepalen van de wachtrij bij de supermarktkassa – kunnen momenteel niet worden gebruikt, ondanks de gelijkenis van de onderliggende algoritmen. De onderzoekers uit Chemnitz presenteren hun oplossing - een cross-platform computer vision framework (XPCV) - op de CeBIT in Hannover. Ze geven inzicht in de werking en de voordelen van de nieuwe software-omgeving.

XPCV

Het XPCV framework is software die een gemodulariseerde ontwikkeling van beeldverwerkingssystemen over de grenzen van het besturingssysteem en de computerarchitectuur mogelijk maakt. Een op een PC-systeem ontwikkeld systeem kan daardoor snel en zonder problemen worden overgebracht naar een embedded platform en bovendien op afstand worden geconfigureerd via een geïntegreerde communicatie-interface. Het aandeel van complexe ontwikkeling van communicatieprotocollen en op de hardware geoptimaliseerde algoritmen wordt hierbij tot een minimum beperkt.

Een intuïtieve grafische gebruikersinterface en een steeds groeiende bibliotheek van modules helpen ook beginners om de eerste functionerende beeldverwerkingssystemen te implementeren, bijvoorbeeld in combinatie met single board computers zoals de Raspberry Pi. Ervaren ontwikkelaars profiteren van de verbeterde mogelijkheden tot configuratie en parametrering en toetsing van het ontwikkelproces. Hierdoor kan deze software de ontwikkelingskosten en ‘time to market’ voor beeldverwerkingssystemen reduceren.

Hiermee wordt de weg vrijgemaakt voor toepassingen in markten zoals Smart Home, waar de prijs een belangrijke rol speelt. De onderzoekers verwachten dat machine vision daardoor ook zal aanslaan buiten het huidige kernmarkten: industriële automatisering en kwaliteitsborging.