Skip to main content
Dieser Leitfaden behandelt Bereitstellung, Kalibrierung, Konfiguration und Ergebnisintegration der MRDVS-Algorithmen für Personen-, Lagerplatz- und Volumenerkennung. Der Algorithmus läuft auf der Kamera; die Algorithmus-Hostanwendung dient zur Konfiguration, für Upgrades und zur Ergebnisprüfung.
Algorithmusfirmware und Algorithmus-Hostanwendung werden projektbezogen geliefert. Bestätige vor dem Flashen der Algorithmusfirmware, dass auf der Kamera eine MDS-Firmwareversion läuft. Beschaffe ein Installationspaket, das zu Projekt und Kameramodell passt.

Unterstützter Umfang

Systemkomponenten

Algorithmen und Kameras

Produktinformationen findest du auf der Produktseite der 3D-Kamera S10.

Umgebung der Hostanwendung

Hardware- und Netzwerkbereitstellung

Kamera installieren

Verwende eine starre Halterung, um Bewegungen oder Vibrationen nach der Installation zu verhindern. Für die Personenerkennung wird normalerweise eine horizontale Installation oder eine Installation mit einem Winkel von höchstens 30° verwendet.
Beispiele für die Installation der Kamerahalterung

Geräte verbinden

1

Stromversorgung und Netzwerk verbinden

Versorge die Kamera mit einer geregelten 24-V-Gleichstromversorgung. Verwende ein Cat6A- oder Cat7-Kabel, um die Kamera mit einem Gigabit-Switch oder Controller zu verbinden.
2

Mehrere Kameras bereitstellen

Installiere jede Kamera in der im CAD-Plan angegebenen Höhe und Position. Verbinde alle Kameras über einen Gigabit-Switch und prüfe für jede Kamera Stromversorgung und Linkstatus.
3

Testziele vorbereiten

Platziere die zu erkennenden Personen, Paletten oder Güter vor der Kalibrierung der Extrinsik und der Konfiguration der Bereiche im Sichtfeld der Kamera.

Hostnetzwerk konfigurieren

Lege Hostcomputer und Kamera in dasselbe Subnetz. Das ursprüngliche Beispiel verwendet folgenden Plan:
1

Adaptereinstellungen öffnen

Öffne unter Windows Control Panel → Network and Sharing Center → Change adapter settings und wähle anschließend den mit der Kamera verbundenen Ethernet-Adapter aus.
2

IPv4 konfigurieren

Öffne Internet Protocol Version 4 (TCP/IPv4), wähle Use the following IP address und gib eine freie statische Adresse im Subnetz der Kamera ein.
3

Verbindung bestätigen

Speichere die Einstellungen, bestätige eine Gigabit-Verbindung und verwende die Hostanwendung, um die Kamera zu suchen oder zu öffnen.
Windows-Netzwerk- und Freigabecenter
Windows-Einstellungen für eine statische IPv4-Adresse
Lass die Firewall in einem Produktionsnetzwerk nicht deaktiviert. Wenn die Hostanwendung keine Verbindung herstellen kann, erstelle zuerst eine Regel für die erforderliche Anwendung oder den erforderlichen Port. Deaktiviere die Firewall vorübergehend nur in einem vertrauenswürdigen Debugging-Netzwerk und stelle den Schutz anschließend wieder her.

Software installieren und aktualisieren

Hostanwendungen installieren

  1. Beziehe die Kamera-Hostanwendung von der Seite Software-Downloads.
  2. Installiere die Kamera-Hostanwendung außerhalb des Systemlaufwerks.
  3. Kopiere die projektbezogen gelieferten Dateien der Algorithmus-Hostanwendung in den Ordner Tools unterhalb des Verzeichnisses der Kamera-Hostanwendung. Ersetze gleichnamige Dateien und doppelklicke anschließend auf die ausführbare Datei, um sie zu starten.
Installation der Kamera-Hostanwendung
Um nur die Algorithmus-Hostanwendung zu aktualisieren, ersetze ihre .exe-Datei durch die gelieferte Version.

Algorithmusfirmware aktualisieren

Die Kamera startet während des Flashens neu. Trenne weder Stromversorgung noch Netzwerk und schließe die Hostanwendung nicht. Das Paket muss zu Kameramodell, MDS-Firmwareversion und Projektalgorithmus passen.
  1. Starte LxCameraViewer.exe und öffne die Kamera.
  2. Wähle Basic tools → Function settings → Firmware upgrade.
  3. Wähle die gelieferte Datei des Erkennungsalgorithmus aus und wähle Run.
Wenn die Kamera nach dem Neustart wieder angezeigt wird, ist das Flashen abgeschlossen. Ein grüner Kamerahintergrund in der Algorithmus-Hostanwendung bedeutet, dass die Kamera verbunden und der Algorithmus verfügbar ist.

Algorithmus-Hostanwendung

Start und Status

Starte LxApplicationViewer.exe. Ein grünes Symbol in der Geräteliste zeigt eine verbundene Kamera an. Wähle ein Gerät aus, um zwischen RGB- und Punktwolkenansicht zu wechseln. Standardbenutzer können Ergebnisse anzeigen; Administratoren können Kamera- und Algorithmusparameter ändern.
Hauptfenster der Algorithmus-Hostanwendung

Grundlegende Werkzeuge

Statusleiste und Wiedergabe

Wenn sich der Status ändert, speichert die Software ein RGB-Bild und Punktwolkendaten. Wiedergabedaten werden nicht zwischen Algorithmen geteilt. Die Wiedergabezeit verwendet die interne Uhr der Kamera, nicht die Systemzeit des Hostcomputers. Wenn der Gerätehintergrund gelb ist oder grün ist, das Bild aber nicht aktualisiert wird, aktiviere die automatische Aktualisierung, um die Bildaufnahme fortzusetzen.

Extrinsikkalibrierung

Kamerakonfiguration

  1. Öffne Camera configuration. Setze vor der Kalibrierung x, y, z, roll, pitch und yaw auf 0 und wähle anschließend Save and send.
  2. Wähle Extrinsic calibration. Prüfe nach erfolgreicher Kalibrierung das Ergebnis im Parameterbereich.
Extrinsikkalibrierung für eine vertikale Installation

Referenz der Algorithmusparameter

Wähle nach jeder Änderung eines Algorithmusparameters Save and send. Behalte Filterparameter bei ihren Standardwerten, sofern ein Test vor Ort keine Anpassung erfordert.
Globale Konfiguration der Personenerkennung
Konfiguration des Personenerkennungsbereichs

Algorithmus bereitstellen

Wechsle in den Punktwolkenmodus und scrolle über den Bildbereich, um Punktwolkendaten anzuzeigen.

Personenerkennung

1

Horizontale Installation kalibrieren

Richte die X- und Y-Achsen an der Bodenpunktwolke aus. Die Z-Achse muss senkrecht zum Boden stehen und nach oben zeigen.
2

Globale Parameter festlegen

Öffne Human detection. Normalerweise muss nur Rotation detection festgelegt werden. Eine Drehung der Kamera im Uhrzeigersinn unterstützt 0°, 90°, 180° und 270°.
3

Erkennungsbereich erstellen

Wähle Add detection region, lege minimales und maximales X, Y und Z fest und verschiebe den Bereich über das Ziel. Im ursprünglichen Beispiel wird ein Bereich von 1000 × 1000 × 2000 mm verwendet.
4

Speichern und prüfen

Wähle Save and send, führe einen Test durch, bei dem eine Person den Bereich durchquert, und prüfe das Ergebnis in der Statusleiste oder der historischen Wiedergabe.
Der Nur-Tiefe-Modus meldet jedes Objekt im Bereich. Der Modus Semantik plus Tiefe meldet nur als Personen klassifizierte Cluster.

Lagerplatzerkennung

1

Kamera kalibrieren

Befolge das Verfahren zur Extrinsikkalibrierung. Richte X und Y am Boden aus und halte Z senkrecht und nach oben zeigend.
2

Globale Parameter konfigurieren

Lege Alignment check, Alignment angle und Minimum point count für den Standort fest. Aktiviere die Ausrichtungsprüfung, wenn die Ladung in einem definierten Winkel platziert werden muss.
3

Lagerplätze erstellen

Wähle im Punktwolkenmodus Add storage location, wechsle zur Draufsicht und drücke X, um das Zeichnen zu starten oder zu beenden. Ziehe das Rechteck über die Palette und passe die Grenzen für X, Y und Z an. Drücke erneut X, um den Zeichenmodus zu verlassen.
4

Speichern und prüfen

Wähle Save and send. Konfiguriere die Plätze im 2D-RGB- oder 3D-Punktwolkenmodus und prüfe Result in der Statusleiste.
Zeichnen eines Lagerplatzbereichs im Punktwolkenmodus
Verwende für ein regelmäßiges Layout Copy current box, um Plätze mit fester Richtung und festem Abstand zu erstellen. Wenn eine QR-Code-Prüfung erforderlich ist, verwende QR Code calibration, um Platzabmessungen und Tiefenbereich zu konfigurieren.

Volumenerkennung

1

Vertikale Installation kalibrieren

Die Volumenerkennung arbeitet von oben nach unten. Nach der Kalibrierung zeigt die Z-Achse nach unten und die X-/Y-Ebene ist parallel zum Boden.
2

Erkennungsebene festlegen

Lege die Erkennungsebene bei Gütern, die direkt auf dem Boden liegen, auf die Bodenhöhe. Um nur Güter auf einer Palette zu messen, richte die Ebene an der Punktwolke der Palette aus.
3

Mindestabmessungen und Bereich festlegen

Lege minimale Werte für X, Y und Z fest, um kleine Ziele zu filtern. Lege anschließend die Bereichsgrenzen anhand der Erkennungsebene und der Abmessungen der Ladung fest.
4

Speichern und prüfen

Wähle Save and send, platziere ein oder mehrere Objekte im Bereich und prüfe zurückgegebene Länge, Breite, Höhe und Anzahl.
Bodenerkennungsebene für die Volumenerkennung
Volumenerkennungsergebnis für ein einzelnes Objekt
Aktiviere für die Einzeltriggeraufnahme Trigger mode unter Volume detection und wähle Save and send. Wähle anschließend unter Basic tools Single trigger oder sende TM_TRIGGER über TCP oder UDP.

Kommunikationsschnittstellen

Die IP-Adresse in den Beispielen dient nur zur Veranschaulichung. Ersetze sie durch die Kameraadresse am Standort und prüfe vor der Integration in ein übergeordnetes System Netzwerk, Algorithmusstatus und Ergebnisformat.

Übertragungsmethoden

HTTP-Anfrage für Ergebnisse

Das übergeordnete System sendet eine Ergebnisanfrage an den Vision-Endpunkt, der eine JSON-Zeichenfolge zurückgibt. Verwende die mit dem Projekt gelieferte Anfrage-Header in deinem HTTP-Client sowie den folgenden Anfrage-Body.
string
Standard:"RESULT_UPDATE"
erforderlich
Löst die Rückgabe des aktuellen Algorithmergebnisses durch die Kamera aus.

Allgemeine Antwortfelder

string
erforderlich
IP-Adresse der Kamera, die die Daten erzeugt hat.
string
erforderlich
Kameraname; ändere ihn in der Kamerakonfiguration.
integer
erforderlich
Rückgabecode; 0 bedeutet Erfolg.
object
erforderlich
Statusobjekt, dessen Schlüssel die IDs der Erkennungsbereiche sind: 0 bedeutet kein Ziel, 1 bedeutet, dass eine Person erkannt wurde, und 2 bedeutet, dass ein Objekt nur anhand der Tiefenregel erkannt wurde.
string[]
Clusterdetails. Jedes Element ist eine JSON-Zeichenfolge, die erneut deserialisiert werden muss.
string
Zeitstempel der Personenerkennungsdaten.
string
Zeitstempel des Personenerkennungsergebnisses.
Clusterdetails enthalten rbx2d, rby2d, tlx2d und tly2d (Koordinaten der 2D-Box), semantic_index, traceID sowie x_min, x_max, y_min, y_max, z_min und z_max (Grenzen der 3D-Box).

Beispiel einer Antwort der Personenerkennung

Modbus TCP (Lagerplatzerkennung)

Ergebnisse werden nach Lagerplatz-ID geordnet; höchstens die ersten 16 Plätze werden zurückgegeben.

Vierten Lagerplatz lesen

Das folgende Beispiel verwendet die Transaktions-ID 0x0001, um ein Holding-Register an Adresse 0x0104 zu lesen. Die Antwort enthält den Status 0x0002.

Fehlerbehebung