Wärmebildkameras: Eine neue Art für Drohnen zu navigieren

Wenn's darum geht, herauszufinden, wo sich Sachen auf der Welt befinden, wie Rovers und Drohnen, müssen die wissen, wie schnell sie sich drehen und bewegen. Das nennt man Odometrie und ist echt wichtig. Du willst ja nicht, dass dein Pizza-Lieferdrohne sich verläuft, oder?

Traditionell benutzen diese Navigationsgeräte Gadgets, die Inertiale Messeinheiten (IMUs) genannt werden. Das sind wie kleine Sensoren, die den Geräten sagen, wie schnell sie unterwegs sind und in welche Richtung. Aber hier ist der Haken: IMUs können mit der Zeit ein bisschen mucken und dadurch Fehler bei den Messungen erzeugen. Um das zu vermeiden, kombinieren die Leute oft IMUs mit Kameras, um ein visuelles-inertiales Odometriesystem zu schaffen. Diese coole Kombination hilft den Geräten, auf Kurs zu bleiben.

#Die Herausforderung mit Kameras

Das Problem mit normalen Kameras, die bunte Bilder machen, ist, dass sie bei schwachem Licht nicht so gut klar kommen. Stell dir vor, du versuchst, ein Selfie in einem dunklen Raum zu machen; du würdest wahrscheinlich wie ein Geist aussehen. Das ist ein grosses Problem, wenn unsere kleinen Rovers oder Drohnen versuchen, sich im Dunkeln oder an Orten ohne gutes Licht zurechtzufinden.

Um dieses Problem anzugehen, fingen die Forscher an, über den Einsatz von Wärmebildkameras nachzudenken. Im Gegensatz zu normalen Kameras sehen Wärmebildkameras Wärme. Wenn deine Drohne also versucht, ihren Weg nachts zu finden, kann sie trotzdem "sehen", weil sie die Wärme der Dinge um sich herum wahrnimmt. Ausserdem sind sie normalerweise günstiger als hochauflösende Wärmebildkameras, was gut klingt.

#Datensammlung

Um das zum Laufen zu bringen, richteten die Wissenschaftler ein spezielles System ein, um Daten von einer Wärmebildkamera mit niedriger Auflösung zu sammeln. Stell dir eine Kamera vor, die auf einem Motor montiert ist und sich drehen kann, während sie Wärmebilder aufnimmt. Sie haben auch darauf geachtet, wie schnell sich die Kamera drehte. Diese Daten werden gesammelt, um einen Datensatz zu erstellen, der hilft, ein neuronales Netzwerk zu trainieren, das die Drehgeschwindigkeit aus dem, was die Kamera sieht, schätzt.

#Das neuronale Netzwerk

Jetzt fragst du dich vielleicht, was ist ein neuronales Netzwerk? Denk daran wie an ein Gehirn für Maschinen. Es lernt aus Beispielen, genau wie wir. In diesem Fall wurde ein kleines neuronales Netzwerk mit dem Datensatz von Wärmebildern und ihren entsprechenden Drehgeschwindigkeiten trainiert. Es nutzt diese Beispiele, um herauszufinden, wie man die Geschwindigkeit aus neuen Wärmebildern vorhersagt, die es noch nie gesehen hat.

#Mit dem Setup spielen

Um sicherzustellen, dass alles reibungslos läuft, wurden viele Tests durchgeführt. Sie schauten sich an, wie verschiedene Faktoren die Leistung des neuronalen Netzwerks beeinflussten. Eine der grossen Fragen war, wie die Anzahl der Frames – also wie viele Bilder die Kamera hintereinander aufnimmt – die Genauigkeit beeinflusste. Es stellte sich heraus, dass es für das Netzwerk schwer war, etwas Nützliches zu lernen, wenn zu wenige Frames verwendet wurden, wie wenn du versuchst, einen Film zu verstehen, nachdem du nur die ersten fünf Minuten gesehen hast.

Andererseits, wenn zu viele Frames verwendet wurden, könnte das Netzwerk überfordert werden und nicht richtig lernen. Nach einigen Versuchen und Fehlern wurde der sweet spot gefunden, der die Vorhersagen des Netzwerks viel genauer machte.

#Die Auswirkung der Kameragüte

Sie schauten sich auch an, wie die Qualität der Wärmebilder die Ergebnisse beeinflusste. Indem sie absichtlich die Bildqualität verringerten, fanden die Forscher heraus, dass es trotzdem die Drehgeschwindigkeit einigermassen gut vorhersagen konnte. Das ist grossartig, denn die Verwendung von Bildern niedrigerer Qualität bedeutet weniger Daten zu verarbeiten, was alles schneller und günstiger machen kann.

#Tests in der echten Welt

Um diese Theorie auf die Probe zu stellen, führten die Forscher Experimente in verschiedenen Umgebungen durch. Sie nahmen die Wärmebildkamera mit in unterschiedliche Einstellungen: ein Labor mit wenigen Ablenkungen und eine geschäftige Küche mit vielen bewegten Dingen. Sie probierten es sogar draussen aus, wo sie mit verschiedenen Wärmequellen wie der Sonne und Menschen umgehen musste.

Nachdem sie alle Daten gesammelt hatten, fanden sie heraus, dass das System ziemlich gut funktionierte! Die Vorhersagen waren genau genug, dass es sehr nützlich für reale Anwendungen sein könnte, wie zum Beispiel dabei zu helfen, dass Drohnen Bäume umfliegen oder Rovers durch unebenes Gelände geleitet werden.

#Open Source Datensatz

Und das Beste? Die Forscher haben sich entschieden, ihren Datensatz mit der Welt zu teilen. Das ist wie ein Stück Kuchen für alle übrig zu lassen – es hilft anderen, aus ihren Erkenntnissen zu lernen und könnte auch neue Ideen auf dem Gebiet anstossen.

#Fazit

Alles in allem ist die Verwendung von Wärmebildkameras zur rotatorischen Odometrie vielversprechend. Es eröffnet neue Wege für Roboter und Drohnen, sicher zu navigieren, selbst wenn das Licht ausgeht. Wenn die Technologie weiter voranschreitet, wer weiss? Vielleicht wird dein Pizza-Lieferdrohne eines Tages deinen Lieblingssnack bringen, ohne ins Schwitzen zu geraten, Tag oder Nacht.