KI-gestützte Tiefenerkennung mit nur einer Kamera
Traditionell kommen hierfür Laserscanner, LiDAR-Systeme oder Stereo-Kameras zum Einsatz. Diese Technologien liefern zwar präzise Ergebnisse, erhöhen jedoch die Hardwarekosten, den Integrationsaufwand und den benötigten Bauraum.
Eine interessante Alternative zeigt eine aktuelle Demonstration auf Basis des Qualcomm® QCS6490 Prozessors. Mithilfe des neuronalen Netzwerks MiDaS V2 wird aus dem Bild einer einzelnen Kamera eine Tiefenkarte erzeugt. Die Anwendung nutzt sogenannte Monocular Depth Estimation, also die Berechnung relativer Entfernungen aus nur einer Bildquelle.
Während die Kamera fortlaufend Bilder erfasst, verarbeitet das KI-Modell die Daten direkt auf dem Embedded-System. Das Ergebnis ist eine Tiefendarstellung der Szene, bei der nahe Objekte und weiter entfernte Bereiche unterschiedlich visualisiert werden. In der Demo erfolgt dies über eine Heatmap, bei der rote Bereiche kurze und blaue Bereiche größere Distanzen repräsentieren.
Der besondere Vorteil dieses Ansatzes liegt darin, dass keine zweite Kamera und keine zusätzliche Sensorik erforderlich sind. Die KI übernimmt die Interpretation der Bildinformationen und erzeugt daraus ein räumliches Verständnis der Umgebung.
Für Entwickler ergeben sich daraus interessante Möglichkeiten: Reduzierung der Hardwarekosten, Vereinfachung des Systemdesigns, geringerer Platzbedarf, Echtzeitverarbeitung direkt am Gerät, keine Abhängigkeit von Cloud-Diensten sowie verbesserte Energieeffizienz. Typische Einsatzgebiete finden sich in der Robotik, bei autonomen Fahrzeugen, in fahrerlosen Transportsystemen, in der industriellen Bildverarbeitung sowie in Sicherheits- und Überwachungssystemen. Überall dort, wo Maschinen ihre Umgebung erfassen und auf Veränderungen reagieren müssen, kann KI-gestützte Tiefenerkennung einen wichtigen Beitrag leisten.
Als Hardwareplattform kommt das MitySOM-QC6490 System on Module (SoM) von Critical Link zum Einsatz. Das Modul basiert auf dem Qualcomm® QCS6490 Prozessor und kombiniert leistungsfähige CPU-, GPU- und KI-Beschleuniger-Einheiten auf einer kompakten Embedded-Plattform. Dadurch können anspruchsvolle KI-Anwendungen direkt am Edge ausgeführt werden, ohne Daten zur Verarbeitung in externe Rechenzentren übertragen zu müssen.
Die genannten Anwendungsbeispiele verdeutlichen, wie moderne Edge-AI-Lösungen klassische Bildverarbeitung ersetzen können. Sie zeigen zugleich, welches Potenzial in der Kombination aus Embedded Computing und künstlicher Intelligenz für zukünftige industrielle Anwendungen steckt.
Technische Daten des MitySOM-QC6490Prozessor
Qualcomm® QCS6490 SoC
Qualcomm Kryo 670 CPU: 1× 2,7 GHz, 3× 2,4 GHz, 4× 1,9 GHz
Qualcomm Adreno 643 GPU
Qualcomm Adreno 633 VPU (Video Encode 4K30 / Decode 4K60)
Speicher
8 GB LPDDR5
256 GB Flash
SD/eMMC
EEPROM für Konfiguration
Spannungsversorgung
4 VDC Eingangsspannung
Optional: 3,75 V Batterie oder USB?C Power Delivery (PD)
Schnittstellen
2× PCIe Gen3 (1 x 1 lane, 1 x 2 lane)
1× eMMC (8-bit)
1× SD Card (4-bit)
5× MIPI x4 Input + DSI Output
USB 3.1 Gen2 mit DisplayPort
USB 2.0
14× I2C, 4 × I3C, 2 × I2S Audio
10× SPI, 10 × UART
1× 5 Lane QLINK
SLIMBus, SoundWire
Bis zu 67 GPIOs
Abmessungen: 45 mm× 45 mm
Zusätzlich verfügbar ist zudem ein Evaluation Kit.
Sie möchten KI-Anwendungen auf Basis des Qualcomm® QCS6490 evaluieren?
DSP Systeme GmbH unterstützt Sie bei der Auswahl geeigneter Hardwareplattformen, der Bewertung technischer Anforderungen sowie beim Einstieg in moderne Edge-AI-Projekte. Von der ersten Evaluierung bis zur Serienentwicklung begleiten wir Sie bei der Auswahl und Integration leistungsfähiger Embedded-Lösungen.
Categories: Allgemein
No Responses Yet
You must be logged in to post a comment.