Die Entwicklungen in der LiDAR-Technologie haben eine ganz neue Welt an Anwendungsfällen eröffnet. Mit der Möglichkeit, anonymisierte Entfernungsinformationen als Punktwolken zentimetergenau zu erfassen, entstehen spannende Perspektiven für Echtzeit-Überwachung und -Analysen. Normalerweise erfassen LiDAR-Sensoren ihre gesamte Umgebung und geben die komplette Punktwolke der Szene aus, bevor eine Datenverarbeitung erfolgt. Diese unverarbeiteten Punktwolken sind zwar extrem wertvoll, verursachen jedoch einen hohen Aufwand für Übertragung, Speicherung und Analyse – insbesondere bei der LiDAR-Datenübertragung über 5G und anderen Funknetzen.
On-Device-Vorverarbeitung ermöglicht Bewegungserkennung
Blickfeld begegnet diesem Problem mit einem On-Device-Vorverarbeitungsalgorithmus, der Bewegungserkennung direkt im Sensor ermöglicht. Hierbei wird der statische Hintergrund mit dem im LiDAR integrierten Hochleistungs-SoC abgezogen, sodass bereits früh in der Verarbeitungspipeline dynamische Objekte identifiziert und eine vorverarbeitete Punktwolke erzeugt wird. Diese Form des Edge Processing für LiDAR-Sensoren erlaubt eine drastische Reduzierung der zu übertragenden Datenmenge – in statischen Szenen sogar um mehr als 98 %. Konkret werden die Datenpunkte von über 8800 auf etwa 163 reduziert, was Speicher- und Übertragungszeit linear verkürzt und drahtlose Anwendungen wie über LTE/5G erheblich entlastet.
Diese effiziente Datenreduktion macht LiDAR-Sensoren besonders geeignet für Anwendungen, die bewegte Objekte erfassen, verfolgen und analysieren – etwa im Bereich intelligenter Überwachungssysteme, bei der Verkehrssteuerung oder in sicherheitsrelevanten Szenarien. Gleichzeitig unterstützt dies die LiDAR-Bandbreitenoptimierung, indem nur relevante Daten übertragen werden.
So funktioniert die Hintergrundsubtraktion
Der Sensor vergleicht jede neue Punktwolke mit einem Referenzmodell der Szene und trennt statische (Hintergrund) von dynamischen Punkten (Vordergrund). Nur die bewegten Punkte werden weiterverarbeitet. Je nach Einsatz stehen zwei Modi zur Verfügung:
- Statische Bewegungserkennung für feste Indoor-Umgebungen, bei denen Änderungen sofort gemeldet werden.
- Dynamische Bewegungserkennung für Außenbereiche oder wechselnde Szenen, bei denen sich das Modell anpasst und dennoch bewegte Objekte hervorhebt.
Damit können Echtzeit-Anwendungen wie Personenzählung oder Verkehrsüberwachung deutlich effizienter umgesetzt werden – insbesondere bei der LiDAR-Datenübertragung über 5G.
On-Device-Bewegungserkennung für Personenzählung
Personenzählung ist in zahlreichen Umgebungen nützlich – etwa an Flughäfen, in Einzelhandelsgeschäften, Universitäten, Banken oder Freizeiteinrichtungen – also überall dort, wo intelligente Kunden- und Betriebsanalysen gefragt sind.
Erfahren Sie, wie Fraport Blickfeld LiDAR-Lösungen nutzt, um Passagierströme zu erfassen und Wartezeiten am Frankfurter Flughafen zu verkürzen.
Durch die Erfassung der Anzahl an Personen, die eine bestimmte Zone passieren, können Abläufe verbessert und Ressourcen optimal eingesetzt werden. Ein Beispiel: LiDAR-Sensoren am Eingang eines Supermarktes erzeugen ein 3D-Bild der Umgebung und erfassen alle Datenpunkte im Sichtfeld.
Um die Gesamtzahl der Besucher im Markt zu bestimmen, könnte eine Zone definiert werden. Dieses automatisierte Tracking liefert präzise Zahlen für die Personalplanung in verschiedenen Betriebsphasen und hilft, Kosten zu senken. Gleichzeitig enthalten die Rohdaten aber auch viele statische Objekte wie Türen, Kassen oder Regale. Mithilfe eines Hintergrundsubtraktions-Algorithmus werden ausschließlich die relevanten Daten – also die Personenbewegungen innerhalb der Zone – übertragen, wodurch die Belastung von drahtlosen LiDAR-Netzwerken erheblich reduziert wird.
Konkret lag das Datenvolumen vor der Hintergrundsubtraktion bei etwa 3 MB/s pro Sensor und wurde auf 0,2 MB/s pro Sensor reduziert. Eine weitere Vorverarbeitung, wie das Clustern der Vordergrundpunkte, liefert direkt verwertbare Erkenntnisse: Die Punktwolke wird als Person erkannt, und der Datenstrom sinkt auf rund 0,01 MB/s pro Sensor – also eine Reduktion von fast 99 %.
On-Device-Bewegungserkennung für die Verkehrsüberwachung:
LiDAR-basierte Verkehrsüberwachungssysteme sind äußerst vielversprechend, da sie in Echtzeit anonymisierte 3D-Daten liefern. Das bedeutet, dass das System beispielsweise zwischen einem Fußgänger und einem Radfahrer in komplexen Verkehrssituationen unterscheiden kann, ohne dabei Personen zu identifizieren – der Datenschutz der Verkehrsteilnehmer bleibt somit gewahrt. Darüber hinaus ermöglichen LiDARs detaillierte Analysen, wie Bewegungsdaten unterschiedlicher Verkehrsteilnehmer, durchschnittliche Geschwindigkeit pro Fahrspur, Fahrzeuganzahl pro Spur, Aufenthaltsdauer von Fahrzeugen, Personenzählung und die durchschnittliche Geschwindigkeit von Fußgängern. Allerdings erzeugt die Verkehrsüberwachung in jeder Sekunde enorme Datenmengen, sodass ein klarer Bedarf an intelligenten Lösungen besteht, um den Rechenaufwand – und insbesondere die Belastung von LTE/5G-Netzen – zu reduzieren.
Betrachten wir eine typische Kreuzung, die mit unseren LiDARs überwacht wird: Eine Punktwolke enthält nicht nur die Fahrzeuge und Fußgänger, die sich der Kreuzung nähern, sondern auch statische Objekte wie Gehwege, Straßen und Gebäude – dargestellt als „Gesamtszene“.
Dank der On-Device-Datenanalysefunktionen des LiDARs können statische Objekte jedoch identifiziert und aus dem Hintergrund entfernt werden. Übrig bleibt die „Vordergrundszene“ mit den dynamischen Objekten wie dem Fußgänger und dem fahrenden Auto.
Dieser Schritt reduziert die zu verarbeitende Datenmenge erheblich und steigert so die Genauigkeit und Geschwindigkeit der Objekterkennung – bei gleichzeitiger Entlastung drahtloser LiDAR-Anwendungen über LTE- oder 5G-Netze, unterstützt durch LiDAR-Bandbreitenoptimierung und Edge Processing für LiDAR-Sensoren.
Smart-LiDAR-Technologie auf dem Vormarsch
LiDAR entwickelt sich zu einer der vielversprechendsten sensorgestützten Technologien und prägt die Zukunft intelligenter Anwendungen durch präzise räumliche Informationen. Blickfeld Smart LiDARs ermöglichen dank On-Device-Vorverarbeitung die schnelle Extraktion verwertbarer Erkenntnisse – von Sicherheits- und Exklusionszonen über Volumen- und Belegungszonen bis hin zu Verkehrsanwendungen. Zusätzlich unterstützen sie Objekterkennung, -tracking und -klassifizierung nach Größe.
Mit diesen Fähigkeiten machen Smart LiDARs komplexe Umweltinterpretationen schneller, effizienter und zugänglicher. Und die Entwicklung geht weiter: Die Erweiterung der On-Device-Algorithmen und Analysefunktionen wird künftig noch mehr Möglichkeiten für smarte Anwendungen eröffnen – von immer präziserer Echtzeitüberwachung bis hin zu fortschrittlicher Automatisierung und Entscheidungsunterstützung in unterschiedlichsten Branchen.
