{"id":4277,"date":"2021-05-20T08:20:17","date_gmt":"2021-05-20T08:20:17","guid":{"rendered":"https:\/\/v220210444402149283.megasrv.de\/blog\/smart-lidar-bewegungserkennung\/"},"modified":"2025-10-14T13:42:32","modified_gmt":"2025-10-14T13:42:32","slug":"lidar-datenuebertragung-5g","status":"publish","type":"blog","link":"https:\/\/www.blickfeld.com\/de\/blog\/lidar-datenuebertragung-5g\/","title":{"rendered":"On-Device Bewegungserkennung minimiert LiDAR-Daten\u00fcbertragung \u00fcber 5G"},"content":{"rendered":"\n<p>Die Entwicklungen in der LiDAR-Technologie haben eine ganz neue Welt an Anwendungsf\u00e4llen er\u00f6ffnet. Mit der M\u00f6glichkeit, anonymisierte Entfernungsinformationen als Punktwolken zentimetergenau zu erfassen, entstehen spannende Perspektiven f\u00fcr Echtzeit-\u00dcberwachung 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 f\u00fcr \u00dcbertragung, Speicherung und Analyse \u2013 insbesondere bei der LiDAR-Daten\u00fcbertragung \u00fcber 5G und anderen Funknetzen.<br><\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong><strong>On-Device-Vorverarbeitung erm\u00f6glicht Bewegungserkennung<\/strong><\/strong><\/h2>\n\n\n\n<div class=\"wp-block-columns is-layout-flex wp-container-core-columns-is-layout-28f84493 wp-block-columns-is-layout-flex\">\n<div class=\"wp-block-column is-vertically-aligned-top is-layout-flow wp-block-column-is-layout-flow\">\n<p>Blickfeld begegnet diesem Problem mit einem On-Device-Vorverarbeitungsalgorithmus, der Bewegungserkennung direkt im Sensor erm\u00f6glicht. Hierbei wird der statische Hintergrund mit dem im LiDAR integrierten Hochleistungs-SoC abgezogen, sodass bereits fr\u00fch in der Verarbeitungspipeline dynamische Objekte identifiziert und eine vorverarbeitete Punktwolke erzeugt wird. Diese Form des Edge Processing f\u00fcr LiDAR-Sensoren erlaubt eine drastische Reduzierung der zu \u00fcbertragenden Datenmenge \u2013 in statischen Szenen sogar um mehr als 98 %. Konkret werden die Datenpunkte von \u00fcber 8800 auf etwa 163 reduziert, was Speicher- und \u00dcbertragungszeit linear verk\u00fcrzt und drahtlose Anwendungen wie \u00fcber LTE\/5G erheblich entlastet.<\/p>\n<\/div>\n\n\n\n<div class=\"wp-block-column is-vertically-aligned-center is-layout-flow wp-block-column-is-layout-flow\">\n<figure class=\"wp-block-video\"><video height=\"720\" style=\"aspect-ratio: 1280 \/ 720;\" width=\"1280\" autoplay controls loop src=\"https:\/\/www.blickfeld.com\/wp-content\/uploads\/2021\/09\/Device_based_background_subtracktion_comparison1.mp4\"><\/video><figcaption class=\"wp-element-caption\"><em>Die Gesamtzahl der Datenpunkte wird von 8800+ auf ~ 163 reduziert; &gt;98% Reduzierung der Daten<\/em><\/figcaption><\/figure>\n<\/div>\n<\/div>\n\n\n\n<p>Diese effiziente Datenreduktion macht LiDAR-Sensoren besonders geeignet f\u00fcr Anwendungen, die bewegte Objekte erfassen, verfolgen und analysieren \u2013 etwa im Bereich intelligenter \u00dcberwachungssysteme, bei der Verkehrssteuerung oder in sicherheitsrelevanten Szenarien. Gleichzeitig unterst\u00fctzt dies die LiDAR-Bandbreitenoptimierung, indem nur relevante Daten \u00fcbertragen werden.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>So funktioniert die Hintergrundsubtraktion<\/strong><\/h2>\n\n\n\n<p>&nbsp;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 Verf\u00fcgung:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Statische Bewegungserkennung<\/strong> f\u00fcr feste Indoor-Umgebungen, bei denen \u00c4nderungen sofort gemeldet werden.<\/li>\n\n\n\n<li><strong>Dynamische Bewegungserkennung<\/strong> f\u00fcr Au\u00dfenbereiche oder wechselnde Szenen, bei denen sich das Modell anpasst und dennoch bewegte Objekte hervorhebt.<br><\/li>\n<\/ul>\n\n\n\n<p>Damit k\u00f6nnen Echtzeit-Anwendungen wie Personenz\u00e4hlung oder Verkehrs\u00fcberwachung deutlich effizienter umgesetzt werden \u2013 insbesondere bei der LiDAR-Daten\u00fcbertragung \u00fcber 5G.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>On-Device-Bewegungserkennung f\u00fcr Personenz\u00e4hlung<\/strong><\/h2>\n\n\n\n<p>Personenz\u00e4hlung ist in zahlreichen Umgebungen n\u00fctzlich \u2013 etwa an Flugh\u00e4fen, in Einzelhandelsgesch\u00e4ften, Universit\u00e4ten, Banken oder Freizeiteinrichtungen \u2013 also \u00fcberall dort, wo intelligente Kunden- und Betriebsanalysen gefragt sind.<\/p>\n\n\n\n<div style=\"height:39px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<div class=\"wp-block-media-text is-stacked-on-mobile\"><figure class=\"wp-block-media-text__media\"><img fetchpriority=\"high\" decoding=\"async\" width=\"600\" height=\"400\" src=\"https:\/\/www.blickfeld.com\/wp-content\/uploads\/2024\/09\/Fraport-Tafel-Zoom-in_medium_1.png\" alt=\"\" class=\"wp-image-31004 size-full\" srcset=\"https:\/\/www.blickfeld.com\/wp-content\/uploads\/2024\/09\/Fraport-Tafel-Zoom-in_medium_1.png 600w, https:\/\/www.blickfeld.com\/wp-content\/uploads\/2024\/09\/Fraport-Tafel-Zoom-in_medium_1-300x200.png 300w\" sizes=\"(max-width: 600px) 100vw, 600px\" \/><\/figure><div class=\"wp-block-media-text__content\">\n<p>Erfahren Sie, wie Fraport Blickfeld LiDAR-L\u00f6sungen nutzt, um Passagierstr\u00f6me zu erfassen und Wartezeiten am Frankfurter Flughafen zu verk\u00fcrzen.<br><\/p>\n\n\n\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex\">\n<div class=\"wp-block-button\"><a class=\"wp-block-button__link wp-element-button\" href=\"https:\/\/www.blickfeld.com\/de\/referenzen\/warteschlangenmanagement-am-frankfurter-flughafen\/\">Success Story<\/a><\/div>\n<\/div>\n<\/div><\/div>\n\n\n\n<div style=\"height:39px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<p>Durch die Erfassung der Anzahl an Personen, die eine bestimmte Zone passieren, k\u00f6nnen Abl\u00e4ufe 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.<br><\/p>\n\n\n\n<figure class=\"wp-block-image aligncenter size-large is-resized\"><img decoding=\"async\" src=\"https:\/\/www.blickfeld.com\/wp-content\/uploads\/2021\/07\/people-counting-1.png\" alt=\"Die vollst\u00e4ndige Punktwolke bestehend aus statischem Hintergrund und dynamischem Vordergrund (Person): Der gelbe Kasten rechts ist die virtuelle Z\u00e4hlzone\" class=\"wp-image-12697\" style=\"aspect-ratio:1.9820512820512821;width:773px;height:auto\"\/><figcaption class=\"wp-element-caption\"><em>On-Device Motion Detection: Die vollst\u00e4ndige Punktwolke besteht aus statischem Hintergrund und dynamischem Vordergrund (Person). Der gelbe Kasten rechts markiert das virtuelle Z\u00e4hl-Gate.<\/em><\/figcaption><\/figure>\n\n\n\n<p>Um die Gesamtzahl der Besucher im Markt zu bestimmen, k\u00f6nnte eine Zone definiert werden. Dieses automatisierte Tracking liefert pr\u00e4zise Zahlen f\u00fcr die Personalplanung in verschiedenen Betriebsphasen und hilft, Kosten zu senken. Gleichzeitig enthalten die Rohdaten aber auch viele statische Objekte wie T\u00fcren, Kassen oder Regale. Mithilfe eines Hintergrundsubtraktions-Algorithmus werden ausschlie\u00dflich die relevanten Daten \u2013 also die Personenbewegungen innerhalb der Zone \u2013 \u00fcbertragen, wodurch die Belastung von drahtlosen LiDAR-Netzwerken erheblich reduziert wird.<br><\/p>\n\n\n\n<figure class=\"wp-block-image aligncenter size-large is-resized\"><img decoding=\"async\" src=\"https:\/\/www.blickfeld.com\/wp-content\/uploads\/2021\/07\/people-counting-2.png\" alt=\"Die Vorverarbeitung f\u00fchrt dazu, dass nur das dynamische Objekt (Person) in dieser Punktwolke \u00fcbertragen wird. Die weitere Nachbearbeitung erzeugt abstrakte und verwertbare Informationen: Das als Person klassifizierte Objekt hat das Z\u00e4hltor \u00fcberquert\" class=\"wp-image-12699\" style=\"width:773px;height:390px\"\/><figcaption class=\"wp-element-caption\"><em>Durch Vorverarbeitung wird das dynamische Objekt in der Punktwolke (Person) extrahiert. Die nachgelagerte Verarbeitung erzeugt abstrakte, nutzbare Informationen, indem das Objekt als Person klassifiziert wird, sobald es die Z\u00e4hlzone passiert.<\/em><\/figcaption><\/figure>\n\n\n\n<p>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 \u2013 also eine Reduktion von fast 99 %.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>On-Device-Bewegungserkennung f\u00fcr<\/strong> <strong>die Verkehrs\u00fcberwachung:<\/strong><\/h2>\n\n\n\n<p>LiDAR-basierte <a href=\"https:\/\/www.blickfeld.com\/de\/anwendungen\/lidar-verkehrsueberwachung\/\" data-type=\"page\" data-id=\"33090\">Verkehrs\u00fcberwachungssysteme <\/a>sind \u00e4u\u00dferst vielversprechend, da sie in Echtzeit anonymisierte 3D-Daten liefern. Das bedeutet, dass das System beispielsweise zwischen einem Fu\u00dfg\u00e4nger und einem Radfahrer in komplexen Verkehrssituationen unterscheiden kann, ohne dabei Personen zu identifizieren \u2013 der Datenschutz der Verkehrsteilnehmer bleibt somit gewahrt. Dar\u00fcber hinaus erm\u00f6glichen LiDARs detaillierte Analysen, wie Bewegungsdaten unterschiedlicher Verkehrsteilnehmer, durchschnittliche Geschwindigkeit pro Fahrspur, Fahrzeuganzahl pro Spur, Aufenthaltsdauer von Fahrzeugen, Personenz\u00e4hlung und die durchschnittliche Geschwindigkeit von Fu\u00dfg\u00e4ngern. Allerdings erzeugt die Verkehrs\u00fcberwachung in jeder Sekunde enorme Datenmengen, sodass ein klarer Bedarf an intelligenten L\u00f6sungen besteht, um den Rechenaufwand \u2013 und insbesondere die Belastung von LTE\/5G-Netzen \u2013 zu reduzieren.<br><\/p>\n\n\n\n<figure class=\"wp-block-image aligncenter size-large is-resized\"><img decoding=\"async\" src=\"https:\/\/www.blickfeld.com\/wp-content\/uploads\/2021\/08\/Motion-Detection-with-on-device-pre-processing-algorithm.png\" alt=\"On-Device Bewegungserkennung \u00dcberwachung von Verkehrsknotenpunkten mit der ger\u00e4teinternen Bewegungserkennung von Blickfeld Smart LiDAR\" class=\"wp-image-12641\" style=\"width:773px;height:434px\"\/><figcaption class=\"wp-element-caption\"><em>\u00dcberwachung von Verkehrsknotenpunkten mit der ger\u00e4teinternen Bewegungserkennung von Blickfeld Smart LiDAR<\/em><\/figcaption><\/figure>\n\n\n\n<p>Betrachten wir eine typische Kreuzung, die mit unseren LiDARs \u00fcberwacht wird: Eine Punktwolke enth\u00e4lt nicht nur die Fahrzeuge und Fu\u00dfg\u00e4nger, die sich der Kreuzung n\u00e4hern, sondern auch statische Objekte wie Gehwege, Stra\u00dfen und Geb\u00e4ude \u2013 dargestellt als \u201eGesamtszene\u201c.<\/p>\n\n\n\n<p>Dank der On-Device-Datenanalysefunktionen des LiDARs k\u00f6nnen statische Objekte jedoch identifiziert und aus dem Hintergrund entfernt werden. \u00dcbrig bleibt die \u201eVordergrundszene\u201c mit den dynamischen Objekten wie dem Fu\u00dfg\u00e4nger und dem fahrenden Auto.<\/p>\n\n\n\n<p>Dieser Schritt reduziert die zu verarbeitende Datenmenge erheblich und steigert so die Genauigkeit und Geschwindigkeit der Objekterkennung \u2013 bei gleichzeitiger Entlastung drahtloser LiDAR-Anwendungen \u00fcber LTE- oder 5G-Netze, unterst\u00fctzt durch LiDAR-Bandbreitenoptimierung und Edge Processing f\u00fcr LiDAR-Sensoren.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong><strong>Smart-LiDAR-Technologie auf dem Vormarsch<\/strong><\/strong><\/h2>\n\n\n\n<p>LiDAR entwickelt sich zu einer der vielversprechendsten sensorgest\u00fctzten Technologien und pr\u00e4gt die Zukunft intelligenter Anwendungen durch pr\u00e4zise r\u00e4umliche Informationen. Blickfeld Smart LiDARs erm\u00f6glichen dank On-Device-Vorverarbeitung die schnelle Extraktion verwertbarer Erkenntnisse \u2013 von Sicherheits- und Exklusionszonen \u00fcber Volumen- und Belegungszonen bis hin zu Verkehrsanwendungen. Zus\u00e4tzlich unterst\u00fctzen sie Objekterkennung, -tracking und -klassifizierung nach Gr\u00f6\u00dfe.<\/p>\n\n\n\n<p>Mit diesen F\u00e4higkeiten machen Smart LiDARs komplexe Umweltinterpretationen schneller, effizienter und zug\u00e4nglicher. Und die Entwicklung geht weiter: Die Erweiterung der On-Device-Algorithmen und Analysefunktionen wird k\u00fcnftig noch mehr M\u00f6glichkeiten f\u00fcr smarte Anwendungen er\u00f6ffnen \u2013 von immer pr\u00e4ziserer Echtzeit\u00fcberwachung bis hin zu fortschrittlicher Automatisierung und Entscheidungsunterst\u00fctzung in unterschiedlichsten Branchen.<\/p>\n\n\n\n<p><\/p>\n","protected":false},"excerpt":{"rendered":"<p>LiDAR-Sensoren erzeugen hochgenaue Punktwolken und sind damit ein zentraler Baustein vieler Technologien. Doch die Verarbeitung und Speicherung der enormen Datenmengen stellt seit jeher eine gro\u00dfe Herausforderung dar. Wir zeigen, wie die On-Device-Bewegungserkennung durch Hintergrundsubtraktion diese Herausforderung l\u00f6st \u2013 und wie sie dabei hilft, die Datenlast f\u00fcr drahtlose LiDAR-Anwendungen und insbesondere die LiDAR-Daten\u00fcbertragung \u00fcber 5G erheblich zu reduzieren.<\/p>\n","protected":false},"author":5,"featured_media":3105,"template":"","blog-tags":[162,301,191],"blog-category":[154],"class_list":["post-4277","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-tags-datenverarbeitung","blog-tags-punktwolken","blog-tags-software-de","blog-category-lidar-software"],"_links":{"self":[{"href":"https:\/\/www.blickfeld.com\/de\/wp-json\/wp\/v2\/blog\/4277","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.blickfeld.com\/de\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.blickfeld.com\/de\/wp-json\/wp\/v2\/types\/blog"}],"author":[{"embeddable":true,"href":"https:\/\/www.blickfeld.com\/de\/wp-json\/wp\/v2\/users\/5"}],"version-history":[{"count":2,"href":"https:\/\/www.blickfeld.com\/de\/wp-json\/wp\/v2\/blog\/4277\/revisions"}],"predecessor-version":[{"id":38762,"href":"https:\/\/www.blickfeld.com\/de\/wp-json\/wp\/v2\/blog\/4277\/revisions\/38762"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.blickfeld.com\/de\/wp-json\/wp\/v2\/media\/3105"}],"wp:attachment":[{"href":"https:\/\/www.blickfeld.com\/de\/wp-json\/wp\/v2\/media?parent=4277"}],"wp:term":[{"taxonomy":"blog-tags","embeddable":true,"href":"https:\/\/www.blickfeld.com\/de\/wp-json\/wp\/v2\/blog-tags?post=4277"},{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.blickfeld.com\/de\/wp-json\/wp\/v2\/blog-category?post=4277"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}