Forscher der University of Maryland (UMD) haben mal wieder zugeschlagen und einen neuen Kameramechanismus entwickelt, der Robotern eine bessere Sicht auf ihre Umgebung erm\u00f6glicht. Inspiriert von unserem eigenen Sehverm\u00f6gen, ahmt der Mechanismus die kleinen, unwillk\u00fcrlichen Bewegungen nach, die wir als Mikrosakkaden kennen. Diese Bewegungen helfen unseren Augen, den Fokus auf ein Objekt \u00fcber einen l\u00e4ngeren Zeitraum aufrechtzuerhalten, wenn es n\u00f6tig ist.<\/p>\n
Im Vergleich zu normalen Kameras sind Ereigniskameras besser darin, sich bewegende Objekte zu verfolgen. Statt das gesamte Bild auf einmal aufzunehmen, registrieren diese Kameras nur Ver\u00e4nderungen in der Helligkeit, also die Ereignisse, f\u00fcr jedes einzelne lichtempfindliche Pixel separat. Das Problem dabei ist jedoch, dass die bisherigen Ereigniskameras Schwierigkeiten haben, klare und unverwackelte Bilder aufzunehmen, vor allem wenn viel Bewegung im Spiel ist.<\/p>\n
Doch keine Sorge, Botao He und sein Team an der UMD haben eine L\u00f6sung gefunden! Sie haben es geschafft, die Mikrosakkaden nachzubilden, indem sie ein rotierendes Prisma verwenden, um die Lichtstrahlen, die von der Linse eingefangen werden, umzuleiten. Durch die kontinuierliche Drehbewegung des Prismas wird die nat\u00fcrliche Augenbewegung imitiert und die Kamera kann Objekte genauso fokussieren wie wir Menschen das tun.<\/p>\n
Aber damit nicht genug! Um stabile Bilder aus den wechselnden Helligkeiten zu erzeugen, hat das Team sogar eine Software entwickelt, die die Bewegung des Prismas ausgleicht. Dadurch k\u00f6nnen die Kameras pr\u00e4zise Bilder aufnehmen, auch wenn sich die Umgebung schnell ver\u00e4ndert.<\/p>\n
Die Entwicklung eines besseren Kameramechanismus f\u00fcr Roboter und autonome Fahrzeuge ist von gro\u00dfer Bedeutung. Schlie\u00dflich \u00fcbernehmen Kameras in diesen Systemen die Rolle unserer Augen, w\u00e4hrend Computer das Gehirn ersetzen. Mit einer pr\u00e4ziseren Sicht k\u00f6nnen Roboter und autonome Fahrzeuge ihre Umgebung besser wahrnehmen und somit sicherer und effektiver agieren.<\/p>\n
Guillermo Gallego von der Technischen Universit\u00e4t Berlin, der ebenfalls auf diesem Gebiet t\u00e4tig ist, erkl\u00e4rt, dass Ereigniskameras \u00e4hnlich funktionieren wie das menschliche Auge. Jedes einzelne lichtempfindliche Pixel tr\u00e4gt unabh\u00e4ngig von der Zeit zum Gesamtbild bei. Im Gegensatz zu unseren Augen senden die Pixel jedoch nur dann ein Signal aus, wenn sich die Helligkeit \u00e4ndert. Das f\u00fchrt zu einer viel geringeren Datenmenge, die verarbeitet werden muss.<\/p>\n
Die Forschung der UMD und anderer Institutionen auf diesem Gebiet k\u00f6nnte zu bedeutenden Fortschritten in der Robotik und der Entwicklung autonomer Fahrzeuge f\u00fchren. Mit pr\u00e4ziseren Kameras k\u00f6nnen diese Technologien in Zukunft noch sicherer und effizienter werden. Also haltet die Augen offen (oder besser gesagt, die Kameras) f\u00fcr weitere spannende Entwicklungen!<\/p>\n
Schlagw\u00f6rter: UMD-Doktorand Botao He. Ereigniskameras + Guillermo Gallego + University of Maryland<\/p>\n","protected":false},"excerpt":{"rendered":"
Forscher der University of Maryland (UMD) haben mal wieder zugeschlagen und einen neuen Kameramechanismus entwickelt, der Robotern eine bessere Sicht auf ihre Umgebung erm\u00f6glicht. Inspiriert von unserem eigenen Sehverm\u00f6gen, ahmt der Mechanismus die kleinen, unwillk\u00fcrlichen Bewegungen nach, die wir als Mikrosakkaden kennen. Diese Bewegungen helfen unseren Augen, den Fokus auf...<\/p>\n","protected":false},"author":4,"featured_media":9302,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-9303","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized"],"_links":{"self":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/9303","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=9303"}],"version-history":[{"count":0,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/9303\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/media\/9302"}],"wp:attachment":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=9303"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=9303"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=9303"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}