Wissenschaft & Forschung
Licht 2 | 2021

Wie Roboter bei der Kommissionierung von Leuchten helfen können

Robotergestützte Zuordnung von Leuchtenpositionen

Vernetzte Leuchten bieten Anwendern vielfältige Vorteile. Ihre genaue Position zu bestimmen, ist jedoch mit großem Aufwand verbunden. Roboter erledigen diese Aufgabe schnell und präzise und erstellen dabei sogar einen Gebäudeplan, der alle Leuchten und ihre digitalen Adressen enthält.

Lesezeit: ca. 7 Minuten

Einleitung

Wenn einer vernetzten Leuchte zusätzlich zu ihrer digitalen Adresse eine physikalische Raumposition zugeordnet wird, eröffnen sich auf dieser Basis viele neue Anwendungen. So können die Leuchten mit Anwesenheitssensoren ausgestattet werden, um beispielsweise Personen unter den Leuchten zu erkennen und so Heatmaps zu erstellen. Auch die Verfolgung von Gütern oder eine Indoor-Navigation können realisiert werden. Gerade im Retail-Bereich sind dies Anwendungen, die den Leuchten einen enormen Mehrwert verschaffen.

Voraussetzung für all diese Anwendungen ist allerdings immer, dass dem Lichtsteuerrechner die Position jeder Leuchte im Raum bekannt ist. Im Zuge der Inbetriebnahme ist genau diese Zuordnung jedoch häufig ein sehr aufwendiger Schritt, vor allem bei großen Anwendungen, in denen nicht alle zu lokalisierenden Leuchten gleichzeitig sichtbar sind. Der klassische Ansatz dazu besteht aus dem Wiederholen folgender Schritte:

  • Blinken einer beliebigen Leuchte
  • Aufsuchen dieser Leuchte und
  • letztlich Notieren der Leuchtenposition im Gebäudeplan.

In diesem Artikel soll ein Roboter vorgestellt werden, der diese repetitive Aufgabe eigenständig übernimmt, was auch z. B. über Nacht erfolgen kann. Der Roboter kann die an der Decke montierten Leuchten mit Hilfe einer Kamera finden und erhält anschließend von der Lichtsteuerung die zugehörige Leuchtenadresse in Form eines individuellen Blinkmusters. Um das System so flexibel wie möglich zu halten, werden hier keine Kenntnisse über die Umgebung, z. B. ein Gebäudeplan, vorausgesetzt. Stattdessen erstellt der Roboter während der Erkundung diesen eigenständig und trägt dort die digitalen Leuchtenadressen ein. Das Endergebnis ist somit ein Gebäudeplan, in dem alle Leuchten inklusive ihrer digitalen Adressen verzeichnet sind.

Roboter im Retail-Bereich

Die Idee, wiederkehrende Aufgaben von Robotern erledigen zu lassen, ist nicht neu. Die eigene Wohnung saugen heute Staubsaugerroboter, während ein weiterer Roboter draußen den Rasen mäht. Doch auch im Retail-Bereich werden bereits Roboter eingesetzt. Walmart setzt einen Roboter von Bossa Nova ein, um den Warenbestand in den Regalen zu prüfen. Ähnlich wie das Adressieren der Leuchten ist das Prüfen der Regalbestände eine stark repetitive und zeitfressende Aufgabe, die dennoch erledigt werden muss. Auch als Orientierungshilfe für Kunden lassen sich Roboter einsetzen. Menschliche Arbeitskräfte, die im Gegensatz zu Robotern Personalkosten verursachen, lassen sich dann für andere Aufgaben einsetzen. Das zeigt den Trend auf, einfache Aufgaben auch aus wirtschaftlichen Gründen von Robotern ausführen zu lassen.

Kommissionierung von Leuchten

Um Leuchten ihre Position zuzuordnen, gibt es verschiedene Vorgehensweisen. Der einfachste und wohl am häufigsten genutzte Ansatz ist es, die Leuchten durch Aufblinken zu identifizieren. Dabei wird eine zufällige Leuchte ausgewählt und zum Blinken gebracht, sodass ein Installateur die Leuchte finden und auf dem Gebäudeplan verzeichnen kann. Für kabelgebundene Systeme ist die Identifikation über Licht auch meist die einzige Identifikationsmöglichkeit.

Eine weitere Möglichkeit bieten während der Produktion angebrachte Identifikatoren wie QR-Codes oder NFC-Tags. Dabei muss allerdings die Möglichkeit bestehen, den Identifikator direkt an der Leuchte auszulesen, um die Verbindung zwischen Position der Leuchte im Raum und der digitalen Leuchtenadresse herzustellen, sodass zum Ablesen meist eine Leiter erforderlich ist.

Auch mit Hilfe zusätzlicher Sensorik können Leuchten schneller identifiziert werden. Allgemein muss dabei die Möglichkeit bestehen, dass der Installateur die Sensorik einer bestimmten Leuchte anspricht. Wird die Sensorik sämtlicher Leuchten abgefragt, kann die absichtlich aktivierte Sensorik und damit die Leuchtenadresse schnell gefunden werden. Aber auch diese Lösung ist eher umständlich und sehr stark von der konkreten Anwendung abhängig.

Falls die Leuchten kabellos gesteuert werden, kann man sich das bei der Identifizierung zu Nutze machen, indem der Received Signal Strength Indicator (RSSI) analysiert wird. Damit können nahgelegene Leuchten ggf. schneller gefunden werden. Eine präzise Lokalisierung der Leuchtenstandorte ist damit allerdings nicht möglich.

Häufig sind allerdings gar keine Zusatzfunktionen vorhanden, die für die Adressierung genutzt werden können. Hier werden daher nur Funktionen vorausgesetzt, die jedes übliche digital steuerbare Leuchtensystem bietet, sodass sich der Ansatz damit auf jedes beliebige vernetzte Leuchtensystem anwenden lässt.

Funktionsprinzip

Das System besteht wie in Abb. 1 gezeigt aus zwei Hauptkomponenten: dem Roboter und dem Server, der als Lichtsteuerrechner dient. Ein solcher Server wird in jedem Fall benötigt, da eine kabelgebundene Verbindung zu den Leuchten zur Steuerung bestehen muss. Dieser kann zusätzlich dazu verwendet werden, die Rechenlast zwischen Roboter und Server aufzuteilen. Dazu sind beide per WLAN miteinander vernetzt. Als Roboter kommt ein Turtlebot3 Burger zum Einsatz, der in Abb. 2 dargestellt ist.

Das Ergebnis des Kommissionierungsvorgangs soll ein Gebäudeplan sein, auf dem alle Leuchten mit ihren digitalen Adressen verzeichnet sind. Dazu erkundet der Roboter autonom die Umgebung und sucht gleichzeitig mit einer Kamera nach den Leuchten. Sobald eine Leuchte gefunden wurde, wird die Adresse der Leuchte über ein individuelles Blinkmuster ermittelt und inklusive der Position der Leuchte auf einer Karte verzeichnet.

Die Software basiert auf dem Robot Operating System, einem für persönliche Roboter entwickelten Software-Framework. Dadurch sind die einzelnen Software-Komponenten problemlos austauschbar, sodass sich das System an verschiedene Bedingungen und Leuchtensysteme anpassen lässt.

Abb. 1: Systemaufbau Fachhochschule Südwestfalen
Abb. 2: Turtlebot3 Burger mit zusätzlicher Kamera Fachhochschule Südwestfalen

Erkundungskonzept

Damit ein Roboter als autonom gilt, muss er ohne menschliches Zutun Aktionen planen und ausführen. Daher müssen dem Roboter Verhaltensweisen einprogrammiert werden, die zum gewünschten Ziel führen. Das gewünschte Ziel ist hier neben der Erstellung einer Umgebungskarte das Finden und Adressieren aller Leuchten.

Die Karte der Umgebung wird durch sogenanntes Simultaneous Localization and Mapping (SLAM) während der Erkundung erstellt. Dabei werden die Sensorwerte eines 360°-Laserdistanzsensors mit den Bewegungsdaten kombiniert. Das Resultat ist eine Belegtheitskarte wie in Abb. 3, die über die Zeit kontinuierlich wächst und verbessert wird. In einer Belegtheitskarte wird die Umgebung in üblicherweise quadratische Bereiche unterteilt. Jedem Bereich wird eine Wahrscheinlichkeit zugewiesen, mit der sich dort ein Hindernis befindet.

Da SLAM hier rein passiv ist, muss der Roboter des Weiteren zu jeder Zeit entscheiden, wohin er fährt. In einer Belegtheitskarte lassen sich Grenzen zwischen freien und unbekannten Bereichen ziehen. Solche Grenzen sind immer ein Hinweis auf weiter erkundbare Bereiche – denn hinter einer Grenze befindet sich immer ein unerforschter, aber erreichbarer Raum. Diese Grenzen sind also potenzielle Ziele zur Erkundung. Um dabei auch eine vollständige Abdeckung durch die Kamera zu garantieren, werden bisher nicht erfasste Bereiche als unbekannt markiert.

Abb. 3: Belegtheitskarte (Occupancy Grid) mit Grenze zur Erkundung Fachhochschule Südwestfalen

Welche der Grenzen letztendlich gewählt wird, wird anhand von drei Hauptkriterien bestimmt. Je näher eine Grenze am Roboter liegt, desto schneller ist der Roboter da. Demnach werden nahe Grenzen bevorzugt. Auch die Lage in Bezug auf die Blickrichtung wird einbezogen, damit sich der Roboter möglichst wenig drehen muss, bevor er zur Grenze startet. Das dritte Kriterium ist die Erreichbarkeit. Damit werden schlecht erreichbare Grenzen erst einmal vernachlässigt. Dadurch verringert sich die Gefahr, dass sich der Roboter festfährt. Meist werden im Laufe der Erkundung gute Alternativen zu solch schlecht erreichbaren Grenzen gefunden.

Leuchtenerkennung

Mit Hilfe einer Kamera wird während der Erkundung die Decke nach Leuchten abgesucht. Dabei sind die Leuchten, deren Adresse noch nicht festgelegt wurde, mit maximaler Helligkeit eingeschaltet. Sobald eine Leuchte gefunden wurde, wird eine Abfolge an Szenen abgespielt. Diese sind in den Leuchten gespeichert, sodass sie zeitgleich für alle Leuchten aufgerufen werden können. Das erstmalige Ausschalten der Leuchte dient als Synchronisationspunkt und zum Festlegen der Referenzhelligkeit bei ausgeschalteter Leuchte. Die danach folgenden Szenen sind für jede Leuchte unterschiedlich, sodass sich darüber die digitale Adresse bestimmen lässt. Die konkrete Zuordnung zwischen der Szenenabfolge und der Adresse wurde zu Beginn festgelegt. Nachdem die Adresse hergeleitet wurde, wird die einzelne Leuchte zur Verifikation eingeschaltet. Danach bleibt sie aus, damit sie bei der weiteren Erkundung nicht erneut gefunden wird. Der Messprozess ist in Abb. 4 illustriert.

Abb. 4: Messvorgang zur Bestimmung einer Leuchtenadresse Fachhochschule Südwestfalen

Versuchsaufbau

Während der Entwicklung konnten zuerst die einzelnen Softwarekomponenten und später das Gesamtsystem in einer Simulation getestet werden. Nachdem die dortigen Tests abgeschlossen waren, wurde das echte System im Labor getestet. Im Labor befinden sich acht DALI-Leuchten, die auf einer Karte mit ihrer Adresse verzeichnet wurden, wie in Abb. 5 zu sehen ist. Nicht adressierbare Leuchten (in dem Fall Leuchtstoffröhren) wurden als solche erkannt, damit keine weiteren Adressierungsversuche unternommen werden. Somit wurde das Konzept auch in der Realität erfolgreich getestet. Beim Test im Labor waren lediglich kleine Verbesserungen im Bereich der Leuchtenerkennung und des Erkundungskonzeptes vonnöten.

Abb. 5: Im Laborversuch erstellte Karte mit Leuchten und Weg des Roboters Fachhochschule Südwestfalen

Fazit

Der entwickelte Roboter ist nun in der Lage, einen unbekannten Raum zu erkunden, eine Karte von diesem zu erstellen und dabei nach Leuchten zu suchen und diese zu adressieren. Damit wurde die Adressierung der Leuchten automatisiert, was insbesondere bei der Inbetriebnahme größerer Leuchtensysteme von großem Nutzen ist. Sollte bereits ein Gebäudeplan vorliegen, könnten die gewonnenen Daten mit diesem kombiniert werden, um dort die Leuchten und ihre Adressen einzutragen. Auch weitere Aufgaben lassen sich in den Prozess integrieren, wie zum Beispiel ein automatisches Kalibrieren oder Vermessen der Leuchten oder verschiedener Sensoren.

Weitere Informationen:

Autoren: Prof. Meike Barfuß, Fachhochschule Südwestfalen, www4.fh-swf.de; Lars Thiemann, COGNID Telematik GmbH, cognid.de

Abbildungen: Fachhochschule Südwestfalen

Video zum Laborversuch: li.rpv.media/2mj

Dieser Artikel ist erschienen in