Bei der Betrachtung der verschiedenen Kameratypen ist eine Tiefenkamera ein allgemeiner Begriff f\u00fcr Ger\u00e4te, die 3D-Informationen mithilfe dieser Tiefentechnologien erfassen.<\/p>\n\n
Einf\u00fchrung in die Tiefensensortechnologien<\/h3>\n\n
Tiefenerkennungs-Technologien sind das Herzst\u00fcck des modernen maschinellen Sehens. Sie erm\u00f6glichen es Ger\u00e4ten, ihre Umgebung in drei Dimensionen wahrzunehmen und mit ihr zu interagieren. Diese Technologien sind in Bereichen wie der Robotik, autonomen Fahrzeugen und der industriellen Automatisierung, in denen pr\u00e4zise Messungen und r\u00e4umliches Bewusstsein entscheidend sind, unverzichtbar. Die Tiefenerkundung umfasst eine Reihe von Ans\u00e4tzen, darunter strukturierte Lichtkameras, Stereokameras, Flugzeitkameras (ToF) und LiDAR-Systeme. Jede Methode bietet einzigartige Vorteile: Kameras mit strukturiertem Licht bieten eine hohe Genauigkeit und Detailgenauigkeit und sind daher ideal f\u00fcr Anwendungen, die pr\u00e4zise Messungen erfordern, w\u00e4hrend ToF-Kameras sich durch eine schnelle Datenerfassung auszeichnen und effektiv \u00fcber gr\u00f6\u00dfere Entfernungen arbeiten k\u00f6nnen. LiDAR-Systeme sind in autonomen Fahrzeugen weit verbreitet, da sie Umgebungen mit hoher Genauigkeit abbilden k\u00f6nnen, und Stereokameras ahmen das menschliche Binokularsehen nach und liefern zuverl\u00e4ssige Tiefeninformationen in Echtzeit. Die Wahl der Tiefensensortechnologie h\u00e4ngt von den spezifischen Anforderungen der Anwendung ab, z. B. Erfassungsbereich, Geschwindigkeit und Umgebungsbedingungen. <\/p>\n\n
Kamera-Sensoren<\/h3>\n\n
Kamerasensoren sind von grundlegender Bedeutung f\u00fcr den Betrieb von Tiefenerkennungs-Technologien. Diese Sensoren erkennen reflektiertes Licht oder Lasersignale aus der Umgebung und wandeln sie in elektrische Signale um, die zur Erzeugung von Tiefeninformationen verarbeitet werden k\u00f6nnen. Bei Stereo-Vision-Systemen nehmen zwei oder mehr Kameras ein linkes und ein rechtes Bild einer Szene auf, so dass das System die Tiefe durch Analyse der Unterschiede zwischen diesen Bildern berechnen kann. Mit fortschrittlichen Bildsensoren ausgestattete Kameras sind in der Lage, subtile Variationen in den Lichtmustern zu erfassen, die f\u00fcr eine genaue Tiefenberechnung unerl\u00e4sslich sind. Ganz gleich, ob Sie strukturiertes Licht, Stereokameras oder ToF-Systeme verwenden, die Qualit\u00e4t und Empfindlichkeit der Kamerasensoren wirkt sich direkt auf die Zuverl\u00e4ssigkeit und Pr\u00e4zision der gewonnenen Tiefeninformationen aus. <\/p>\n\n
Bildsensoren<\/h3>\n\n
Bildsensoren spielen eine zentrale Rolle bei Technologien zur Tiefenerkennung, indem sie die auf eine Szene projizierten Lichtmuster oder Lasersignale erfassen. Bei Kameras mit strukturiertem Licht wirft ein Lichtprojektor ein bestimmtes Muster auf Objekte, und die Bildsensoren erfassen, wie dieses Muster durch die Oberfl\u00e4chen, auf die es trifft, verzerrt wird. Diese Daten werden dann verwendet, um Tiefeninformationen mit hoher Pr\u00e4zision zu berechnen. ToF-Kameras verwenden modulierte Laserimpulse, und die Bildsensoren messen die Zeit, die diese Impulse nach der Reflexion an den Objekten ben\u00f6tigen, um zur\u00fcckzukehren, was die Berechnung von Entfernungen erm\u00f6glicht. Stereokameras verwenden Bildsensoren, um linke und rechte Bilder zu erfassen, die dann verglichen werden, um Tiefeninformationen zu extrahieren. Die Effektivit\u00e4t der Tiefenerkennungs-Technologien h\u00e4ngt von der Leistung dieser Bildsensoren ab, da sie Lichtmuster, projizierte Muster und modulierte Laserpulse genau erkennen und verarbeiten m\u00fcssen, um zuverl\u00e4ssige Tiefenkarten zu erstellen. <\/p>\n\n
Strukturierte Lichtkameras<\/h3>\n\n
Eine Kamera mit strukturiertem Licht verwendet einen Projektor, um die Szene mit einem bekannten projizierten Lichtmuster zu beleuchten, z. B. mit Streifen, Balken oder Lichtpunkten. Durch die Beobachtung von Verzerrungen im reflektierten projizierten Lichtmuster kann die Kamera mit strukturiertem Licht die Tiefe und die Konturen von Objekten in der Szene berechnen. <\/p>\n\n
Strukturierte Lichtkameras \u00e4hneln Stereokameras, da sie von der Basislinie oder dem Versatz zwischen dem Lichtprojektor und dem Kameraobjektiv abh\u00e4ngen, um die Tiefe jedes Punktes des reflektierten Musters in der Szene zu triangulieren.<\/p>\n\n
Einige Kameras mit strukturiertem Licht scannen die Oberfl\u00e4chen in der Szene schnell mit Lichtmustern, die phasenverschoben sind, um Konturen genauer zu berechnen, die bei einem einzelnen Scan m\u00f6glicherweise nicht zu erkennen sind. Einige 3D-Scanner mit strukturiertem Licht kombinieren einen Projektor mit Stereokameras f\u00fcr zus\u00e4tzliche Pr\u00e4zision. <\/p>\n\n
Strukturierte Lichtkameras liefern sehr genaue Tiefendaten und erstellen Tiefenkarten mit einer Genauigkeit von bis zu 100 Mikrometern. Sie sind jedoch in der Regel nur bei sehr kurzen Reichweiten n\u00fctzlich und verlieren bei gr\u00f6\u00dferen Reichweiten schnell an Pr\u00e4zision. Strukturierte Lichtkameras werden h\u00e4ufig in der Qualit\u00e4tskontrolle zur \u00dcberpr\u00fcfung und Sicherstellung der Genauigkeit und Pr\u00e4zision von 3D-Modellen oder gefertigten Teilen eingesetzt.<\/p>\n\n
Die daraus resultierenden Tiefenkarten sind au\u00dferdem rechenintensiv und ben\u00f6tigen im Vergleich zu anderen Tiefensensortechnologien mehr Zeit f\u00fcr die Erstellung. Aus diesem Grund sind sie nicht f\u00fcr Echtzeitanwendungen geeignet und funktionieren am besten mit einem station\u00e4ren Objekt. <\/p>\n\n
Auch das Umgebungslicht kann die projizierten Muster st\u00f6ren. Daher werden Kameras mit strukturiertem Licht im Allgemeinen nur in Innenr\u00e4umen verwendet, wo die Lichtverh\u00e4ltnisse kontrolliert werden k\u00f6nnen.<\/p>\n\n
Stereo-Tiefenkameras<\/h3>\n\n
![\"Stereokameras](\"https:\/\/framos.com\/wp-content\/uploads\/2024\/04\/img_stereo_cameras_1565x880.jpg\")
<\/p>\n\n
Stereo-Tiefenkameras (auch bekannt als stereoskopische Kameras), wie die hier gezeigten FRAMOS D400e Kameras, sind n\u00fctzlich f\u00fcr Echtzeitanwendungen, einschlie\u00dflich der F\u00fchrung von autonomen Fahrzeugen, wie diesem Gabelstapler. (Bild mit freundlicher Genehmigung von Phase 3 Automation Ltd). <\/p>\n\n
Stereo-Tiefenkameras funktionieren auf die gleiche Weise wie das menschliche Binokularsehen: Sie verwenden zwei oder mehr Linsen oder Kameras, die einige Zentimeter voneinander entfernt sind. Die Software in der Verarbeitungseinheit der Kamera erkennt die gleichen Merkmale in jedem Sensor. Jedes Merkmal hat in jedem Sensor eine leicht unterschiedliche Position. Die Software kann den daraus resultierenden Versatz verwenden, um die Tiefe dieses Punktes mithilfe der Triangulation zu berechnen. <\/p>\n\n
Die meisten Stereotiefenkameras arbeiten auch mit aktiver Abtastung und enthalten einen gemusterten Lichtprojektor, der dabei hilft, entsprechende Punkte auf ansonsten flachen oder strukturlosen Oberfl\u00e4chen zu finden.<\/p>\n\n
Diese Kameras verwenden in der Regel Nah-Infrarot-Sensoren (NIR), die neben dem sichtbaren Licht auch das projizierte Infrarotmuster erkennen k\u00f6nnen. Einige Tiefenkameras, wie z.B. die Intel RealSense\u2122 Kamera, enthalten auch einen RGB-Kamerasensor, um Farbinformationen \u00fcber die resultierende Tiefenkarte zu legen. <\/p>\n\n
Das Erkennen und Korrelieren von Merkmalen in beiden Sensorbildern kann zwar rechenintensiv sein, aber Stereotiefenkameras sind recht effektiv bei der Bereitstellung von Tiefeninformationen in Echtzeit unter einer Vielzahl von Beleuchtungsbedingungen. Diese Systeme bieten eine Tiefenwahrnehmung, indem sie das menschliche beid\u00e4ugige Sehen imitieren, so dass sie die Entfernung und die r\u00e4umlichen Beziehungen von Objekten interpretieren k\u00f6nnen. Allerdings haben sie eine begrenzte effektive Reichweite, die von der Basislinie – dem Abstand zwischen den beiden Hauptbildsensoren – und der Aufl\u00f6sung der Bildsensoren abh\u00e4ngt. Denn je weiter Objekte von der Kamera entfernt sind, desto kleiner wird der Abstand zwischen den entsprechenden Merkmalen, den die Sensoren nicht mehr aufl\u00f6sen k\u00f6nnen. <\/p>\n\n
Stereo-Tiefenkameras sind in der Regel in einer Entfernung von bis zu 6 Metern von der Kamera wirksam.<\/p>\n\n
LiDAR-Sensoren<\/h3>\n\n
LiDAR-Systeme (Light Detection and Ranging) verwenden einen fokussierten Lasersender, der vor- und zur\u00fcckf\u00e4hrt, um ein Rastermuster von Lichtpunkten auf die zu erfassende Szene zu projizieren, wobei die Laserstrahlen die Szene abtasten.<\/p>\n\n
Jedes Mal, wenn ein Lichtimpuls vom LiDAR-System projiziert wird, zeichnet der Sensor im System das Intervall zwischen dem Zeitpunkt, an dem der Lichtimpuls ausgesendet wird, und dem Zeitpunkt, an dem er zum Sensor zur\u00fcckreflektiert wird, auf. Anhand dieses Intervalls kann das System die Entfernung zum Zielobjekt, das das Licht zum Sensor reflektiert hat, auf der Grundlage der Lichtgeschwindigkeit berechnen. <\/p>\n\n
LiDAR-Sensoren k\u00f6nnen die Szene scannen, um ein einzelnes \u201eBild\u201c von Daten auf der Grundlage der gemessenen Entfernung und der Richtung, in die der Strahl gerichtet war, zu erzeugen. Diese \u201eFrames\u201c k\u00f6nnen zwischen einigen hundert und vielen tausend Einzelpunkten liegen. Jedes Mal, wenn das LiDAR-System einen Scan abschlie\u00dft, erzeugt es eine \u201ePunktwolke\u201c auf der Grundlage der Position dieser Punkte. LiDAR-Systeme k\u00f6nnen auch in einem kontinuierlichen Streaming-Modus verwendet werden. Diese Daten k\u00f6nnen verwendet werden, um eine 3D-Karte des erfassten Bereichs zu erstellen. <\/p>\n\n
Die LiDAR-Systeme unterscheiden sich je nach Anwendungsbereich sehr stark. Da sie einen kollimierten und fokussierten Laserstrahl verwenden, um das Zielgebiet zu scannen, k\u00f6nnen LiDAR-Sensoren bei extrem gro\u00dfen Entfernungen von bis zu mehreren hundert Metern effektiv sein, aber kleine LiDAR-Sensoren mit geringer Leistung werden auch f\u00fcr die Tiefenmessung bei kurzen Entfernungen verwendet. Sie eignen sich f\u00fcr eine Vielzahl von Lichtverh\u00e4ltnissen. Wie alle aktiven Sensortechnologien reagieren sie jedoch empfindlich auf das Umgebungslicht, wenn sie im Freien eingesetzt werden. <\/p>\n\n
LiDAR-Sensoren verwenden in der Regel Infrarotlaser mit einer von zwei Wellenl\u00e4ngen: 905 Nanometer und 1550 Nanometer. Die Laser mit den k\u00fcrzeren Wellenl\u00e4ngen werden weniger wahrscheinlich von Wasser in der Atmosph\u00e4re absorbiert und eignen sich besser f\u00fcr die Vermessung gro\u00dfer Entfernungen, w\u00e4hrend die Infrarotlaser mit den l\u00e4ngeren Wellenl\u00e4ngen eher f\u00fcr augensichere Anwendungen geeignet sind, z.B. um Robotern die Navigation um Menschen herum zu erm\u00f6glichen. <\/p>\n\n
ToF-Kamerasysteme<\/h3>\n\n
Eine weitere aktive Tiefenerkennungs-Technologie, die weit verbreitet ist, sind Time-of-Flight-Kameras. Es gibt zwei verschiedene Ans\u00e4tze f\u00fcr Time-of-Flight-Tiefenerkennungssysteme, die jeweils ihre spezifischen Vorteile f\u00fcr eine bestimmte Anwendung haben: Direkte Time-of-Flight-Kameras (manchmal auch \u201edToF\u201c-Kameras genannt) und indirekte Time-of-Flight- oder iToF-Kameras. <\/p>\n\n
Direkte Flugzeit (dToF)<\/h3>\n\n
Wie LiDAR-Sensoren arbeiten direkte ToF-Kameras, indem sie die Szene mit Impulsen von unsichtbarem Infrarot-Laserlicht abtasten und dann das Licht beobachten, das von den Objekten in der Szene reflektiert wird. Die Entfernung zu jedem Punkt kann anhand der Zeit berechnet werden, die ein Lichtimpuls ben\u00f6tigt, um vom Sender zu einem Objekt in der Szene und wieder zur\u00fcck zu gelangen. <\/p>\n\n
Direkte ToF-Kameras verwenden eine besondere Art von Sensorpixeln, die so genannten SPAD-Pixel (Single Photon Avalanche Diode), die die pl\u00f6tzliche Photonenspitze erfassen, wenn ein Lichtimpuls zu ihnen zur\u00fcckreflektiert wird, und dieses Intervall aufzeichnen. Diese Sensorelemente sind vergleichsweise gro\u00df und werden in Gruppen ausgelesen, wenn der Laserscan fortschreitet. <\/p>\n\n
Aufgrund der Funktionsweise dieser Sensoren haben direkte ToF-Kameras in der Regel eine relativ geringe Aufl\u00f6sung. Direkte ToF-Kameras sind jedoch kompakt, relativ preiswert und n\u00fctzlich f\u00fcr eine Vielzahl von Anwendungen, bei denen keine hohe Aufl\u00f6sung oder Echtzeitleistung erforderlich ist. <\/p>\n\n
Indirekte Lichtlaufzeit (iToF)<\/h3>\n\n
Indirekte Time-of-Flight- oder \u201eiToF\u201c-Kameras verwenden diffuses Infrarot-Laserlicht von einem oder mehreren Emittern, um die gesamte Szene in einer Reihe von modulierten Laserpulsen oder Blitzen zu beleuchten. Das Licht wird kontinuierlich moduliert, indem die Laseremitter mit einer hohen Frequenz gepulst werden. <\/p>\n\n
Anstatt das Intervall zwischen jedem Lichtimpuls und dem Zeitpunkt, an dem er zur Kamera zur\u00fcckreflektiert wird, direkt zu messen, zeichnen iToF-Kameras die Phasenverschiebung der Wellenform auf, die in jedem Pixel des Sensors aufgezeichnet wird, und vergleichen diese. Indem man vergleicht, um wie viel die Wellenform in jedem Pixel phasenverschoben ist, kann man die Entfernung zu dem entsprechenden Punkt in der Szene errechnen. <\/p>\n\n
Die indirekte ToF-Sensortechnologie erm\u00f6glicht es, die Entfernung zu allen Punkten des Motivs in einer einzigen Aufnahme zu bestimmen.<\/p>\n\n
Vorteile und Nachteile von ToF<\/strong><\/h2>\n\nAlle Tiefensensortechnologien haben ihre eigenen Vor- und Nachteile. Es gibt keine \u201eEinheits\u201c-Technologie, die perfekt f\u00fcr jede Anwendung geeignet ist. Die Time-of-Flight-Kameras<\/a> bieten jedoch Vorteile, die sie im richtigen Kontext sehr n\u00fctzlich machen. <\/p>\n\nVorteile von ToF-Kameras<\/h3>\n\n
ToF-Kameras haben in der Regel keine beweglichen Teile. Dies gilt f\u00fcr alle indirekten ToF-Kameras, die eine diffuse Laserbeleuchtung verwenden. Einige direkte Timer-of-Flight-Kameras verwenden jedoch MEMS-Chips (Micro Electro-Mechanical Systems) oder andere bewegliche Teile zur Ausrichtung des Lasers. <\/p>\n\n
Alle ToF-Kameras sind kompakt, leicht und relativ preisg\u00fcnstig. Je nach der f\u00fcr ihre Laseremitter ben\u00f6tigten Leistung k\u00f6nnen sie so klein gemacht werden, dass sie in sehr kleine Ger\u00e4te, einschlie\u00dflich Smartphones, eingebaut werden k\u00f6nnen. <\/p>\n\n
Alle ToF-Kameras k\u00f6nnen bei sehr schlechten Lichtverh\u00e4ltnissen oder sogar in v\u00f6lliger Dunkelheit betrieben werden, da sie \u00fcber eine eigene Beleuchtung verf\u00fcgen. Die Genauigkeit von ToF-Kameras ist jeder anderen Tiefenerkennungs-Technologie \u00fcberlegen, mit Ausnahme von strukturierten Lichtkameras, und kann eine Genauigkeit von 1 mm bis 1 cm bieten, je nach Betriebsbereich der Kamera. <\/p>\n\n
Insbesondere indirekte ToF-Kameras liefern sehr hochaufl\u00f6sende, detailgetreue Tiefeninformationen mit bis zu 640\u00d7480 Pixeln (VGA-Aufl\u00f6sung).<\/p>\n\n
Da sie die gesamte Szene in einem einzigen Bild scannen, arbeiten iToF-Kameras auch sehr schnell und liefern Tiefenerkennungsdaten mit bis zu 60 Bildern pro Sekunde. Aus diesem Grund sind iToF-Kameras f\u00fcr eine Vielzahl von Hochgeschwindigkeits- oder Echtzeitanwendungen sehr n\u00fctzlich. <\/p>\n\n
ToF-Kameras sind im Vergleich zu anderen Tiefenerkennungs-Technologien wie strukturierten Lichtkameras und LiDAR-Sensoren auch relativ kosteng\u00fcnstig zu bauen und zu beschaffen.<\/p>\n\n
Nachteile von ToF-Kameras<\/h3>\n\n
ToF-Kameras haben auch einige Nachteile. In hell beleuchteten Situationen oder im Freien kann das Licht der Laseremitter durch das Umgebungslicht verwischt werden. Insbesondere indirekte ToF-Kameras k\u00f6nnen auch durch stark reflektierende Oberfl\u00e4chen oder retroreflektierende Materialien verwirrt werden, und alle ToF-Kameras k\u00f6nnen durch das einfallende Licht anderer ToF-Kameras, die im gleichen Sichtfeld arbeiten, verwirrt werden. <\/p>\n\n
Aus diesem Grund sind andere Tiefenerkennungs-Technologien wie Stereo-Tiefenkameras m\u00f6glicherweise effektiver f\u00fcr Anwendungen, die im Freien betrieben werden m\u00fcssen, oder in Situationen, in denen Sie m\u00f6glicherweise mehrere Tiefenkameras in demselben Bereich einsetzen m\u00f6chten.<\/p>\n\n
Mit der Weiterentwicklung der ToF-Technologie wird diese jedoch immer robuster und flexibler. Sony Semiconductor Solutions hat vor kurzem den IMX570 ToF-Sensor<\/a> auf den Markt gebracht, der \u00fcber einen \u201ePixel Drive\u201c-Verarbeitungsschaltkreis verf\u00fcgt, um die Auswirkungen von unerw\u00fcnschtem Umgebungslicht zu reduzieren. Dies verbessert die Genauigkeit und den effektiven Betriebsbereich des Sensors in stark beleuchteten Umgebungen oder im Freien bei hellem Sonnenschein. <\/p>\n\nAnwendungen der Time-of-Flight Technologie<\/strong><\/h2>\n\nWie jede Tiefenerkennungs-Technologie hat auch die Time-of-Flight-Kamera einige Einschr\u00e4nkungen und Nachteile. Dank ihrer Flexibilit\u00e4t und einfachen Handhabung sind sie jedoch f\u00fcr eine Vielzahl von Anwendungen geeignet. <\/p>\n\n
ToF-Kameras werden f\u00fcr die Tiefenerfassung in Industrie- und Robotikanwendungen eingesetzt, z. B. f\u00fcr die maschinelle Bildverarbeitung bei Pick-and-Place-Robotern, f\u00fcr die Objekterkennung an Flie\u00dfb\u00e4ndern, f\u00fcr die Objektklassifizierung in der Robotik und f\u00fcr die Bereitstellung von Navigationsfunktionen f\u00fcr mobile Roboter oder Autonomous Guided Vehicles (AGVs). Ein gutes Beispiel hierf\u00fcr ist ein Leitsystem f\u00fcr autonome Gabelstapler in einem automatischen Lager. <\/p>\n\n
Da ToF-Kameras ihre eigene Beleuchtung bereitstellen, k\u00f6nnen sie in einer Vielzahl von Umgebungen und Lichtverh\u00e4ltnissen eingesetzt werden – sowohl in Innenr\u00e4umen als auch im Freien.<\/p>\n\n
Logistik und Lagerautomatisierung<\/h3>\n\n
Einer der Vorteile von ToF-Kameras ist, dass sie hochaufl\u00f6sende Tiefendaten in hoher Geschwindigkeit mit Bildraten von bis zu 60 Bildern pro Sekunde erzeugen. Das bedeutet, dass eine einzige ToF-Kamera, die beispielsweise \u00fcber einem F\u00f6rderband angebracht ist, Pakete genau nach Gr\u00f6\u00dfe sortieren kann – mit pr\u00e4zisen Messungen in allen drei Dimensionen – und das genauso schnell, wie das F\u00f6rderband betrieben werden kann. <\/p>\n\n
Aus diesem Grund erfreuen sich ToF-Kameras einer breiten Akzeptanz in der Logistik und Lagerautomatisierung, wo sie zum Sortieren von Paketen eingesetzt werden oder es Robotern erm\u00f6glichen, Pakete schnell und pr\u00e4zise zu handhaben, zu stapeln und zu palettieren.<\/p>\n\n
Mobilit\u00e4t und Automotive<\/h3>\n\n
ToF-Kameras halten Einzug in die Bereiche Mobilit\u00e4t und Transport sowie in Automobilanwendungen – sowohl innerhalb als auch au\u00dferhalb des Fahrzeugs. Aufgrund der pr\u00e4zisen Echtzeit-Tiefeninformationen, die sie liefern, sind ToF-Kameras n\u00fctzlich, um das Situationsbewusstsein rund um das Fahrzeug zu verbessern. <\/p>\n\n
ToF-Kameras werden eingesetzt, um Navigation und Situationsbewusstsein f\u00fcr selbstfahrende Autos zu erm\u00f6glichen, oder um genaue Entfernungsdaten f\u00fcr Assistenzsysteme wie automatische Einparkhilfen zu liefern.<\/p>\n\n
ToF-Kameras finden sich auch in Fahrzeugen, wo sie f\u00fcr die Aufmerksamkeitsverfolgung (um sicherzustellen, dass der Fahrer die Stra\u00dfe im Auge beh\u00e4lt), die Gestenerkennung und die \u00dcberwachung der Insassen (um sicherzustellen, dass alle sicher auf ihren Sitzen sitzen) eingesetzt werden.<\/p>\n\n
Automatisierung im Einzelhandel<\/h3>\n\n
Neue Anwendungen f\u00fcr ToF-Kameras entstehen im aufstrebenden Bereich der Einzelhandelsautomatisierung. Aufgrund ihrer F\u00e4higkeit, Tiefe wahrzunehmen, sind ToF-Kameras nicht verwirrt, wenn Menschen dicht beieinander stehen. Sie sind daher n\u00fctzlich f\u00fcr Anwendungen wie Personenz\u00e4hlung, Verfolgung und Lokalisierung sowie f\u00fcr die Analyse von Personenstr\u00f6men (um zu beobachten, wie sich Menschen durch einen Verkaufsraum bewegen). <\/p>\n\n
ToF-Kameras werden auch f\u00fcr nahtlose Kassensysteme verwendet, da sie Gesten erkennen und feststellen k\u00f6nnen, ob Personen Gegenst\u00e4nde in der Hand halten oder nicht.<\/p>\n\n
Unterhaltung und Spiele<\/h3>\n\n
Ein neuer Markt f\u00fcr die Anwendung von ToF-Kamerasystemen ist die Unterhaltung. ToF-Kameras k\u00f6nnen so preiswert und kompakt gebaut werden, dass sie in eine Vielzahl von Ger\u00e4ten f\u00fcr Verbraucher, einschlie\u00dflich Mobiltelefonen, eingebaut werden k\u00f6nnen. Da sie \u00fcber eine eigene Beleuchtung verf\u00fcgen, werden ToF-Kameras bereits in Mobiltelefone eingebaut, um bei schlechten Lichtverh\u00e4ltnissen ein Fokus-Assistenzsystem f\u00fcr Kameras mit sichtbarem Licht zu bieten. <\/p>\n\n
Da sie Tiefeninformationen aufzeichnen, sind ToF-Kameras auch sehr n\u00fctzlich f\u00fcr die Gestenerkennung, da sie nicht verwirrt werden, wenn die H\u00e4nde der Person vor dem K\u00f6rper vorbeigehen. Die n\u00e4chste Generation von Videospielkonsolen und Virtual-Reality-Systemen verwendet ToF-Kameras, um die Hand- und K\u00f6rperpositionen der Spieler zu verfolgen und so ein noch intensiveres Spielerlebnis zu erm\u00f6glichen. <\/p>\n\n
Computer Vision Anwendungen<\/h3>\n\n
Tiefenerkennungs-Technologien sind ein wesentlicher Bestandteil einer Vielzahl von Computer Vision Anwendungen. Durch die Bereitstellung detaillierter Tiefeninformationen erm\u00f6glichen diese Technologien fortschrittliche Funktionen wie Objekterkennung, Hinderniserkennung und Gesichtserkennung. In autonomen Fahrzeugen werden LiDAR-Systeme und ToF-Kameras eingesetzt, um die Umgebung zu erfassen, Hindernisse zu erkennen und eine sichere Navigation zu gew\u00e4hrleisten. Algorithmen des maschinellen Lernens verbessern die Genauigkeit der Tiefeninformationen weiter, insbesondere bei schwierigen Bedingungen wie schwachem Licht oder komplexen Szenen. So k\u00f6nnen ToF-Kameras in Kombination mit maschinellem Lernen die Objekterkennung und die Tiefensch\u00e4tzung verbessern, was sie zu wertvollen Werkzeugen sowohl f\u00fcr industrielle als auch f\u00fcr Verbraucheranwendungen macht. Die Synergie zwischen Tiefenerkennung und Computer Vision treibt Innovationen in Bereichen wie Robotik, Sicherheit und intelligente Ger\u00e4te voran. <\/p>\n\n
Robotik und maschinelles Lernen<\/h3>\n\n
Robotik und maschinelles Lernen sind eng mit Tiefensensortechnologien verwoben, die es Robotern erm\u00f6glichen, ihre Umgebung intelligent wahrzunehmen und mit ihr zu interagieren. Tiefeninformationen erm\u00f6glichen es Robotern, Aufgaben wie das Aufnehmen und Platzieren von Objekten und die Navigation mit hoher Genauigkeit durchzuf\u00fchren. Strukturierte Lichtkameras werden h\u00e4ufig in kontrollierten Umgebungen eingesetzt, in denen pr\u00e4zise Tiefendaten erforderlich sind, w\u00e4hrend ToF-Kameras f\u00fcr Anwendungen bevorzugt werden, die eine schnelle Datenerfassung erfordern. LiDAR-Systeme liefern hochpr\u00e4zise Tiefeninformationen und sind daher ideal f\u00fcr komplexe Robotikaufgaben und autonome Navigation. Algorithmen f\u00fcr maschinelles Lernen verarbeiten die Tiefendaten dieser Sensoren und verbessern so die F\u00e4higkeit des Roboters, Objekte zu erkennen, Hindernissen auszuweichen und sich an dynamische Umgebungen anzupassen. Die Kombination von Tiefensensortechnologien und maschinellem Lernen ver\u00e4ndert die Robotik und macht die Maschinen leistungsf\u00e4higer, flexibler und autonomer. <\/p>\n\n
Vergleich der Tiefenerkennungs-Technologien <\/strong><\/h2>\n\nDie folgende Tabelle vergleicht die Vor- und Nachteile der in diesem Dokument besprochenen Tiefensensortechnologien:<\/p>\n\n
3D-Kameras mit strukturiertem Streifenlicht sind daf\u00fcr bekannt, dass sie aufgrund ihrer Musterprojektion und Triangulationsmethoden eine h\u00f6here Genauigkeit bei Messungen im Nahbereich bieten.<\/p>\n\nEigentum<\/th> Strukturiertes Licht<\/th> Stereo Vision<\/th> LiDAR<\/th> dToF<\/th> iToF<\/th><\/tr> Prinzip<\/strong><\/td>Beobachtet Verzerrungen im projizierten Muster<\/td> Vergleicht Merkmale in zwei Stereobildern<\/td> Misst die Transitzeit des von einem Objekt reflektierten Lichts<\/td> Misst die Transitzeit des von einem Objekt reflektierten Lichts<\/td> Misst die Phasenverschiebung von modulierten Lichtimpulsen<\/td><\/tr> Software-Komplexit\u00e4t<\/strong><\/td>Sehr hoch<\/td> Hoch<\/td> Niedrig<\/td> Niedrig<\/td> Medium<\/td><\/tr> Relative Kosten<\/strong><\/td>Hoch<\/td> Niedrig<\/td> Variiert<\/td> Niedrig<\/td> Medium<\/td><\/tr> Genauigkeit<\/strong><\/td>\u00b5m – mm<\/td> cm<\/td> Abh\u00e4ngig von der Reichweite<\/td> mm-cm<\/td> mm-cm<\/td><\/tr> Reichweite<\/strong><\/td>Niedrig, aber skalierbar<\/td> ~6m<\/td> Sehr skalierbar<\/td> Skalierbar<\/td> skalierbar<\/td><\/tr> Schwaches Licht<\/strong><\/td>Gut<\/td> Schwach<\/td> Gut<\/td> Gut<\/td> Gut<\/td><\/tr> Drau\u00dfen<\/strong><\/td>Schwach<\/td> Gut<\/td> Gut<\/td> Messe<\/td> Messe<\/td><\/tr> Scan-Geschwindigkeit<\/strong><\/td>Langsam<\/td> Medium<\/td> Langsam<\/td> Schnell<\/td> Sehr schnell<\/td><\/tr> Kompaktheit<\/strong><\/td>Medium<\/td> Niedrig<\/td> Niedrig<\/td> Hoch<\/td> Medium<\/td><\/tr> Stromverbrauch<\/strong><\/td>Hoch<\/td> Skalierbar – Niedrig<\/td> Skalierbar – Hoch<\/td> Medium<\/td> Skalierbar – Mittel<\/td><\/tr><\/tbody><\/table><\/figure>\n\nWas sind Tiefenerkennungskameras und wie funktionieren sie?<\/h1>\n\nBewerten Sie iToF f\u00fcr Ihre Anwendung<\/strong><\/h2>\n\n![\"\"\/](\"https:\/\/framos.com\/wp-content\/uploads\/2024\/04\/img_devkit_camera_module_nividia_logo_1920x1080.jpg\")
<\/p>\n\n
Das FSM-IMX570 Entwicklungskit bietet ein kalibriertes iToF-Kameramodul und eine einfache Integration mit NVIDIA Jetson Xavier und Orin Produkten<\/p>\n\n
FRAMOS hat ein ToF-Kamera-Entwicklungskit f\u00fcr Bildverarbeitungssystem-Ingenieure vorgestellt, die sich mit der Time-of-Flight-Technologie besch\u00e4ftigen oder ToF-Kameras f\u00fcr Machine-Vision-Anwendungen entwickeln wollen. Das Entwicklungskit FSM-IMX570<\/u><\/a> bietet Bildverarbeitungssystem-Ingenieuren ein einfaches, koh\u00e4rentes Rahmenwerk f\u00fcr die schnelle Entwicklung eines funktionierenden Prototyps eines indirekten Time-of-Flight (iToF) Kamerasystems auf der Grundlage der branchenf\u00fchrenden iToF-Technologie von Sony.<\/p>\n\nWenn Sie daran interessiert sind, die Time-of-Flight-Technologie f\u00fcr eine neue Anwendung zu evaluieren, oder wenn Sie ein Kameraentwicklungsprojekt planen, bietet Ihnen das FSM-IMX570 Entwicklungskit eine einfache M\u00f6glichkeit, mit der Technologie zu experimentieren oder Ihren eigenen Prototyp eines Kamerasystems zu entwickeln. Sehen Sie sich die Produktinformationsseite<\/a> zum Entwicklungskit an. <\/p>\n\nNEU<\/p>\n\n
Vorteile von ToF-Kameras<\/h3>\n\n
ToF-Kameras haben in der Regel keine beweglichen Teile. Dies gilt f\u00fcr alle indirekten ToF-Kameras, die eine diffuse Laserbeleuchtung verwenden. Einige direkte Timer-of-Flight-Kameras verwenden jedoch MEMS-Chips (Micro Electro-Mechanical Systems) oder andere bewegliche Teile zur Ausrichtung des Lasers. <\/p>\n\n
Alle ToF-Kameras sind kompakt, leicht und relativ preisg\u00fcnstig. Je nach der f\u00fcr ihre Laseremitter ben\u00f6tigten Leistung k\u00f6nnen sie so klein gemacht werden, dass sie in sehr kleine Ger\u00e4te, einschlie\u00dflich Smartphones, eingebaut werden k\u00f6nnen. <\/p>\n\n
Alle ToF-Kameras k\u00f6nnen bei sehr schlechten Lichtverh\u00e4ltnissen oder sogar in v\u00f6lliger Dunkelheit betrieben werden, da sie \u00fcber eine eigene Beleuchtung verf\u00fcgen. Die Genauigkeit von ToF-Kameras ist jeder anderen Tiefenerkennungs-Technologie \u00fcberlegen, mit Ausnahme von strukturierten Lichtkameras, und kann eine Genauigkeit von 1 mm bis 1 cm bieten, je nach Betriebsbereich der Kamera. <\/p>\n\n
Insbesondere indirekte ToF-Kameras liefern sehr hochaufl\u00f6sende, detailgetreue Tiefeninformationen mit bis zu 640\u00d7480 Pixeln (VGA-Aufl\u00f6sung).<\/p>\n\n
Da sie die gesamte Szene in einem einzigen Bild scannen, arbeiten iToF-Kameras auch sehr schnell und liefern Tiefenerkennungsdaten mit bis zu 60 Bildern pro Sekunde. Aus diesem Grund sind iToF-Kameras f\u00fcr eine Vielzahl von Hochgeschwindigkeits- oder Echtzeitanwendungen sehr n\u00fctzlich. <\/p>\n\n
ToF-Kameras sind im Vergleich zu anderen Tiefenerkennungs-Technologien wie strukturierten Lichtkameras und LiDAR-Sensoren auch relativ kosteng\u00fcnstig zu bauen und zu beschaffen.<\/p>\n\n
Nachteile von ToF-Kameras<\/h3>\n\n
ToF-Kameras haben auch einige Nachteile. In hell beleuchteten Situationen oder im Freien kann das Licht der Laseremitter durch das Umgebungslicht verwischt werden. Insbesondere indirekte ToF-Kameras k\u00f6nnen auch durch stark reflektierende Oberfl\u00e4chen oder retroreflektierende Materialien verwirrt werden, und alle ToF-Kameras k\u00f6nnen durch das einfallende Licht anderer ToF-Kameras, die im gleichen Sichtfeld arbeiten, verwirrt werden. <\/p>\n\n
Aus diesem Grund sind andere Tiefenerkennungs-Technologien wie Stereo-Tiefenkameras m\u00f6glicherweise effektiver f\u00fcr Anwendungen, die im Freien betrieben werden m\u00fcssen, oder in Situationen, in denen Sie m\u00f6glicherweise mehrere Tiefenkameras in demselben Bereich einsetzen m\u00f6chten.<\/p>\n\n
Mit der Weiterentwicklung der ToF-Technologie wird diese jedoch immer robuster und flexibler. Sony Semiconductor Solutions hat vor kurzem den IMX570 ToF-Sensor<\/a> auf den Markt gebracht, der \u00fcber einen \u201ePixel Drive\u201c-Verarbeitungsschaltkreis verf\u00fcgt, um die Auswirkungen von unerw\u00fcnschtem Umgebungslicht zu reduzieren. Dies verbessert die Genauigkeit und den effektiven Betriebsbereich des Sensors in stark beleuchteten Umgebungen oder im Freien bei hellem Sonnenschein. <\/p>\n\n Wie jede Tiefenerkennungs-Technologie hat auch die Time-of-Flight-Kamera einige Einschr\u00e4nkungen und Nachteile. Dank ihrer Flexibilit\u00e4t und einfachen Handhabung sind sie jedoch f\u00fcr eine Vielzahl von Anwendungen geeignet. <\/p>\n\n ToF-Kameras werden f\u00fcr die Tiefenerfassung in Industrie- und Robotikanwendungen eingesetzt, z. B. f\u00fcr die maschinelle Bildverarbeitung bei Pick-and-Place-Robotern, f\u00fcr die Objekterkennung an Flie\u00dfb\u00e4ndern, f\u00fcr die Objektklassifizierung in der Robotik und f\u00fcr die Bereitstellung von Navigationsfunktionen f\u00fcr mobile Roboter oder Autonomous Guided Vehicles (AGVs). Ein gutes Beispiel hierf\u00fcr ist ein Leitsystem f\u00fcr autonome Gabelstapler in einem automatischen Lager. <\/p>\n\n Da ToF-Kameras ihre eigene Beleuchtung bereitstellen, k\u00f6nnen sie in einer Vielzahl von Umgebungen und Lichtverh\u00e4ltnissen eingesetzt werden – sowohl in Innenr\u00e4umen als auch im Freien.<\/p>\n\n Einer der Vorteile von ToF-Kameras ist, dass sie hochaufl\u00f6sende Tiefendaten in hoher Geschwindigkeit mit Bildraten von bis zu 60 Bildern pro Sekunde erzeugen. Das bedeutet, dass eine einzige ToF-Kamera, die beispielsweise \u00fcber einem F\u00f6rderband angebracht ist, Pakete genau nach Gr\u00f6\u00dfe sortieren kann – mit pr\u00e4zisen Messungen in allen drei Dimensionen – und das genauso schnell, wie das F\u00f6rderband betrieben werden kann. <\/p>\n\n Aus diesem Grund erfreuen sich ToF-Kameras einer breiten Akzeptanz in der Logistik und Lagerautomatisierung, wo sie zum Sortieren von Paketen eingesetzt werden oder es Robotern erm\u00f6glichen, Pakete schnell und pr\u00e4zise zu handhaben, zu stapeln und zu palettieren.<\/p>\n\n ToF-Kameras halten Einzug in die Bereiche Mobilit\u00e4t und Transport sowie in Automobilanwendungen – sowohl innerhalb als auch au\u00dferhalb des Fahrzeugs. Aufgrund der pr\u00e4zisen Echtzeit-Tiefeninformationen, die sie liefern, sind ToF-Kameras n\u00fctzlich, um das Situationsbewusstsein rund um das Fahrzeug zu verbessern. <\/p>\n\n ToF-Kameras werden eingesetzt, um Navigation und Situationsbewusstsein f\u00fcr selbstfahrende Autos zu erm\u00f6glichen, oder um genaue Entfernungsdaten f\u00fcr Assistenzsysteme wie automatische Einparkhilfen zu liefern.<\/p>\n\n ToF-Kameras finden sich auch in Fahrzeugen, wo sie f\u00fcr die Aufmerksamkeitsverfolgung (um sicherzustellen, dass der Fahrer die Stra\u00dfe im Auge beh\u00e4lt), die Gestenerkennung und die \u00dcberwachung der Insassen (um sicherzustellen, dass alle sicher auf ihren Sitzen sitzen) eingesetzt werden.<\/p>\n\n Neue Anwendungen f\u00fcr ToF-Kameras entstehen im aufstrebenden Bereich der Einzelhandelsautomatisierung. Aufgrund ihrer F\u00e4higkeit, Tiefe wahrzunehmen, sind ToF-Kameras nicht verwirrt, wenn Menschen dicht beieinander stehen. Sie sind daher n\u00fctzlich f\u00fcr Anwendungen wie Personenz\u00e4hlung, Verfolgung und Lokalisierung sowie f\u00fcr die Analyse von Personenstr\u00f6men (um zu beobachten, wie sich Menschen durch einen Verkaufsraum bewegen). <\/p>\n\n ToF-Kameras werden auch f\u00fcr nahtlose Kassensysteme verwendet, da sie Gesten erkennen und feststellen k\u00f6nnen, ob Personen Gegenst\u00e4nde in der Hand halten oder nicht.<\/p>\n\n Ein neuer Markt f\u00fcr die Anwendung von ToF-Kamerasystemen ist die Unterhaltung. ToF-Kameras k\u00f6nnen so preiswert und kompakt gebaut werden, dass sie in eine Vielzahl von Ger\u00e4ten f\u00fcr Verbraucher, einschlie\u00dflich Mobiltelefonen, eingebaut werden k\u00f6nnen. Da sie \u00fcber eine eigene Beleuchtung verf\u00fcgen, werden ToF-Kameras bereits in Mobiltelefone eingebaut, um bei schlechten Lichtverh\u00e4ltnissen ein Fokus-Assistenzsystem f\u00fcr Kameras mit sichtbarem Licht zu bieten. <\/p>\n\n Da sie Tiefeninformationen aufzeichnen, sind ToF-Kameras auch sehr n\u00fctzlich f\u00fcr die Gestenerkennung, da sie nicht verwirrt werden, wenn die H\u00e4nde der Person vor dem K\u00f6rper vorbeigehen. Die n\u00e4chste Generation von Videospielkonsolen und Virtual-Reality-Systemen verwendet ToF-Kameras, um die Hand- und K\u00f6rperpositionen der Spieler zu verfolgen und so ein noch intensiveres Spielerlebnis zu erm\u00f6glichen. <\/p>\n\n Tiefenerkennungs-Technologien sind ein wesentlicher Bestandteil einer Vielzahl von Computer Vision Anwendungen. Durch die Bereitstellung detaillierter Tiefeninformationen erm\u00f6glichen diese Technologien fortschrittliche Funktionen wie Objekterkennung, Hinderniserkennung und Gesichtserkennung. In autonomen Fahrzeugen werden LiDAR-Systeme und ToF-Kameras eingesetzt, um die Umgebung zu erfassen, Hindernisse zu erkennen und eine sichere Navigation zu gew\u00e4hrleisten. Algorithmen des maschinellen Lernens verbessern die Genauigkeit der Tiefeninformationen weiter, insbesondere bei schwierigen Bedingungen wie schwachem Licht oder komplexen Szenen. So k\u00f6nnen ToF-Kameras in Kombination mit maschinellem Lernen die Objekterkennung und die Tiefensch\u00e4tzung verbessern, was sie zu wertvollen Werkzeugen sowohl f\u00fcr industrielle als auch f\u00fcr Verbraucheranwendungen macht. Die Synergie zwischen Tiefenerkennung und Computer Vision treibt Innovationen in Bereichen wie Robotik, Sicherheit und intelligente Ger\u00e4te voran. <\/p>\n\n Robotik und maschinelles Lernen sind eng mit Tiefensensortechnologien verwoben, die es Robotern erm\u00f6glichen, ihre Umgebung intelligent wahrzunehmen und mit ihr zu interagieren. Tiefeninformationen erm\u00f6glichen es Robotern, Aufgaben wie das Aufnehmen und Platzieren von Objekten und die Navigation mit hoher Genauigkeit durchzuf\u00fchren. Strukturierte Lichtkameras werden h\u00e4ufig in kontrollierten Umgebungen eingesetzt, in denen pr\u00e4zise Tiefendaten erforderlich sind, w\u00e4hrend ToF-Kameras f\u00fcr Anwendungen bevorzugt werden, die eine schnelle Datenerfassung erfordern. LiDAR-Systeme liefern hochpr\u00e4zise Tiefeninformationen und sind daher ideal f\u00fcr komplexe Robotikaufgaben und autonome Navigation. Algorithmen f\u00fcr maschinelles Lernen verarbeiten die Tiefendaten dieser Sensoren und verbessern so die F\u00e4higkeit des Roboters, Objekte zu erkennen, Hindernissen auszuweichen und sich an dynamische Umgebungen anzupassen. Die Kombination von Tiefensensortechnologien und maschinellem Lernen ver\u00e4ndert die Robotik und macht die Maschinen leistungsf\u00e4higer, flexibler und autonomer. <\/p>\n\n Die folgende Tabelle vergleicht die Vor- und Nachteile der in diesem Dokument besprochenen Tiefensensortechnologien:<\/p>\n\n 3D-Kameras mit strukturiertem Streifenlicht sind daf\u00fcr bekannt, dass sie aufgrund ihrer Musterprojektion und Triangulationsmethoden eine h\u00f6here Genauigkeit bei Messungen im Nahbereich bieten.<\/p>\n\n Das FSM-IMX570 Entwicklungskit bietet ein kalibriertes iToF-Kameramodul und eine einfache Integration mit NVIDIA Jetson Xavier und Orin Produkten<\/p>\n\n FRAMOS hat ein ToF-Kamera-Entwicklungskit f\u00fcr Bildverarbeitungssystem-Ingenieure vorgestellt, die sich mit der Time-of-Flight-Technologie besch\u00e4ftigen oder ToF-Kameras f\u00fcr Machine-Vision-Anwendungen entwickeln wollen. Das Entwicklungskit FSM-IMX570<\/u><\/a> bietet Bildverarbeitungssystem-Ingenieuren ein einfaches, koh\u00e4rentes Rahmenwerk f\u00fcr die schnelle Entwicklung eines funktionierenden Prototyps eines indirekten Time-of-Flight (iToF) Kamerasystems auf der Grundlage der branchenf\u00fchrenden iToF-Technologie von Sony.<\/p>\n\n Wenn Sie daran interessiert sind, die Time-of-Flight-Technologie f\u00fcr eine neue Anwendung zu evaluieren, oder wenn Sie ein Kameraentwicklungsprojekt planen, bietet Ihnen das FSM-IMX570 Entwicklungskit eine einfache M\u00f6glichkeit, mit der Technologie zu experimentieren oder Ihren eigenen Prototyp eines Kamerasystems zu entwickeln. Sehen Sie sich die Produktinformationsseite<\/a> zum Entwicklungskit an. <\/p>\n\n NEU<\/p>\n\nAnwendungen der Time-of-Flight Technologie<\/strong><\/h2>\n\n
Logistik und Lagerautomatisierung<\/h3>\n\n
Mobilit\u00e4t und Automotive<\/h3>\n\n
Automatisierung im Einzelhandel<\/h3>\n\n
Unterhaltung und Spiele<\/h3>\n\n
Computer Vision Anwendungen<\/h3>\n\n
Robotik und maschinelles Lernen<\/h3>\n\n
Vergleich der Tiefenerkennungs-Technologien <\/strong><\/h2>\n\n
Eigentum<\/th> Strukturiertes Licht<\/th> Stereo Vision<\/th> LiDAR<\/th> dToF<\/th> iToF<\/th><\/tr> Prinzip<\/strong><\/td> Beobachtet Verzerrungen im projizierten Muster<\/td> Vergleicht Merkmale in zwei Stereobildern<\/td> Misst die Transitzeit des von einem Objekt reflektierten Lichts<\/td> Misst die Transitzeit des von einem Objekt reflektierten Lichts<\/td> Misst die Phasenverschiebung von modulierten Lichtimpulsen<\/td><\/tr> Software-Komplexit\u00e4t<\/strong><\/td> Sehr hoch<\/td> Hoch<\/td> Niedrig<\/td> Niedrig<\/td> Medium<\/td><\/tr> Relative Kosten<\/strong><\/td> Hoch<\/td> Niedrig<\/td> Variiert<\/td> Niedrig<\/td> Medium<\/td><\/tr> Genauigkeit<\/strong><\/td> \u00b5m – mm<\/td> cm<\/td> Abh\u00e4ngig von der Reichweite<\/td> mm-cm<\/td> mm-cm<\/td><\/tr> Reichweite<\/strong><\/td> Niedrig, aber skalierbar<\/td> ~6m<\/td> Sehr skalierbar<\/td> Skalierbar<\/td> skalierbar<\/td><\/tr> Schwaches Licht<\/strong><\/td> Gut<\/td> Schwach<\/td> Gut<\/td> Gut<\/td> Gut<\/td><\/tr> Drau\u00dfen<\/strong><\/td> Schwach<\/td> Gut<\/td> Gut<\/td> Messe<\/td> Messe<\/td><\/tr> Scan-Geschwindigkeit<\/strong><\/td> Langsam<\/td> Medium<\/td> Langsam<\/td> Schnell<\/td> Sehr schnell<\/td><\/tr> Kompaktheit<\/strong><\/td> Medium<\/td> Niedrig<\/td> Niedrig<\/td> Hoch<\/td> Medium<\/td><\/tr> Stromverbrauch<\/strong><\/td> Hoch<\/td> Skalierbar – Niedrig<\/td> Skalierbar – Hoch<\/td> Medium<\/td> Skalierbar – Mittel<\/td><\/tr><\/tbody><\/table><\/figure>\n\n Was sind Tiefenerkennungskameras und wie funktionieren sie?<\/h1>\n\n
Bewerten Sie iToF f\u00fcr Ihre Anwendung<\/strong><\/h2>\n\n
<\/p>\n\n