EDGE COMPUTING
HERAUSFORDERUNG: Die Arbeit mit cloudbasierter Bildverarbeitung kann die Latenz und den Datenverkehr im Netzwerk erhöhen. Daneben können Risiken hinsichtlich des Datenschutzes und der Sicherheit entstehen.
Lösung:
Nutzen Sie Edge Computing und wandeln Sie Bilddaten an ihrer Quelle in verwertbare Daten um. FLIR unterstützt Sie mit Kameras, die folgende Eigenschaften bieten:
• Zuverlässige und detaillierte Bilderfassung unter schwierigen Bedingungen
• IEEE1588-Kompatibilität für eine einfache Kamerasynchronisierung
• Volle SDK-Unterstützung für ARM- und x64-Plattformen
Edge Computing in Eingebetteten Systemen mit FLIR-Kameras
Eine Schnelleinführung ins Edge Computing
Edge Computing ist ein Netzwerk-Modell in dem die Datenverarbeitung am Rand des Netzwerks in der Nähe der Datenquelle erfolgt. Beim Edge Computing entfällt das Senden der Bilddaten an einen zentralen Server oder Cloud Service zur Verarbeitung. Wird Edge Computing beispielsweise für Mautsysteme verwendet, so kann das System die Kfz-Kennzeichenerfassung auf einem einfachen Single Board Computer nahe der Kamera ausführen. Nur Kfz-Kennzeichen würden übertragen werden, nicht aber die Bilder von Fahrzeugen oder der Straße. Heute ist dies mit preisgünstigen und leistungsstarken Single Board Computern möglich. Das Spinnaker-SDK von FLIR unterstützt sowohl x64- und ARM-Hardware als auch Bildverarbeitungsbibliotheken von Drittanbietern. Sie müssen sich also um die Kompatibilität keine Sorgen machen. Dank der Unterstützung zahlreicher Plattformen lassen sich Anwendungen in einer vertrauten Desktop-Umgebung entwickeln und anschließend auf eingebetteten Systemen ausführen.
Wesentliche Vorteile von Edge Computing
Durch die Verarbeitung der Bilddaten ohne Netzwerkbelastung wird die Systemlatenz und der Jitter vermindert, da weniger Switches und Hosts zwischen der Quelle und dem Ziel der Daten notwendig sind. Jeder Netzwerkknoten, den die Datenpakete durchlaufen, erhöht die Verzögerung zwischen Bilderfassung und Aktion. Edge Computing verringert die Systemlatenz weiter, da es zu keiner Verzögerung durch das Hochladen der Bilddaten kommt. Für noch mehr Sicherheit und einen höheren Datenschutz können Edge-Knoten die Daten anonymisieren, die zur weiteren Analyse an die Cloud gesendet werden.
Abbildung 1: Edge Computing verarbeitet Bilddaten nahe der Quelle für geringe Systemlatenz
Abbildung 2: Cloud-Computing führt zu einem langen Signalpfad für Bilddateien, was die Systemlatenz erhöht
| Reduziert die Bandbreite | Da Ihre Daten an der Quelle verarbeitet werden, müssen keine Bilder an einen zentralen Server übertragen werden. Da nur verwertbare Informationen gesendet werden, sind deutlich geringere Bandbreiten erforderlich. |
| Geringere Latenz | Die Reduzierung der Datenmenge, die über das Netzwerk gesendet wird, beschleunigt das System und minimiert Verzögerungen zwischen Bilderfassung und Dateneingang. |
| Mehr Datenschutz und Sicherheit | Sensible Daten wie Nummernschilder und Gesichter werden nicht an die Cloud übertragen. |
Wann Edge Computing verwendet wird
Der Einsatz dezentraler Edge Computing-Netzwerke zur Verarbeitung des stetig wachsenden Volumens an Daten aus dem Internet der Dinge wird als Fog Computing bezeichnet. Beim Fog Computing wird das Cloud Computing zwar nicht eliminiert, aber dessen Rolle im System ändert sich. Edge-Knoten werden zur Kommunikation zwischen mehreren Maschinen mit geringer Latenz verwendet. Die Cloud hingegen dient für komplexere Datenanalysen, etwa von Daten, die aus einem großen geografischen Gebiet oder über einen längeren Zeitraum eingehen.
Zu den wesentlichen Entscheidungen beim Konzipieren eines Edge Computing-Systems gehört, welche Daten für weitere Analysen oder eine langfristige Speicherung an die Cloud weitergeleitet werden. Informationen, die für Zeiträume von wenigen Sekunden benötigt werden, sollten am Netzwerkrand verarbeitet und ausgeführt werden, Analysen von Daten zu längeren Zeiträumen können ohne große Verzögerung für das System an die Cloud gesendet werden.
| Einsatzbereich | Vorteil |
| Intelligente Verkehrssysteme | Bandbreitennutzung verringern, Systemsicherheit erhöhen und Datenschutzrisiken minimieren |
| Industrielle Automatisierung | Latenz und Jitter verringern, um höheren Durchsatz zu erzielen |
| Autonome Fahrzeugsteuerung | Systemlatenz minimieren, um eine schnelle Entscheidungsfindung für Fahrzeuge bei hohen Geschwindigkeiten zu ermöglichen und die Abhängigkeit von einer kontinuierlichen Datenverbindung zu eliminieren |
FLIRs industrielle Kamera unterstützt Edge Computing
FLIR-Kameras optimieren die Entwicklung von Bildverarbeitungsanwendungen für das Edge Computing. Durch die Kopplung der aktuellsten CMOS-Sensoren mit verbesserten Algorithmen für die automatische Steuerung zur Farbkorrektur und Belichtung, nehmen FLIR-Kameras zuverlässig detaillierte Bilder auch bei schlechten Lichtbedingungen auf. FLIR Blackfly S -Kameras sind mit Sony Pregius-Sensoren ausgestattet. Aufgrund der hohen Quanteneffizienz und des geringen Ausleserauschens können diese Sensoren scharfe, rauscharme Bilder bei schwachem Licht aufnehmen. Der große Dynamikbereich stellt sicher, dass die Kameras Details sowohl in dunklen also auch hell ausgeleuchteten Bereichen von Szenen mit hohem Kontrast aufnehmen.
Die leistungsstarke integrierte Bildverarbeitung der FLIR-Kameras umfasst Farb-Interpolation, Schärfen und Gamma-Korrektur. Dies verringert die Anforderungen an die hostseitige Verarbeitung. Dank der Unterstützung des IEEE1588 Precision Time Protocol lassen sich die GigE Blackfly S mit anderen IEEE1588-fähigen Geräten auf eine gemeinsame Zeitbasis synchronisieren.
Spinnaker SDK -Kompatibilität
FLIR-Kameras mit Spinnaker SDK unterstützen x64- und ARM-basierte Systeme und können daher in Kombination mit einer breiten Palette an Standardhardware verwendet werden. Die plattformübergreifende Unterstützung ermöglicht ein konsistentes Benutzererlebnis sowohl für x64 Windows- als auch Linux-Anwender.
| ARM64 | X64 | |
| Windows 7/8/10 | Nein | Ja |
| Ubuntu 14.01/16.04 | Ja | Ja |
| LinuxGUI | Nein | Ja |
Weitere hilfreiche Ressourcen
Wenn Sie die EMVA 1288-Bildqualität unserer Kameras vergleichen möchten, dann nutzen Sie auf unserer Website das Sensor-Vergleichstool und den Kamera-Selektor .
Zu Definitionen von Begriffen zur EMVA 1288-Bildqualität, wie Quanteneffizienz und Dynamikbereich, informieren Sie sich auf unserer EMVA 1288-Übersicht.