Der Frühling kommt und mit ihm die wärmeren Temperaturen. Nicht nur wir Menschen, auch unsere vierbeinigen Haustiere wagen sich wieder mehr nach draussen.
Von den Pfotentieren ist die Katze eines der beliebtesten Haustiere und sie teilt somit häufig mit uns Menschen in der Wohnung ihren Lebensraum. Mit einem kleinen Türchen bieten viele Besitzer ihrer Katze die Möglichkeit, selbständig ein- und auszugehen. Dies kann dazu führen, dass die Katze nach der Jagd ihre Beute gerne als Trophäe mit in die Wohnung bringt – was bei vielen Besitzern aber nicht auf Begeisterung stösst. So entstand aus einer spielerischen Diskussion über Möglichkeiten neuer Sensoren bei der Firma record Türautomation AG in Fehraltorf die Idee für ein Projekt mit dem Ziel, die Beute bei Katzen mit einem optischen Sensor zu erkennen. Dieses Projekt wurde bei der Fachhochschule Graubünden als Thema für eine Bachelorthesis im Studiengang Photonics eingereicht, womit ich mich im letzten Semester des Studiums auseinandersetzten durfte.
3D-Sensorik ist eine aufstrebende Technologie, die im Zeitalter der Digitalisierung auch immer mehr Anwendung in unserem Alltag findet. Mit dem Prinzip von Time-of-Flight (ToF) ist es möglich, aufgrund der Laufzeit des ausgesendeten Lichts und der Lichtgeschwindigkeit auf die Distanz zu schliessen. Wird diese Messung auf einem Kamerasensor für jedes Pixel durchgeführt, entsteht eine dreidimensionale Punktwolke, welche im Vergleich zu herkömmlichen Kameras die räumliche Geometrie von Objekten erfassen kann. In der näheren Betrachtung hat sich die Beutedetektion bei Katzen als gute Aufgabe herauskristallisiert, um die Möglichkeiten der neuen ToF-Sensortechnologie und deren nicht ganz trivialen algorithmischen Verarbeitung zu untersuchen.
Zur Untersuchung der Katze auf Beutefang ist eine Verarbeitungskette entstanden, welche zunächst die Katze in der Szene detektiert und anschliessend eine Art «Fingerabdruck» generiert, welcher die Geometrie des Katzenkopfes repräsentiert. Für die Unterscheidung dieser Merkmale wurde ein Konzept aus dem Bereich der künstlichen Intelligenz verwendet. Mit einem Datensatz von über 450 Aufnahmen wurde die Zuordnung der beiden Zustände «mit Beute» und «ohne Beute» in Abhängigkeit der Merkmale trainiert und anschliessend statistisch ausgewertet. Schwachstellen in der Verarbeitungskette konnten so erkannt und weiter verbessert werden. Am Ende ist eine Live-Anwendung entstanden, welche das Bild von der Kamera direkt verarbeitet und anschliessend die Katze entsprechend klassifiziert.
Mit dieser Verarbeitungskette ist es nun möglich, mit gegebenen Einschränkungen den Katzenkopf auf Beute zu untersuchen. Da in diesem Fall ausschliesslich mit künstlichen Modellen gearbeitet wurde, wäre es in einem nächsten Schritt spannend zu untersuchen, wie zuverlässig die Erkennung bei einer realen Katze funktioniert, und welchen Einfluss zum Beispiel die Oberflächenstruktur vom Fell auf die Qualität der Punktwolke hat. Der Ansatz hat jedenfalls Potenzial, in einer realen Anwendung eingesetzt zu werden und das Problem, dass Katzen ihre Beute mit in die Wohnräume bringen, massgeblich zu beheben. Zudem besteht die Möglichkeit, die Verarbeitungskette auch auf neue Anwendungen zu übertragen, um andere Objekte in einer 3D-Szene zu erkennen und zu klassifizieren.
Maurus Fritsche hat am Institut für Photonics und ICT der FH Graubünden Photonics studiert und im Sommer 2020 abgeschlossen. Heute arbeitet er als Entwicklungsingenieur Sensorik bei record Türautomation AG. Alle vier Wochen diskutiert die Fachhochschule Graubünden an dieser Stelle aktuelle Themen aus Lehre und Forschung.