Advertisement

Intelligente Flurförderzeuge durch die Implementierung kognitiver Systeme

  • Ludger Overmeyer
  • Lars Dohrmann
  • Björn Eilert
  • Steffen Kleinert
  • Florian Podszus
Living reference work entry
Part of the Springer NachschlageWissen book series

Zusammenfassung

Dieser Beitrag zeigt, wie die von Menschen bekannten Fähigkeiten zur Flexibilität und Anpassung gegenüber veränderten Umgebungsbedingungen, die sich in den kognitiven Eigenschaften der Menschen widerspiegeln, auf Flurförderzeuge in der Intralogistik übertragen werden kann. Als Beispiele für die Umsetzung von Industrie 4.0 in der Intralogistik werden Technologien vorgestellt, die es Flurförderzeugen ermöglichen, ihre Umgebung zu erkennen, Informationen zu kommunizieren, zu schlussfolgern, autonom zu handeln, Entscheidungen zu treffen, zu lernen oder zu planen. Realisiert werden diese Fähigkeiten durch ein optisches Ortungssystem zur Positionsbestimmung, eine kamerabasierte Ein-/ Auslagerungsunterstützung und in Reifen integrierte Sensorik sowie neuartige Interaktionsformen für Flurförderzeuge in Form von Sprache und Gestik.

Schlüsselwörter

Flurförderzeuge Gestensteuerung Sprachsteuerung Sensorintegration 3D-Kamera Ortungssystem kognitive Systeme 

Literatur

  1. Ahmad F, Najam A, Ahmed Z (2012) Image-based face detection and recognition: „state of the art“. Int J Comput Sci Issues 9(6):169Google Scholar
  2. Al-Dahoud A et al (2010) High level tele-operating speech communication system for controlling a colony of robots. WTOC 9(6):364–373Google Scholar
  3. Alt G, Stadler E (2010) Intelligente optoelektrische Sensoren. In: Die Bibliothek der Technik, Bd 328. Süddeutscher Verlag onpact, MünchenGoogle Scholar
  4. Argelaguet F, Andujar C (2013) A survey of 3D object selection techniques for virtual environments. Comput Graph 3:121–136. doi:10.1016/j.cag.2012.12.003Google Scholar
  5. Bär F, Lotz C, Bouzakis A, Overmeyer L (2012) Sensorintegration in Flurförderzeugreifen. In: Tagungsband der 9. Hamburger Staplertagung, Helmut-Schmidt-Universität, Hamburg, 19 Juni 2012Google Scholar
  6. Barker J (2004) Respite CASA toolkit (CTK) v1.3.5. http://staffwww.dcs.shef.ac.uk/people/J.Barker/ctk.html. Zugegriffen am 08.04.2016
  7. Bartels O (2002) Batterielose Transpondertechnologie für elektronische Reifendruck-Kontrolle. ATZ 104(04):348–352. doi:10.1007/BF03224401, Springer Fachmedien, WiesbadenGoogle Scholar
  8. Becherer T, Oehler R, Raste T (2000) Der Seitenwandtorsions-Sensor SWT. ATZ 102(11):946–949. doi:10.1007/BF03224325, Springer Fachmedien, WiesbadenGoogle Scholar
  9. Black AW, Taylor P (1997) The festival speech synthesis system: system documentation. Technical report HCRC/TR-83, Human Communication Research Centre, University of EdinburghGoogle Scholar
  10. Buxbaum B (2002) Optische Laufzeitentfernungsmessung und CDMA auf Basis der PMD-Technologie mittels phasen-variabler PN-Notation. Dissertation, Universität SiegenGoogle Scholar
  11. Churchill E, McConville JT, Laubach LL, Erskine P, Downing K, Churchill T (1978) Anthropometric source book – a handbook of anthropometric data. NASA Reference Publication 1024. Washington, DC, NASA, Houston, Texas, United StatesGoogle Scholar
  12. Dohrmann L, Podszus F, Ullmann G, Overmeyer L (2014) Mensch-Maschine-Interaktion für Fahrerlose Transportfahrzeuge – Methode zur Beauftragung von interaktiven Transportsystemen. Ind Manag 6:21–24Google Scholar
  13. Dong Y, Xu S (2007) A new directional weighted median filter for removal of random-valued impulse noise. IEEE Signal Process Lett 3:193–196CrossRefGoogle Scholar
  14. Ende T, Haddadin S, Parusel S, Wusthoff T, Hassenzahl M, Albu Schaffer A (2011) A human-centered approach to robot gesture based communication within collaborative working processes. In: Intelligent robots and systems, San Francisco, 2011, S 25–30Google Scholar
  15. eSpeak (2015) http://espeak.sourceforge.net. Zugegriffen am 08.04.2016
  16. Euler S (2006) Grundkurs Spracherkennung – Vom Sprachsignal zum Dialog, Grundlagen und Anwendungen verstehen. Vieweg + Teubner (GWV), WiesbadenGoogle Scholar
  17. Fardi B et al (2006) Obstacle detection and pedestrian recognition using a 3D PMD camera. In: Proceedings of the intelligent vehicle symposium, TokyoGoogle Scholar
  18. Fezari M (2007) Voice and sensors fusion for guiding a wheelchair. J Eng Appl Sci 2(1):30–35Google Scholar
  19. Fezari M et al (2005) Design of a voice control system for a disabled person wheelchair. Asian J Inf Technol 4(10):940–944Google Scholar
  20. Furmans K, Overmeyer L (2011) Automatisierung in der Logistik – dezentral und geregelt. at Automatisierungstechnik 59(4):207CrossRefGoogle Scholar
  21. Heißmeyer S, Overmeyer L, Müller A (2012) Indoor positioning of vehicles using an active optical infrastructure. In: 3rd international conference on indoor positioning and indoor navigation (IPIN), Sydney, 2012, S 13–15Google Scholar
  22. Heißmeyer S, Overmeyer L, Müller A (2013) Optical indoor positioning of vehicles. Logist J Rev. doi:10.2195/lj_Rev_heissmeyer_en_201309_01Google Scholar
  23. Jing P, Ye-peng G (2013) Human-computer interaction using pointing gesture based on an adaptive virtual touch screen. Int J Signal Process Image Process Pattern Recognit 4:81–92Google Scholar
  24. Kleinert S, Overmeyer L (2013) Integration von 3D-Kamerasystemen am Gabelstapler. In: Tagungsband des 9. Fachkolloquium der Wissenschaftlichen Gesellschaft für Technische Logistik. Verlag Praxiswissen, Dortmund, S 11–17Google Scholar
  25. Kleinert S, Overmeyer L (2014) Sensorintegration in Flurförderzeugreifen, Temperatur- und Belastungsüberwachung in SE-Reifen. In: Forschungskatalog Flurförderzeuge 2014 der 10. Hamburger Staplertagung, Helmut-Schmidt-Universität, Hamburg, 26.06.2014Google Scholar
  26. Lee A, Kawahara T (2009) Recent development of open-source speech recognition engine Julius. In: Asia-Pacific Signal and Information Processing Association, 2009 annual summit and conference, International Organizing Committee. Sapporo (Japan)Google Scholar
  27. Lee A, Kawahara T, Shikano K (2001) Julius – an open source realtime large vocabulary recognition engine. In: EUROSPEECH, S 1691–1694. Aalborg (Denmark)Google Scholar
  28. Lei X et al (2013) Accurate and compact large vocabulary speech recognition on mobile devices. In: Proceedings Interspeech 2013Google Scholar
  29. Li J et al (2014) An overview of noise-robust automatic speech recognition. IEEE/ACM Trans Audio Speech Lang Process 22(4):745–777CrossRefGoogle Scholar
  30. Motec GmbH (2015) Produktbroschüre zu Kamerasystemen für Logistikanwendungen. http://motec-cameras.com/fileadmin/user_upload/pdf/Logistik_DE.pdf. Zugegriffen am 16.03.2015
  31. Murthy GRS, Jadon RS (2009) A review of vision based hand gestures recognition. Int J Inf Technol Knowl Manag 2:405–410Google Scholar
  32. Nauth P (2010) Speech and image recognition for intelligent robot control with self generating will. In: IWSSIP 2010-17th international conference on systems, signals and image processing, S 186–189. Rio de Janeiro (Brazil)Google Scholar
  33. Overmeyer L, Kleinert S (2011) 3D-Kamerasysteme assistieren bei der Ladungshandhabung. MM Maschinenmarkt 39:42–45Google Scholar
  34. Overmeyer L, Kleinert S (2012) Das Lasthandling verbessern. f + h 1–2/20–22Google Scholar
  35. Overmeyer L, Mänken F (2013) Intelligente Schnittstellen in wandlungsfähigen Lieferketten – ISI-Walk-Abschlussbericht. TEWISS – Technik und Wissen GmbH, GarbsenGoogle Scholar
  36. Overmeyer L et al (Hrsg) (2013) Dimensionierung elektronischer Komponenten. PZH Verlag, GarbsenGoogle Scholar
  37. Perez Quintero C, Fomena RT, Shademan A, Wolleb N, Dick T, Jagersand M (2013) SEPO: Selecting by pointing as an intuitive human-robot command interface. In: Robotics and automation, Karlsruhe, 2013, S 6–10Google Scholar
  38. Pfister B, Kaufmann T (2008) Sprachverarbeitung – Grundlagen und Methoden der Sprachsynthese und Spracherkennung. Springer, Berlin/HeidelbergGoogle Scholar
  39. Piepenburg B (2012) Geometrieunabhängige automatisierte Kommissionierung mithilfe von industrieller Bildverarbeitung und künstlicher Intelligenz. Dissertation, Helmut Schmitt Universität, HamburgGoogle Scholar
  40. Povey D et al (2011) The Kaldi speech recognition toolkit. In: IEEE 2011 workshop on automatic speech recognition and understanding. IEEE Signal Processing Society. Big Island (Hawaii)Google Scholar
  41. Quandt E (2005) Kombination von Magnetostriktion und Magnetoimpedanz für kontaktlos auslesbare Reifensensoren. Stiftung caeser, BonnGoogle Scholar
  42. Rybach D et al (2009) The RWTH Aachen university open source speech recognition system. In: INTERSPEECH 2009, S 2111–2114. Brisbane (Australia)Google Scholar
  43. Schick A, Sauer O (2013) Gestenbasierte Qualitätskontrolle – Intuitive Mensch-Maschine-Interaktion in der Industrie. wt Werstattstechnik online 9:731–732Google Scholar
  44. Schiller I (2011) Dynamic 3D scene analysis and modeling with a time-of-flight camera. Dissertation, Chistian-Albrechts-Universität zu KielGoogle Scholar
  45. Schorn H-J (2004) Sprachsteuerung in industrieller Umgebung – Einsatzgebiete und Grenzen von Voice-Control-Lösungen im Maschinenumfeld. In: A&D-Vorsprung Automation, publish-industry Verlag, 2004, S 40–43. München (Deutschland)Google Scholar
  46. Schwarz LA, Mkhitaryan A, Mateus D, Navab N (2011) Estimating human 3D pose from time-of-flight images based on geodesic distances and optical flow. In: Gesture recognition (FG 2011), Santa Barbara, 2011, S 21–25Google Scholar
  47. Standke W (2014) Statistik Arbeitsunfallgeschehen 2011. Deutsche Gesetzliche Unfallversicherung – DGVU, MünchenGoogle Scholar
  48. Taylor P, Black A, Caley R (1998) The architecture of the festival speech synthesis system. In: Third ESCA workshop in speech synthesis, S 147–151. Jenolan Caves (Australia)Google Scholar
  49. Technical Research Centre of Finland (VTT) (2005) Project Apollo intelligent tyre for accident-free traffic: intelligent tyre systems – state of the art and potential technologies. Report. Oulu (Finnland). http://virtual.vtt.fi/virtual/proj3/apollo/deliverables/apollo_state_of_art.pdf. Zugegriffen am 07.04.2016
  50. Trenkle A (2014) FiFi – Robuste Personenerkennung gestengesteuerter Fahrzeuge in der Intralogistik. Logist J Proc. doi:10.2195/lj_Proc_trenkle_de_201411_01Google Scholar
  51. Ullrich G (2013) Fahrerlose Transportsysteme: Eine Fibel – mit Praxisanwendungen – zur Technik – für die Planung. Springer Fachmedien Wiesbaden GmbH, WiesbadenGoogle Scholar
  52. Valin J-M et al (2007) Robust recognition of simultaneous speech by a mobile robot. IEEE Trans Robot 23(4):742CrossRefGoogle Scholar
  53. Vetter (2014) Produktbroschüre zu Gabelzinkenkamerasystemen in den Gabelzinkenspitzen. http://www.camfork.de/html/files/downloads/prospekte_deutsch/CamFork.pdf. Zugegriffen am 16.03.2015
  54. Viola P, Jones M (2001) Rapid object detection using a boosted cascade of simple features. In: Proceedings of the IEEE international conference on computer vision and pattern recognition, Kauai, 2001, S 8–14Google Scholar
  55. Walker W et al (2004) Sphinx-4: a flexible open source framework for speech recognition. Sun Mircrosystems Inc, Technical Report SML1 TR2004-0811Google Scholar
  56. Young S et al (2009) The HTK book (for version 3.4). Cambridge University Engineering Department. Cambridge (England)Google Scholar
  57. Yurick S (2011) Evolution of speech recognition technology in the warehouse. Lucas Systems, White PaperGoogle Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2015

Authors and Affiliations

  • Ludger Overmeyer
    • 1
  • Lars Dohrmann
    • 2
  • Björn Eilert
    • 2
  • Steffen Kleinert
    • 1
  • Florian Podszus
    • 2
  1. 1.Institut für Transport- und AutomatisierungstechnikGottfried Wilhelm Leibniz Universität HannoverGarbsenDeutschland
  2. 2.IPH – Institut für Integrierte Produktion HannoverHannoverDeutschland

Personalised recommendations