Zusammenfassung: QR-Codes und AprilTags sehen sich ähnlich, sind aber für unterschiedliche Aufgaben gebaut. QR-Codes tragen Informationen. AprilTags sind Passermarken für die Schätzung von Position, Ausrichtung und Pose. Die richtige Wahl kann viel unnötige Komplexität vermeiden, und nicht jedes Kameraproblem braucht ein neuronales Netz.
Ein Geometrieproblem, kein KI-Problem
Das haben wir bei der Entwicklung von LaMetric Solar Glance gelernt. Bei der Einrichtung mussten wir die physische Größe und Position eines TVs mit einer Smartphone-Kamera messen.
Das war kein KI-Problem. Es war ein Geometrieproblem. Also haben wir AprilTags verwendet. Weil ihre Abmessungen bekannt sind, kann die Kamera ihre Ecken erkennen und sie als Referenzpunkte für Messungen in der realen Welt nutzen. Einfach, deterministisch und ohne KI.
Warum das Thema wieder aufkam
Kürzlich haben wir ein Edge-AI-System gesehen, das QR-Codes für die visuelle Positionsbestimmung nutzte, und das hat uns an diese Entscheidung erinnert. Warum QR-Codes statt AprilTags? Die beiden Marker sind für unterschiedliche Dinge gemacht:
- QR-Codes → Information. Ideal für IDs, URLs, Seriennummern und Konfiguration.
- AprilTags → Machine Vision. Entwickelt als Passermarken für die Schätzung von Position, Ausrichtung und Pose. Deshalb sind sie in Robotik, Drohnenlandung, industrieller Bildverarbeitung und Kamerakalibrierung weit verbreitet.
So funktioniert jeder Marker
Ein QR-Code ist ein zweidimensionaler Barcode. Seine Aufgabe ist, Daten zu speichern: Er kodiert Text wie eine URL oder eine ID, mit Fehlerkorrektur, damit er auch lesbar bleibt, wenn ein Teil beschädigt ist. Die Suchmuster in drei Ecken helfen einem Leser, den Code zu finden und auszurichten, aber im Vordergrund des Designs stehen die Datenmenge und eine zuverlässige Dekodierung.
Ein AprilTag ist eine Passermarke aus der AprilTag-Familie, die für die Robotikforschung entwickelt wurde. Er trägt nur eine kleine ID. Seine Aufgabe ist, schnell und zuverlässig im Bild gefunden zu werden und präzise Eckpositionen zu liefern. Mit kalibrierter Kamera und bekannter Markergröße reichen diese vier Ecken, um zu berechnen, wo sich der Marker im Raum befindet und wie er relativ zur Kamera ausgerichtet ist.
Deshalb sind die beiden nicht austauschbar. Ein QR-Code lässt sich erkennen und seine Ecken für eine grobe Positionsbestimmung nutzen, aber dafür wurde er nicht entworfen. Ein AprilTag kann keine URL speichern, liefert aber Geometrie, auf die Sie sich verlassen können.
| QR-Code | AprilTag | |
|---|---|---|
| Hauptzweck | Informationen tragen | Geometrie messen |
| Inhalt | Text, URLs, IDs, Konfiguration | Eine kleine numerische ID |
| Posenschätzung | Möglich, aber nicht dafür entworfen | Dafür entworfen, mit kalibrierter Kamera und bekannter Größe |
| Erkennung auf Distanz und im Winkel | Braucht genug Auflösung, um die Daten zu dekodieren | Einfacheres Muster, für robuste Erkennung gebaut |
| Typische Anwendungen | Produktetiketten, Onboarding-Links, Seriennummern | Robotik, Drohnenlandung, industrielle Bildverarbeitung, Kamerakalibrierung |
Wann Sie welchen nutzen sollten
- Nutzen Sie einen QR-Code, wenn eine Person oder ein Gerät Daten lesen muss: einen Onboarding-Link, eine Seriennummer, eine WLAN-Konfiguration oder eine Produkt-ID.
- Nutzen Sie einen AprilTag, wenn die Kamera wissen muss, wo sich etwas befindet: Position, Entfernung, Größe oder Ausrichtung.
- Nutzen Sie beide, wenn Sie Daten und Geometrie brauchen, zum Beispiel einen QR-Code für die ID und AprilTags in den Ecken für die Position.
Häufige Fehler
- Ein neuronales Netz für ein Problem einsetzen, das die Geometrie bereits löst, mit zusätzlichen Trainingsdaten, Rechenaufwand und Unsicherheit.
- Die Kamerakalibrierung auslassen, sodass die Posenschätzung falsch ist, obwohl die Erkennung funktioniert.
- Marker drucken, ohne ihre Größe zu kontrollieren, was jede Messung zerstört, die auf einem bekannten Maß beruht.
- Beleuchtung, Spiegelungen und Druckqualität ignorieren, die die meisten Erkennungsfehler im Feld verursachen.
Checkliste für markerbasierte Messung
- Klären, ob das Problem Information oder Geometrie ist.
- Die Kamera kalibrieren, die tatsächlich ausgeliefert wird, nicht nur eine Entwicklungskamera.
- Die gedruckte Markergröße festlegen und prüfen.
- Bei realen Entfernungen, Winkeln und Lichtverhältnissen testen.
- Festlegen, was passiert, wenn kein Marker gefunden wird, damit der Nutzer klare Hinweise bekommt.
Die größere Lektion für Edge AI
Die Wahl des richtigen Grundbausteins kann viel unnötige Komplexität beseitigen. Nicht jedes Kameraproblem braucht ein neuronales Netz, und nicht jeder schwarz-weiße Marker sollte ein QR-Code sein.
Einen markerbasierten Einrichtungsablauf gestalten
Marker funktionieren am besten, wenn der ganze Ablauf um sie herum gestaltet ist, nicht nur der Erkennungscode. Überlegen Sie bei einem Einrichtungsablauf mit Smartphone-Kamera, was der Nutzer sieht und tut:
- Den Marker auf einem Bildschirm oder einer gedruckten Karte zeigen, in einer Größe, die auf die erwartete Entfernung erkennbar bleibt.
- Den Nutzer anleiten, das Smartphone so zu halten, dass der ganze Marker im Bild ist, mit Live-Rückmeldung, sobald die Erkennung klappt.
- Mehrere Erkennungen sammeln und kombinieren, statt einem einzelnen Bild zu vertrauen.
- Das Ergebnis gegen plausible Grenzen prüfen, zum Beispiel eine Bildschirmgröße im unterstützten Bereich.
- Eine klare Alternative anbieten, etwa eine manuelle Eingabe, wenn die Erkennung fehlschlägt.
Solche deterministischen Verfahren lassen sich auch leichter testen. Sie können das erwartete Ergebnis für jeden Fall festlegen und automatisch prüfen, was bei einem trainierten Modell, dessen Verhalten von seinen Trainingsdaten abhängt, viel schwieriger ist.
Wann Geometrie und KI zusammenpassen
Geometrie und KI sind keine Gegensätze. Viele Produkte nutzen eine Passermarke für einen präzisen Bezugsrahmen und dann ein Modell für den Teil des Problems, der wirklich Lernen braucht, etwa das Erkennen dessen, was sich im vermessenen Bereich befindet. Die Kunst liegt darin, jedes Werkzeug nur dort einzusetzen, wo es die einfachste zuverlässige Option ist.
FAQ
Lässt sich ein QR-Code zur Positionsbestimmung nutzen?
Grob ja, weil sich seine Ecken erkennen lassen. Für eine zuverlässige Position und Pose ist ein als Passermarke entworfener Marker das bessere Werkzeug.
Brauchen AprilTags eine kalibrierte Kamera?
Um Position und Ausrichtung in der realen Welt zu messen, ja. Die Erkennung funktioniert ohne Kalibrierung, aber eine genaue Posenschätzung braucht die intrinsischen Kameraparameter und die Markergröße.
Wann ist stattdessen KI sinnvoll?
Wenn sich in der Szene kein Marker befindet, den Sie kontrollieren, zum Beispiel beim Erkennen von Objekten oder Personen. Wenn Sie einen Marker platzieren können, ist Geometrie meist einfacher und vorhersehbarer.
Welche AprilTag-Familie sollten wir nutzen?
Die Familien unterscheiden sich darin, wie viele eindeutige IDs sie bieten und wie robust sie gegen Fehlerkennungen sind. Für die meisten Produkte ist eine weit verbreitete Familie mit guter Bibliotheksunterstützung die sichere Wahl. Testen Sie Erkennungsreichweite und Fehlerkennungen mit Ihrer Kamera und Ihrem Druckverfahren, bevor Sie sich festlegen.
Wie testen wir die Markererkennung?
Erstellen Sie einen Testsatz aus echten Bildern: unterschiedliche Entfernungen, Winkel, Beleuchtung, Spiegelungen und teilweise verdeckte Marker. Weil das erwartete Ergebnis bekannt ist, lässt sich jeder Fall bei jeder Softwareänderung automatisch prüfen. Nehmen Sie Bilder der günstigsten Smartphones oder Kameras auf, die Ihre Nutzer wahrscheinlich haben, nicht nur vom Entwicklungsgerät.
Behalten Sie einen kleinen Satz Bilder, bei denen die Erkennung fehlschlagen soll, zum Beispiel einen Marker, der zu weit entfernt oder größtenteils verdeckt ist. Sie zeigen, ob das System sicher scheitert und dem Nutzer eine hilfreiche Meldung gibt, was genauso wichtig ist wie die Erfolgsfälle.
Wie wir helfen
Wir bauen Computer Vision in vernetzte Produkte ein, von deterministischer Markererkennung bis zur Inferenz auf dem Gerät. Siehe unsere Leistung Edge AI und Computer Vision und den Accelerator Industrial Vision Box, der Vision-Produkte mit einer fertigen Basis für Kamera, Inferenz und Konnektivität beschleunigt. Wenn Sie den einfachsten Vision-Ansatz für Ihr Gerät suchen, sprechen Sie mit einem Ingenieur.
