lib dt apriltags ดาวน์โหลด - lib dt apriltags ซอร์สโค้ดดาวน์โหลดดาวน์โหลด

lib dt apriltags

ซอร์สโค้ดอื่น ๆ

ดาวน์โหลด

lib-dt-apriltags: การผูก Python สำหรับห้องสมุด apriltags

นี่คือการผูก Python สำหรับห้องสมุด apriltags 3 ที่พัฒนาโดย Aprilrobotics แรงบันดาลใจจากการผูก Apriltags2 โดย Matt Zucker

ไลบรารีดั้งเดิมถูกเผยแพร่ด้วยใบอนุญาต BSD 2 ข้อ

การติดตั้ง

วิธีที่ง่าย

คุณสามารถติดตั้งได้โดยใช้ pip (หรือ pip3 สำหรับ Python 3):

 pip install dt-apriltags

และถ้าคุณต้องการรีลีสเฉพาะให้เพิ่มเช่นนี้:

 pip install [email protected]

สร้างมันเอง

โคลนที่เก็บนี้และนำทางในนั้น จากนั้นเริ่มต้น submodule apriltags:

 $ git submodule init
$ git submodule update

สร้างห้องสมุด apriltags C และฝังไลบรารีที่สร้างขึ้นใหม่ลงในล้อ PIP

 $ make build

ล้อใหม่จะมีอยู่ในไดเรกทอรี dist/ ตอนนี้คุณสามารถติดตั้งล้อได้

 pip install dt_apriltags-VERSION-pyPYMAJOR-none-ARCH.whl

หมายเหตุ: ขึ้นอยู่กับ VERSION ปัจจุบันของไลบรารีนี้และเวอร์ชันของ Python ใช้ PYMAJOR พร้อมกับสถาปัตยกรรมของ CPU ARCH ของคุณชื่อไฟล์ด้านบนแตกต่างกันไป

สร้างสำหรับ Python 3

ห้องสมุดนี้รองรับการสร้างล้อสำหรับ Python 2 และ 3 Python 2 จะถูกใช้โดยค่าเริ่มต้น ใช้คำสั่งต่อไปนี้เพื่อสร้างสำหรับ Python 3

 make build PYTHON_VERSION=3

สร้างสำหรับสถาปัตยกรรมที่แตกต่างกัน

ห้องสมุดนี้รองรับการสร้างล้อสำหรับสถาปัตยกรรม CPU amd64 , arm32v7 และ arm64v8 สถาปัตยกรรมเริ่มต้นคือ amd64 เมื่อสร้างล้อสำหรับสถาปัตยกรรมแขน QEMU จะถูกใช้เพื่อเลียนแบบ CPU เป้าหมาย ใช้คำสั่งต่อไปนี้เพื่อสร้างสถาปัตยกรรม arm32v7

 make build ARCH=arm32v7

ปล่อยล้อ

ล้อทั้งหมดที่สร้างขึ้นภายใน dist/ สามารถปล่อย (ผลักไปที่ pypi.org) โดยเรียกใช้คำสั่ง

 make upload

ปล่อยทั้งหมด

ใช้คำสั่งต่อไปนี้เพื่อสร้างและปล่อยล้อสำหรับ Python 2 และ 3 และ CPU Architecture amd64 และ arm32v7

 make release-all

การใช้งาน

ตัวอย่างบางส่วนของการใช้งานสามารถดูได้ในไฟล์ test.py คลาส Detector เป็น wrapper รอบฟังก์ชั่น apriltags คุณสามารถเริ่มต้นได้ดังต่อไปนี้:

 at_detector = Detector(searchpath=['apriltags'],
                       families='tag36h11',
                       nthreads=1,
                       quad_decimate=1.0,
                       quad_sigma=0.0,
                       refine_edges=1,
                       decode_sharpening=0.25,
                       debug=0)

ตัวเลือกคือ:

ตัวเลือก	ค่าเริ่มต้น	คำอธิบาย
ครอบครัว	'tag36h11'	แท็กครอบครัวคั่นด้วยพื้นที่
nthreads	1	จำนวนเธรด
max_hamming	2	จำนวนบิตสูงสุดที่ได้รับอนุญาตให้พลิกเพื่อสร้างการตรวจจับแท็กที่ประสบความสำเร็จ สามารถช่วยลดเชิงลบที่ผิดพลาดได้เมื่อเสียงรบกวนทำให้บิตข้อมูลบางอย่างถูกอ่านไม่ถูกต้อง แต่ยังสามารถเพิ่มผลบวกที่ผิดพลาดได้
quad_decimate	2.0	การตรวจจับสี่เหลี่ยมสามารถทำได้บนภาพความละเอียดต่ำปรับปรุงความเร็วในราคาที่แม่นยำและลดอัตราการตรวจจับเล็กน้อย การถอดรหัสเพย์โหลดไบนารียังคงทำตามความละเอียดเต็มรูปแบบ ตั้งค่านี้เป็น 1.0 เพื่อใช้ความละเอียดเต็มรูปแบบ
quad_sigma	0.0	สิ่งที่เบลอเกาส์เซียนควรนำไปใช้กับภาพที่แบ่งส่วน พารามิเตอร์คือค่าเบี่ยงเบนมาตรฐานเป็นพิกเซล ภาพที่มีเสียงดังมากได้รับประโยชน์จากค่าที่ไม่เป็นศูนย์ (เช่น 0.8)
ปรับแต่ง	1	เมื่อไม่เป็นศูนย์ขอบของรูปสี่เหลี่ยมแต่ละรูปจะถูกปรับให้เป็น "snap to" การไล่ระดับสีที่แข็งแกร่งในบริเวณใกล้เคียง สิ่งนี้มีประโยชน์เมื่อใช้การทำลายล้างเนื่องจากสามารถเพิ่มคุณภาพของการประมาณรูปสี่เหลี่ยมจัตุรัสเริ่มต้นได้อย่างมาก โดยทั่วไปแนะนำให้อยู่ใน (1) ราคาไม่แพงมาก ตัวเลือกจะถูกละเว้นหาก quad_decimate = 1
decode_sharpening	0.25	การคมชัดควรทำเพื่อถอดรหัสภาพมากแค่ไหน? สิ่งนี้สามารถช่วยถอดรหัสแท็กขนาดเล็ก แต่อาจหรือไม่อาจช่วยในสภาพแสงแปลก ๆ หรือสภาพแสงน้อย
การค้นหา	['apriltags']	สถานที่มองหาห้องสมุด apriltag 3 ต้องเป็นรายการ
การดีบัก	0	ถ้า 1 จะบันทึกภาพการดีบัก วิ่งช้ามาก

การตรวจจับแท็กในภาพทำได้โดยการเรียกใช้วิธี detect ของเครื่องตรวจจับ:

 tags = at_detector.detect(img, estimate_tag_pose=False, camera_params=None, tag_size=None)

หากคุณต้องการสกัดแท็กโพสต์ estimate_tag_pose ควรตั้งค่าเป็น True และ camera_params ( [fx, fy, cx, cy] ) และ tag_size (เป็นเมตร) วิธี detect ส่งคืนรายการวัตถุ Detection แต่ละรายการมีแอตทริบิวต์ต่อไปนี้ (โปรดทราบว่าวัตถุที่มีเครื่องหมายดอกจันจะถูกคำนวณเฉพาะในกรณีที่ estimate_tag_pose=True ):

คุณลักษณะ	คำอธิบาย
tag_family	ครอบครัวของแท็ก
tag_id	ID ที่ถอดรหัสของแท็ก
การรัม	มีการแก้ไขข้อผิดพลาดกี่บิต? หมายเหตุ: การยอมรับข้อผิดพลาดที่ถูกต้องจำนวนมากนำไปสู่อัตราการบวกที่ผิดพลาดเพิ่มขึ้นอย่างมาก หมายเหตุ: จากการใช้งานนี้เครื่องตรวจจับไม่สามารถตรวจจับแท็กด้วยระยะการ hamming มากกว่า 3
การตัดสินใจ _margin	การวัดคุณภาพของกระบวนการถอดรหัสไบนารี: ความแตกต่างเฉลี่ยระหว่างความเข้มของบิตข้อมูลกับเกณฑ์การตัดสินใจ ตัวเลขที่สูงขึ้นหมายถึงการถอดรหัสที่ดีขึ้น นี่เป็นตัวชี้วัดที่สมเหตุสมผลในการตรวจจับความแม่นยำสำหรับแท็กขนาดเล็กมากเท่านั้น- ไม่มีประสิทธิภาพสำหรับแท็กขนาดใหญ่ (ซึ่งเราสามารถสุ่มตัวอย่างได้ทุกที่ภายในเซลล์บิตและยังคงได้รับการตรวจจับที่ดี)
คำทำเป็นคล้ายคลึงกัน	เมทริกซ์ homography 3x3 ที่อธิบายการฉายจากแท็ก "อุดมคติ" (มีมุมที่ (-1,1), (1,1), (1, -1) และ (-1, -1)) ภาพ.
ศูนย์	ศูนย์กลางของการตรวจจับในพิกเซลพิกเซล
มุม	มุมของแท็กในพิกเซลพิกเซล สิ่งเหล่านี้จะห่อหุ้มคอลล็อครอบแท็กเสมอ
Pose_r*	เมทริกซ์การหมุนของการประมาณการท่าทาง
Pose_t*	การแปลการประมาณการท่าทาง
Pose_err*	ข้อผิดพลาดในพื้นที่วัตถุของการประมาณ

เค้าโครงที่กำหนดเอง

หากคุณต้องการใช้เค้าโครงที่กำหนดเองคุณต้องสร้างไฟล์แหล่ง C และส่วนหัวสำหรับมันแล้วสร้างไลบรารีอีกครั้ง จากนั้นใช้ไลบรารี libapriltag.so ใหม่ คุณสามารถค้นหาข้อมูลเพิ่มเติมเกี่ยวกับที่เก็บ apriltags ดั้งเดิม

หมายเหตุนักพัฒนา

ล้อถูกสร้างขึ้นภายในคอนเทนเนอร์ Docker Dockerfile ในรูทของที่เก็บนี้เป็นเทมเพลตสำหรับสภาพแวดล้อมการสร้าง สภาพแวดล้อมการสร้างขึ้นอยู่กับ ubuntu:18.04 และ Python เวอร์ชันที่ถูกต้องติดตั้งทันที คำสั่ง make build จะสร้างสภาพแวดล้อมการสร้างหากไม่มีอยู่ก่อนที่จะสร้างล้อ

เมื่อสภาพแวดล้อมการสร้าง (อิมเมจ Docker) พร้อมแล้วคอนเทนเนอร์ Docker จะถูกเปิดตัวด้วยการกำหนดค่าต่อไปนี้: