lib dt apriltags下载lib dt apriltags源代码下载

lib dt apriltags

其他源码

下载

lib-dt-apriltags：python bintings for apriltags库

这些是Aprilrobotics开发的Apriltags 3库的Python绑定。受马特·扎克（Matt Zucker）的Apriltags2绑定的启发。

原始库是使用BSD 2-CORAESE许可证发布的。

安装

简单的方法

您可以使用pip安装（或python 3的pip3 ）：

 pip install dt-apriltags

如果您想要特定的版本，请这样添加：

 pip install [email protected]

自己构建

克隆此存储库并在其中导航。然后初始化Apriltags子模块：

 $ git submodule init
$ git submodule update

构建Apriltags C库，并将新建的库嵌入PIP轮中。

 $ make build

新的车轮将在目录dist/ 。您现在可以安装轮子

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

注意：基于此库的当前VERSION和Python的版本使用了PYMAJOR ，以及您的CPU ARCH的体系结构，上述文件名也有所不同。

为Python 3建造

该图书馆支持Python 2和3的建筑车轮。默认情况下将使用Python 2。使用以下命令为Python 3构建。

 make build PYTHON_VERSION=3

建造不同的体系结构

该图书馆支持CPU架构amd64 ， arm32v7和arm64v8的构建车轮。默认架构为amd64 。在为手臂架构构建车轮时，QEMU将用于模拟目标CPU。使用以下命令为arm32v7体系结构构建。

 make build ARCH=arm32v7

释放轮

可以通过运行命令来释放所有dist/内部构建的车轮（将其推向pypi.org）

 make upload

释放全部

使用以下命令为Python 2和3和CPU Architecture amd64和arm32v7构建和释放车轮。

 make release-all

用法

在test.py文件中可以看到一些用法的示例。 Detector类是围绕Apriltags功能的包装器。您可以将其初始化如下：

 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)

选项是：

选项	默认	解释
家庭	'tag36H11'	标记家庭，与空间分开
nthreads	1	线程数
max_hamming	2	允许翻转以生成成功的标签检测的最大位数。当噪声导致某些数据位错误地读取时，可以帮助减少虚假负数，但也可以增加误报。
quad_decimate	2.0	可以在较低分辨率的图像上检测四边形，以姿势准确性的成本提高速度，并且检测率略有下降。解码二进制有效载荷仍以完全分辨率完成。将其设置为1.0以使用完整的分辨率。
quad_sigma	0.0	高斯的模糊应应用于分段图像。参数是像素中的标准偏差。非常嘈杂的图像受益于非零值（例如0.8）
Refine_edges	1	当非零时，将每个四边形的边缘调整为“快照”到附近的强梯度。当采用拆卸时，这很有用，因为它可以大大提高初始四分之一估计的质量。通常建议使用（1）。计算上很便宜。如果quad_decimation = 1，将忽略选项
decode_sharpening	0.25	解码图像应进行多少锐化？这可以有助于解码小标签，但在奇怪的照明条件或低光条件下可能会有所帮助
搜索路径	['apriltags']	在哪里查找Apriltag 3库，必须是列表
调试	0	如果1，将保存调试图像。运行非常慢

图像中标签的检测是通过运行检测器的detect方法完成的：

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

如果您还想提取标签姿势，则应将estimate_tag_pose设置为True和camera_params （ [fx, fy, cx, cy] ）和tag_size （以米为单位）。该detect方法返回一个Detection对象列表，每个检测对象每个具有以下属性（请注意，只有在estimate_tag_pose=True时才能计算带有星号的对象列表：

属性	解释
tag_family	标签的家族。
tag_id	标签的解码ID。
锤子	纠正了多少位错误位？注意：接受大量校正错误会导致误报率大大提高。注意：在此实现之后，检测器无法检测锤距大于3的标签。
deciest_margin	二进制解码过程质量的度量：数据位强度与决策阈值之间的平均差异。较高的数字大致表示更好的解码。这是仅针对非常小的标签的合理量度测量准确性 - 对于较大的标签无效（我们可以在一个位单元中在任何地方进行采样，并且仍然获得良好的检测。
同型	3x3同型矩阵描述了“理想”标签的投影（在（-1,1），（1,1），（1,1，-1）和（-1，-1））到像素中的像素图像。
中心	图像像素坐标中检测的中心。
角落	图像像素坐标中标签的角落。这些总是在标签上缠绕反对锁定。
pose_r*	姿势估计的旋转矩阵。
pose_t*	姿势估计的翻译。
pose_err*	估计的对象空间误差。