lib dt apriltags下載lib dt apriltags源代碼下載

lib dt apriltags

其他源碼

下載

lib-dt-apriltags：python bintings for apriltags庫

這些是Aprilrobotics開發的Apriltags 3庫的Python綁定。受馬特·扎克（Matt Zucker）的Apriltags2綁定的啟發。

原始庫是使用BSD 2-CORAESE許可證發布的。

安裝

簡單的方法

您可以使用pip安裝（或python 3的pip3 ）：

 pip install dt-apriltags

如果您想要特定的版本，請這樣添加：

 pip install [email protected]

自己構建

克隆此存儲庫並在其中導航。然後初始化Apriltags子模塊：

 $ git submodule init
$ git submodule update

構建Apriltags C庫，並將新建的庫嵌入PIP輪中。

 $ make build

新的車輪將在目錄dist/ 。您現在可以安裝輪子

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

注意：基於此庫的當前VERSION和Python的版本使用了PYMAJOR ，以及您的CPU ARCH的體系結構，上述文件名也有所不同。

為Python 3建造

該圖書館支持Python 2和3的建築車輪。默認情況下將使用Python 2。使用以下命令為Python 3構建。

 make build PYTHON_VERSION=3

建造不同的體系結構

該圖書館支持CPU架構amd64 ， arm32v7和arm64v8的構建車輪。默認架構為amd64 。在為手臂架構構建車輪時，QEMU將用於模擬目標CPU。使用以下命令為arm32v7體系結構構建。

 make build ARCH=arm32v7

釋放輪

可以通過運行命令來釋放所有dist/內部構建的車輪（將其推向pypi.org）

 make upload

釋放全部

使用以下命令為Python 2和3和CPU Architecture amd64和arm32v7構建和釋放車輪。

 make release-all

用法

在test.py文件中可以看到一些用法的示例。 Detector類是圍繞Apriltags功能的包裝器。您可以將其初始化如下：

 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)

選項是：

選項	預設	解釋
家庭	'tag36H11'	標記家庭，與空間分開
nthreads	1	線程數
max_hamming	2	允許翻轉以生成成功的標籤檢測的最大位數。當噪聲導致某些數據位錯誤地讀取時，可以幫助減少虛假負數，但也可以增加誤報。
quad_decimate	2.0	可以在較低分辨率的圖像上檢測四邊形，以姿勢準確性的成本提高速度，並且檢測率略有下降。解碼二進制有效載荷仍以完全分辨率完成。將其設置為1.0以使用完整的分辨率。
quad_sigma	0.0	高斯的模糊應應用於分段圖像。參數是像素中的標準偏差。非常嘈雜的圖像受益於非零值（例如0.8）
Refine_edges	1	當非零時，將每個四邊形的邊緣調整為“快照”到附近的強梯度。當採用拆卸時，這很有用，因為它可以大大提高初始四分之一估計的質量。通常建議使用（1）。計算上很便宜。如果quad_decimation = 1，將忽略選項
decode_sharpening	0.25	解碼圖像應進行多少銳化？這可以有助於解碼小標籤，但在奇怪的照明條件或低光條件下可能會有所幫助
搜索路徑	['apriltags']	在哪裡查找Apriltag 3庫，必須是列表
偵錯	0	如果1，將保存調試圖像。運行非常慢

圖像中標籤的檢測是通過運行檢測器的detect方法完成的：

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

如果您還想提取標籤姿勢，則應將estimate_tag_pose設置為True和camera_params （ [fx, fy, cx, cy] ）和tag_size （以米為單位）。該detect方法返回一個Detection對象列表，每個檢測對象每個具有以下屬性（請注意，只有在estimate_tag_pose=True時才能計算帶有星號的對象列表：

屬性	解釋
tag_family	標籤的家族。
tag_id	標籤的解碼ID。
錘子	糾正了多少位錯誤位？注意：接受大量校正錯誤會導致誤報率大大提高。注意：在此實現之後，檢測器無法檢測錘距大於3的標籤。
deciest_margin	二進制解碼過程質量的度量：數據位強度與決策閾值之間的平均差異。較高的數字大致表示更好的解碼。這是僅對於非常小的標籤的合理衡量檢測準確性 - 對於較大的標籤而言無效（我們本可以在一個位單元中的任何地方進行採樣，並且仍然可以得到良好的檢測。
同型	3x3同型矩陣描述了“理想”標籤的投影（在（-1,1），（1,1），（1,1，-1）和（-1，-1））到像素中的像素圖像。
中心	圖像像素坐標中檢測的中心。
角落	圖像像素坐標中標籤的角落。這些總是在標籤上纏繞反對鎖定。
pose_r*	姿勢估計的旋轉矩陣。
pose_t*	姿勢估計的翻譯。
pose_err*	估計的對象空間誤差。