旋转的Apriltag码

简 介：

Apriltag 可以用于视觉定位基础标识，在AR，机器人，机器视觉领域应用广泛。

关键词：

Apriltag定位算法

Apriltag定位

文章目录

制作Apriltag

定位方块

检测Apriltag

检测旋转Apriltag

Apriltag定位

文章目录

制作Apriltag

定位方块

检测Apriltag

检测旋转Apriltag

Apriltag 可以用于视觉定位基础标识，在AR，机器人，机器视觉领域应用广泛。

常用到的Apriltag的图片可以很方便在如下链网页上接获得：

AprilTag

Apriltag可用图片：TAG16H5

Apriltag ： 用于视觉系统标定图标tag36H11

Apriltag的主要用途 ：

相机标定

目标大小估计

测量相机到目标的距离

3D 定位（3D positioning）

机器人

SLAM

自主导航（autonomous navigation）

在 AprilTag with Python 有一个视频对Apriltag原理和应用进行了讲解。

在 第十七届全国大学生智能车竞赛 中 智能视觉组 也规定了在智能车模运行的场地内包含有8个左右的Apriltag用于车模的视觉定位。下面对于Apriltag用于视觉定位进行初步的测试。

1.1 制作Apriltag定位方块

根据 十七届智能视觉Apriltag定位方块的参数 可以知道视觉方块的为边长20厘米的 正六面体 。为了便于在小范围内测试，下面利用手头的小立方体制作小型的Apriltag的定位立方体，这样可以缩短实验距离。

1.1.1 小型立方体

下图显示了实验中所使用的立方体的编程为30mm：

根据方块的参数实际Apriltag的边长是立方体的 18 / 20 = 0.9 18/20 = 0.9 18/20=0.9，所以对于30mm的立方体，Apriltag的编程为 0.9 × 30 = 27 m m 0.9 \times 30 = 27mm 0.9×30=27mm。

1.1.2 打印Apriltag

在 APRILTAG 标准图片：TAG25H9 网页上选择 april.tag.Tag25H9,id=0 进行大约。

为了是的打印出的编程等于27mm，使用Work文档编辑页面A4（21×29.7），调节Apriltag图片编程使其等于27mm。

打印四联Apriltag，方便贴在立方体。

下面是打印输出的Apriltag。

张贴在立方体四周的定位立方体：

1.2 检测Apriltag

1.2.1 apriltag软件包检测

根据 基于Python下的Apriltag检测 测试的方法，使用 apriltag软件包 可以很方便在图片中检测到存在的Apriltag码的位置和方向。

!pip install apriltag

1

下面是使用apriltag软件包对于【图1.1.6】进行检测。

aprildir = '/home/aistudio/work/apriltag/rotateapriltag/apr1' filedim = os.listdir(aprildir) filename0 = os.path.join('/home/aistudio', 'work/apriltag/211225222453.JPG') img = cv2.imread(filename0) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) plt.clf() plt.figure(figsize=(10,10)) plt.imshow(img)

1

2

3

4

5

6

7

8

9

10

11

程序中，使用cv2.cvtColor()函数将读入的图片转换为灰度图片是必须的。否则，在运行的过程apriltag软件包会出错报警：

--------------------------------------------------------------------------- AssertionError Traceback (most recent call last) /tmp/ipykernel_156/2397871023.py in 4 for a in args: f.write(str(a)+'\n'), print(a) 5 atd = apriltag.Detector(apriltag.DetectorOptions(families='tag36h11 tag25h9')) ----> 6 tags = atd.detect(img) 7 printt("tags: {}".format(tags)) /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/apriltag.py in detect(self, img, return_image) 350 image of type numpy.uint8.''' 351 --> 352 assert len(img.shape) == 2 353 assert img.dtype == numpy.uint8 354 AssertionError:

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

atd = apriltag.Detector(apriltag.DetectorOptions(families='tag36h11 tag25h9')) tags = atd.detect(gray) print("tags: {}".format(tags)) for tag in tags: for i in range(4): cv2.circle(img, tuple(tag.corners[i].astype(int)), 4, (255, 0, 0), 2) cv2.circle(img, tuple(tag.center.astype(int)), 4, (2, 180, 200), 4) plt.clf() plt.figure(figsize=(10,10)) plt.imshow(img)

1

2

3

4

5

6

7

8

9

10

11

12

13

14

下面是检测结果tags的数据内容。其中包含有三个检测结果Detection。

tags: [Detection(tag_family=b'tag25h9', tag_id=0, hamming=0, goodness=0.0, decision_margin=53.60857009887695, homography=array([[7.96267681e-01, 9.05073189e-02, 2.69319614e+00], [4.57491333e-03, 6.53558757e-01, 1.84559338e+00], [1.63910457e-04, 3.68041970e-05, 1.12387967e-02]]), center=array([239.63385084, 164.21627906]), corners=array([[163.65353394, 107.57844543], [299.04852295, 105.28063965], [312.94790649, 218.86660767], [178.8598938 , 224.50024414]])), Detection(tag_family=b'tag25h9', tag_id=0, hamming=1, goodness=0.0, decision_margin=76.01866149902344, homography=array([[-8.50042014e-01, 1.02734508e+00, 9.81667236e+00], [-4.28710058e-01, -1.48809350e-01, 8.30598761e-01], [-8.74267096e-04, 3.31680326e-04, 1.70341891e-02]]), center=array([576.29232056, 48.76068693]), corners=array([[548.4151001 , 80.11242676], [501.58984375, 34.79211807], [606.00390625, 15.34595299], [641.11688232, 60.8821907 ]])), Detection(tag_family=b'tag25h9', tag_id=1, hamming=0, goodness=0.0, decision_margin=78.83943176269531, homography=array([[-4.97533871e-01, -1.44957916e-01, 5.13931328e+00], [-2.42118440e-01, -8.07190036e-01, 2.81386162e+00], [ 2.21094653e-04, -2.43450290e-04, 1.25708882e-02]]), center=array([408.82658297, 223.83952279]), corners=array([[459.11959839, 306.76528931], [367.20968628, 259.21142578], [358.35437012, 140.61828613], [453.6373291 , 185.7530365 ]]))]

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

每个Detection包含有一下数据：

1.3 检测旋转Apriltag

利用Apriltag的 Homography 矩阵可以估计摄像头的姿态，参见论文： Camera Calibration and 3D Reconstruction

1.3.1 棋盘格图片

#!/usr/local/bin/python # -*- coding: gbk -*- #============================================================ # TEST2.PY -- by Dr. ZhuoQing 2021-12-26 # # Note: #============================================================ from headm import * # = import apriltag import cv2 filedir = '/home/aistudio/work/apriltag/rotateapriltag' def getradir(n): fdir = os.path.join(filedir, 'apr%d'%n) if not os.path.isdir(fdir): printf("%sdoes not exists!"%fdir) return os.path.join(filedir, 'apr1') return fdir #------------------------------------------------------------ apr1dir = getradir(1) filedim = [os.path.join(apr1dir, f) for f in sorted(os.listdir(apr1dir)) if f.find(".JPG") >= 0] printt(filedim) #------------------------------------------------------------ gifpath = '/home/aistudio/GIF' filedim = os.listdir(gifpath) for f in filedim: fn = os.path.join(gifpath, f) if os.path.isfile(fn): os.remove(fn) #------------------------------------------------------------ atd = apriltag.Detector(apriltag.DetectorOptions(families='tag36h11 tag25h9')) PLANE_DIST = 20 def apriltagimg(id): if id >= len(filedim): printt("Error id:%d/%d"%(id, len(filedim))) return printt(filedim[id]:) img = cv2.imread(filedim[id]) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) tags = atd.detect(gray) for id,tag in enumerate(tags): tag0h = tag.homography cornerh = [] for i in range(4): corner = tag.corners[i] cv2.circle(img, tuple(corner.astype(int)), 4, (255, 0, 0), 2) cn = array([corner[0], corner[1], 1])[:,newaxis] ach = linalg.inv(tag0h).dot(cn) ach[2] = ach[2] + PLANE_DIST # printt(ach:, type(ach):, shape(ach):) ach = tag0h.dot(ach) ach[1] = ach[1] cornerh.append(ach) # return img for i in range(4): cn = cornerh[i].flatten().astype(int) ii = i + 1 if i < 3 else 0 cn1 = cornerh[ii].flatten().astype(int) corner = tag.corners[i].astype(int) cv2.line(img, tuple(cn[:2]), tuple(cn1[:2]), (255, 0, 0), 2) cv2.line(img, tuple(cn[:2]), tuple(corner[:2]), (255, 0, 0), 2) cv2.circle(img, tuple(tag.center.astype(int)), 4, (2, 180, 200), 4) return img #------------------------------------------------------------ img = apriltagimg(15) ''' for i in range(200): printt(i:) img = apriltagimg(i) savefile = os.path.join(gifpath, '%02d.jpg'%i) cv2.imwrite(savefile, img) ''' #------------------------------------------------------------ plt.clf() plt.figure(figsize=(15,15)) plt.imshow(img) #------------------------------------------------------------ # END OF FILE : TEST2.PY #============================================================

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

57

58

59

60

61

62

63

64

65

66

67

68

69

70

71

72

73

74

75

76

77

78

79

80

81

82

83

84

85

86

87

88

89

90

91

92

93

94

95

96

97

98

99

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

■ 相关文献链接:

Apriltag

APRILTAG 标准图片：TAG25H9

Apriltag可用图片：TAG16H5

Apriltag ： 用于视觉系统标定图标tag36H11

Apriltag的主要用途

AprilTag with Python

第十七届全国大学智能汽车竞赛竞速比赛规则

第十七届智能车竞赛智能视觉组比赛细则

十七届智能视觉Apriltag定位方块的参数

正六面体

april.tag.Tag25H9,id=0

基于Python下的Apriltag检测

apriltag软件包

单应矩阵

Camera Calibration and 3D Reconstruction

● 相关图表链接:

图1.1 几组Apriltag码

图1.1.1 用于视觉定位的方框参数

图1.1.2 实验中所使用的立方体的编程为30mm

图1.1.3 在Word中编辑Apriltag，使其编程等于27面

图1.1.4 打印id=，id=1四个Apriltag

图1.1.5 打印出Apriltag与立方体

图1.1.6 张贴在立方体四周的定位立方体

图1.1.7 拍摄旋转之后的Apriltag定位

图1.1.8 拍摄旋转之后的Apriltag定位

图1.2.1 用于Apriltag检测的图片

图1.2.2 检测到的三个Apriltag位置

图1.2.3 单应变原理图

图1.2.4 利用Homography绘制出Apriltag的方向图

图像处理

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。