旋转Apriltag角度检测
简 介: 从实验角度介绍了Apriltag的角度检测,与Apriltag张贴方向有关系,与摄像头内参设定也有关系。通过旋转Apriltag码方向检测验证了算法的鲁棒性。
关键词
: Apriltag,单应矩阵
§00 前 言
在 根据Apriltag进行角度和距离检测 中对于旋转的Apriltag码进行识别和角度测试。测量得到角度稳定显示的范围还比较小,检测到的角度不是很稳定。
通过摄像头内参进行调整,寻找可以更好适应Apriltag角度测量的参数范围。 下面给出更多的测试结果。
0.1 旋转Apriltag样本集合
-
APR8 :选择在 旋转的Apriltag码 采集到的的APR8样本集合。
-
数据集合下载链接 : https://aistudio.baidu.com/aistudio/datasetdetail/123271
▲ 图1.1 测试旋转Apriltag数据集合
§01 角度曲线
1.1 算法代码
1.1.1 数据准备
import sys,os,math,time
import matplotlib.pyplot as plt
from numpy import *
import cv2
import apriltag
from tqdm import tqdm
import zipfile
outdir = '/home/aistudio/data'
zzipfile = '/home/aistudio/data/data123271/apr8.zip'
aprdir = os.path.join(outdir, os.path.basename(zzipfile).split('.')[0])
if not os.path.isdir(aprdir):
with zipfile.ZipFile(zzipfile) as f:
f.extractall(outdir)
filedim = [s for s in sorted(os.listdir(aprdir)) if s.find('JPG') > 0]
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
1.1.2 设置镜头参数
f = 3e3
px = 6e2
py = 2e2
mtx = array(
[[f,0.00000000e+00,px],
[0.00000000e+00,f,py],
[0.00000000e+00,0.00000000e+00,1.00000000e+00]]
)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
1.1.3 计算角度
由于同一时刻可能检测到两个Apriltag,所以需要根据角度的连续性来确定所使用角度数值曲线。
atd = apriltag.Detector(apriltag.DetectorOptions(families='tag25h9'))
angledim =[[],[],[],[]]
lastangle = 100000
tagnum = []
for id,imgfile in tqdm(enumerate(filedim)):
procfile = os.path.join(aprdir, imgfile)
img = cv2.imread(procfile)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
tags = atd.detect(gray)
if len(tags) == 0: continue
angle1 = 0
angle2 = 0
tagnum.append(len(tags)*25)
for iidd,tag in enumerate(tags):
homo = tag.homography
num,Rs,Ts,Ns = cv2.decomposeHomographyMat(homo, mtx)
r = R.from_dcm(Rs[0].T)
euler = r.as_euler('xyz').T*180/pi
angle = euler[2]
if iidd == 0: angle1 = angle
else: angle2 = angle
angleA = angle1
if len(tags) > 1:
if abs(angle1-lastangle) < abs(angle2-lastangle):
angleA = angle1
else: angleA = angle2
lastangle = angleA
angledim[0].append(angleA)
angledim[1].append(angleA)
angledim[2].append(angleA)
angledim[3].append(angleA)
print("shape(angledim): {}".format(shape(angledim)))
plt.clf()
plt.figure(figsize=(10,6))
plt.plot(angledim[0], label='L1')
plt.plot(tagnum, label='num')
plt.xlabel("Step")
plt.ylabel("Angle")
plt.grid(True)
plt.legend(loc='upper right')
plt.tight_layout()
plt.show()
- 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
1.2 计算结果
如下是整个采集到的的300张旋转Apriltag对应的角度。
▲ 图1.2.1 Apriltag角度曲线
其中主要问题出现在 75 ~ 115左右,出现仅仅检测到一个Apriltag的情况。而此时对应Apriltag对应镜头应该有两个Apriltag。
下面是仅仅只有一个Apriltag被检测到的图片集合:
▲ 图1.2.2 仅仅只有一个Apriltag被检测到的图片集合:
1.3 绘制方向图像
绘制Apriltag法向量。可以看到其中tagid=1 角度法向量显示正常,但是tagid=2法向量显示始终有问题。
▲ 图1.3.1 绘制Apriltag法向量
对照两种不同的Apriltag及其方向,可以看到在粘贴的时候,TAG25H9,id=2 Apriltag在粘贴的时候旋转了90°。 因此选择它的角度的时候,需要更换不同的轴。
▲ 图1.3.2 两种不同的Apriltag及其方向
1.4 修正角度
根据检测到tag_id信息,对于角度信息进行校正。
gifpath = '/home/aistudio/GIF'
gifdim = os.listdir(gifpath)
for f in gifdim:
fn = os.path.join(gifpath, f)
if os.path.isfile(fn):
os.remove(fn)
atd = apriltag.Detector(apriltag.DetectorOptions(families='tag25h9'))
for id,imgfile in tqdm(enumerate(filedim)):
procfile = os.path.join(aprdir, imgfile)
img = cv2.imread(procfile)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
tags = atd.detect(gray)
if len(tags) == 0: continue
for iidd,tag in enumerate(tags):
homo = tag.homography
num,Rs,Ts,Ns = cv2.decomposeHomographyMat(homo, mtx)
if tag.tag_id == 0:
r = R.from_dcm(Rs[0].T)
euler = r.as_euler('xyz').T*180/pi
angle = euler[2]
else:
r = R.from_dcm(Rs[0].T)
euler = r.as_euler('yxz').T*180/pi
angle = euler[0]
for c in tag.corners:
cv2.circle(img, tuple(c.astype(int)), 4, (255, 0, 0), 2)
cc = tag.center
cv2.circle(img, tuple(cc.astype(int)), 6, (20, 200, 120), 2)
ARROW_LENGTH = 150
shiftx = sin(angle*pi/180) * ARROW_LENGTH
shifty = ARROW_LENGTH / 2 * cos(angle*pi/180)
newcenter = array([shiftx, shifty]) + cc
cv2.circle(img, tuple(newcenter.astype(int)), 8, (0, 0, 255), 5)
cv2.line(img, tuple(newcenter.astype(int)), tuple(cc.astype(int)), (0, 0, 255), 2)
outfile = os.path.join(gifpath, '%03d.JPG'%id)
cv2.imwrite(outfile, img)
plt.clf()
plt.figure(figsize=(12,12))
plt.axis("off")
plt.imshow(img)
- 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
角度修正结果:
▲ 图1.3.3 角度修正结果
可以看到对于两种Apriltag码对应的角度出现了明显的改善。
▲ 图1.4.2 对应不同tag检测的数值
1.5 选择摄像头内参
▲ 图1.5.1 选择新的摄像头内参对应的角度变化
选择新的摄像头内参的结果:
▲ 图1.4.3 选择新的摄像头内参的结果
※ 检测总结 ※
从实验角度介绍了Apriltag的角度检测,与Apriltag张贴方向有关系,与摄像头内参设定也有关系。通过旋转Apriltag码方向检测验证了算法的鲁棒性。
■ 相关文献链接:
● 相关图表链接:
- 图1.1 测试旋转Apriltag数据集合
- 图1.2.1 Apriltag角度曲线
- 图1.2.2 仅仅只有一个Apriltag被检测到的图片集合:
- 图1.3.1 绘制Apriltag法向量
- 图1.3.2 两种不同的Apriltag及其方向
- 图1.3.3 角度修正结果
- 图1.4.2 对应不同tag检测的数值
- 图1.5.1 选择新的摄像头内参对应的角度变化
- 图1.4.3 选择新的摄像头内参的结果
#!/usr/local/bin/python
# -*- coding: gbk -*-
#============================================================
# TEST1.PY -- by Dr. ZhuoQing 2021-12-31
#
# Note:
#============================================================
from headm import * # =
import cv2
import apriltag
from tqdm import tqdm
import zipfile
#------------------------------------------------------------
outdir = '/home/aistudio/data'
zzipfile = '/home/aistudio/data/data123271/apr8.zip'
aprdir = os.path.join(outdir, os.path.basename(zzipfile).split('.')[0])
if not os.path.isdir(aprdir):
with zipfile.ZipFile(zzipfile) as f:
f.extractall(outdir)
filedim = [s for s in sorted(os.listdir(aprdir)) if s.find('JPG') > 0]
#printt(filedim:)
#------------------------------------------------------------
#mtx = array(
#[[1.50786300e+04,0.00000000e+00,6.54543821e+02],
# [0.00000000e+00,1.50723843e+04,3.14862050e+02],
# [0.00000000e+00,0.00000000e+00,1.00000000e+00]]
#)
f = 1.5e3
px = 6e2
py = 2e2
mtx = array(
[[f,0.00000000e+00,px],
[0.00000000e+00,f,py],
[0.00000000e+00,0.00000000e+00,1.00000000e+00]]
)
#------------------------------------------------------------
'''
gifpath = '/home/aistudio/GIF'
gifdim = os.listdir(gifpath)
for f in gifdim:
fn = os.path.join(gifpath, f)
if os.path.isfile(fn):
os.remove(fn)
atd = apriltag.Detector(apriltag.DetectorOptions(families='tag25h9'))
for id,imgfile in tqdm(enumerate(filedim)):
procfile = os.path.join(aprdir, imgfile)
img = cv2.imread(procfile)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
tags = atd.detect(gray)
if len(tags) == 0: continue
for iidd,tag in enumerate(tags):
homo = tag.homography
num,Rs,Ts,Ns = cv2.decomposeHomographyMat(homo, mtx)
if tag.tag_id == 0:
r = R.from_dcm(Rs[0].T)
euler = r.as_euler('xyz').T*180/pi
angle = euler[2]
else:
r = R.from_dcm(Rs[0].T)
euler = r.as_euler('yxz').T*180/pi
angle = euler[0]
for c in tag.corners:
cv2.circle(img, tuple(c.astype(int)), 4, (255, 0, 0), 2)
cc = tag.center
cv2.circle(img, tuple(cc.astype(int)), 6, (20, 200, 120), 2)
ARROW_LENGTH = 150
shiftx = sin(angle*pi/180) * ARROW_LENGTH
shifty = ARROW_LENGTH / 2 * cos(angle*pi/180)
newcenter = array([shiftx, shifty]) + cc
cv2.circle(img, tuple(newcenter.astype(int)), 8, (0, 0, 255), 5)
cv2.line(img, tuple(newcenter.astype(int)), tuple(cc.astype(int)), (0, 0, 255), 2)
outfile = os.path.join(gifpath, '%03d.JPG'%id)
cv2.imwrite(outfile, img)
plt.clf()
plt.figure(figsize=(12,12))
plt.axis("off")
plt.imshow(img)
'''
#------------------------------------------------------------
atd = apriltag.Detector(apriltag.DetectorOptions(families='tag25h9'))
angledim =[[],[],[],[]]
lastangle = 100000
tagnum = []
for id,imgfile in tqdm(enumerate(filedim)):
procfile = os.path.join(aprdir, imgfile)
img = cv2.imread(procfile)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
tags = atd.detect(gray)
if len(tags) == 0: continue
angle1 = 0
angle2 = 0
tagnum.append(len(tags)*25)
for iidd,tag in enumerate(tags):
homo = tag.homography
num,Rs,Ts,Ns = cv2.decomposeHomographyMat(homo, mtx)
if tag.tag_id == 0:
r = R.from_dcm(Rs[0].T)
euler = r.as_euler('xyz').T*180/pi
angle = euler[2]
else:
r = R.from_dcm(Rs[0].T)
euler = r.as_euler('yxz').T*180/pi
angle = euler[0]
if iidd == 0: angle1 = angle
else: angle2 = angle
angleA = angle1
if len(tags) > 1:
if abs(angle1-lastangle) < abs(angle2-lastangle):
angleA = angle1
else: angleA = angle2
lastangle = angleA
angledim[0].append(angleA)
angledim[1].append(angleA)
angledim[2].append(angleA)
angledim[3].append(angleA)
# for i in range(4):
# r = R.from_dcm(Rs[i].T)
# euler = r.as_euler('xyz').T*180/pi
# angle = euler[2]
# angledim[i].append(angle)
printt(shape(angledim):)
#------------------------------------------------------------
plt.clf()
plt.figure(figsize=(10,6))
plt.plot(angledim[0], label='L1')
plt.plot(tagnum, label='num')
#plt.plot(angledim[1][:200], label='L2')
#plt.plot(angledim[2], label='L3')
#plt.plot(angledim[3], label='L4')
plt.xlabel("Step")
plt.ylabel("Angle")
plt.grid(True)
plt.legend(loc='upper right')
plt.tight_layout()
plt.show()
#------------------------------------------------------------
# END OF FILE : TEST1.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
- 116
- 117
- 118
- 119
- 120
- 121
- 122
- 123
- 124
- 125
- 126
- 127
- 128
- 129
- 130
- 131
- 132
- 133
- 134
- 135
- 136
- 137
- 138
- 139
- 140
- 141
- 142
- 143
- 144
- 145
- 146
- 147
- 148
- 149
- 150
- 151
- 152
- 153
- 154
- 155
- 156
- 157
- 158
- 159
- 160
- 161
- 162
- 163
- 164
- 165
- 166
- 167
- 168
- 169
- 170
- 171
- 172
- 173
- 174
- 175
- 176
- 177
- 178
- 179
- 180
- 181
- 182
- 183
- 184
- 185
- 186
- 187
- 188
- 189
文章来源: zhuoqing.blog.csdn.net,作者:卓晴,版权归原作者所有,如需转载,请联系作者。
原文链接:zhuoqing.blog.csdn.net/article/details/122264698
- 点赞
- 收藏
- 关注作者
评论(0)