apriltag_tracking.py
# Esta obra está licenciada bajo la licencia MIT.
# Copyright (c) 2013-2023 OpenMV LLC. Todos los derechos reservados.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# Este ejemplo muestra cómo usar el control de ventana de lectura para leer una parte pequeña
# de la matriz de píxeles del sensor a muy alta velocidad y mover esa ventana de lectura.
# Este ejemplo se diseñó y probó en la OpenMV Cam H7 Plus usando el sensor OV5640.
import csi
import time
# Este script de ejemplo fija la exposición a un valor constante todo el tiempo. Sin embargo, quizás
# desee ajustar dinámicamente la exposición cuando la ventana de lectura se reduzca a un tamaño pequeño.
EXPOSURE_MICROSECONDS = 20000
SEARCHING_RESOLUTION = csi.QVGA
TRACKING_RESOLUTION = csi.QQVGA # o csi.QQQVGA
TRACKING_LOW_RATIO_THRESHOLD = (
0.2 # Pase a una ventana de lectura más pequeña cuando el lado de la etiqueta frente a la resolución sea menor.
)
TRACKING_HIGH_RATIO_THRESHOLD = (
0.8 # Pase a una ventana de lectura más grande cuando el lado de la etiqueta frente a la resolución sea mayor.
)
csi0 = csi.CSI()
csi0.reset() # Restablecer e inicializar el sensor.
csi0.pixformat(csi.GRAYSCALE) # Establezca el formato de píxel en GRAYSCALE
csi0.framesize(SEARCHING_RESOLUTION)
csi0.snapshot(time=1000) # Esperar a que los ajustes surtan efecto.
clock = time.clock() # Crear un objeto clock para registrar los FPS.
csi0.auto_gain(False) # Desactívelo, ya que oscilará.
csi0.auto_exposure(False, exposure_us=EXPOSURE_MICROSECONDS)
csi0.snapshot(time=1000)
# sensor_w y sensor_h son los píxeles en bruto de ancho/alto del sensor de imagen (x/y son 0 inicialmente).
x, y, sensor_w, sensor_h = csi0.ioctl(csi.IOCTL_GET_READOUT_WINDOW)
while True:
clock.tick()
img = csi0.snapshot()
# Rastrea TAG36H11 de forma predeterminada.
tags = img.find_apriltags()
if len(tags):
best_tag = max(tags, key=lambda x: x.decision_margin)
img.draw_rectangle(best_tag.rect)
# Esto debe ser menor que la salida predeterminada del sensor para poder moverlo.
readout_window_w = ((sensor_w // csi0.width()) * csi0.width()) / 2
readout_window_h = ((sensor_h // csi0.height()) * csi0.height()) / 2
def get_mapped_centroid(t):
# De forma predeterminada, la ventana de lectura se establece en toda la matriz de píxeles del sensor con x/y==0.
# La resolución que ve se produce tomando píxeles de la ventana de lectura en
# la cámara. La ubicación x/y es relativa al centro del sensor.
x, y, w, h = csi0.ioctl(csi.IOCTL_GET_READOUT_WINDOW)
# El controlador de la cámara intentará escalar para ajustarse a la resolución máxima que le pase, con
# el ancho/alto que quepa en el sensor manteniendo la relación de aspecto.
ratio = min(w / float(csi0.width()), h / float(csi0.height()))
# Referencie cx() al centro del viewport y luego escale a la ventana de lectura.
mapped_cx = (t.cx - (csi0.width() / 2.0)) * ratio
# Como mantenemos la relación de aspecto, podría haber un desplazamiento en x.
mapped_cx += (w - (csi0.width() * ratio)) / 2.0
# Sume nuestro desplazamiento respecto al centro del sensor
mapped_cx += x + (sensor_w / 2.0)
# Referencie cy() al centro del viewport y luego escale a la ventana de lectura.
mapped_cy = (t.cy - (csi0.height() / 2.0)) * ratio
# Como mantenemos la relación de aspecto, podría haber un desplazamiento en y.
mapped_cy += (h - (csi0.height() * ratio)) / 2.0
# Sume nuestro desplazamiento respecto al centro del sensor
mapped_cy += y + (sensor_h / 2.0)
return (mapped_cx, mapped_cy) # Ubicación X/Y en la matriz del sensor.
def center_on_tag(t, res):
global readout_window_w
global readout_window_h
mapped_cx, mapped_cy = get_mapped_centroid(t)
# Cambie a la resolución (si la resolución no cambió, esto no hace nada).
csi0.framesize(res)
# Construya la ventana de lectura. x/y son desplazamientos desde el centro.
x = int(mapped_cx - (sensor_w / 2.0))
y = int(mapped_cy - (sensor_h / 2.0))
w = int(readout_window_w)
h = int(readout_window_h)
# Enfoque en el centroide.
csi0.ioctl(csi.IOCTL_SET_READOUT_WINDOW, (x, y, w, h))
# Compruebe si estamos llegando al borde.
new_x, new_y, w, h = csi0.ioctl(csi.IOCTL_GET_READOUT_WINDOW)
# Puede usar estos valores de error para controlar servos y mover la cámara si lo desea.
x_error = x - new_x
y_error = y - new_y
if x_error < 0:
print("-X Limit Reached ", end="")
if x_error > 0:
print("+X Limit Reached ", end="")
if y_error < 0:
print("-Y Limit Reached ", end="")
if y_error > 0:
print("+Y Limit Reached ", end="")
center_on_tag(best_tag, TRACKING_RESOLUTION)
loss_count = 0
# Este bucle rastreará la etiqueta a una velocidad de lectura mucho mayor y una resolución menor.
while True:
clock.tick()
img = csi0.snapshot()
# Rastrea TAG36H11 de forma predeterminada.
tags = img.find_apriltags()
# Si perdemos la etiqueta, necesitamos encontrar una nueva.
if not len(tags):
# Maneje algunos fotogramas malos debido al parpadeo de la etiqueta.
if loss_count < 2:
loss_count += 1
continue
# Restablezca la resolución.
csi0.framesize(SEARCHING_RESOLUTION)
csi0.ioctl(csi.IOCTL_SET_READOUT_WINDOW, (sensor_w, sensor_h))
break
loss_count = 0
# Reduzca la lista de blobs y resalte el blob.
best_tag = max(tags, key=lambda x: x.decision_margin)
img.draw_rectangle(best_tag.rect)
print(clock.fps(), "TAG cx:%d, cy:%d" % get_mapped_centroid(best_tag))
w_ratio = best_tag.w / csi0.width()
h_ratio = best_tag.h / csi0.height()
# Reduzca la ventana de seguimiento hasta que la etiqueta quepa.
while (w_ratio < TRACKING_LOW_RATIO_THRESHOLD) or (
h_ratio < TRACKING_LOW_RATIO_THRESHOLD
):
readout_window_w /= 2
readout_window_h /= 2
w_ratio *= 2
h_ratio *= 2
# Amplíe la ventana de seguimiento hasta que la etiqueta quepa.
while (TRACKING_HIGH_RATIO_THRESHOLD < w_ratio) or (
TRACKING_HIGH_RATIO_THRESHOLD < h_ratio
):
readout_window_w *= 2
readout_window_h *= 2
w_ratio /= 2
h_ratio /= 2
center_on_tag(best_tag, TRACKING_RESOLUTION)
print(clock.fps())