apriltag_tracking.py
# Questo lavoro è concesso in licenza MIT.
# Copyright (c) 2013-2023 OpenMV LLC. Tutti i diritti riservati.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# Questo esempio mostra come usare il controllo della finestra di lettura (readout window) per leggere una piccola parte di una
# matrice di pixel del sensore ad altissima velocità e spostare quella finestra di lettura in giro.
# Questo esempio è stato progettato e testato sulla OpenMV Cam H7 Plus usando il sensore OV5640.
import csi
import time
# Questo script di esempio forza l'esposizione a un valore costante per tutto il tempo. Tuttavia, potreste
# voler regolare dinamicamente l'esposizione quando la finestra di lettura si restringe a una dimensione piccola.
EXPOSURE_MICROSECONDS = 20000
SEARCHING_RESOLUTION = csi.QVGA
TRACKING_RESOLUTION = csi.QQVGA # oppure csi.QQQVGA
TRACKING_LOW_RATIO_THRESHOLD = (
0.2 # Passa a una finestra di lettura più piccola quando il lato del tag rispetto alla risoluzione è più piccolo.
)
TRACKING_HIGH_RATIO_THRESHOLD = (
0.8 # Passa a una finestra di lettura più grande quando il lato del tag rispetto alla risoluzione è più grande.
)
csi0 = csi.CSI()
csi0.reset() # Resetta e inizializza il sensore.
csi0.pixformat(csi.GRAYSCALE) # Imposta il formato pixel su GRAYSCALE
csi0.framesize(SEARCHING_RESOLUTION)
csi0.snapshot(time=1000) # Attendi che le impostazioni abbiano effetto.
clock = time.clock() # Crea un oggetto clock per tracciare gli FPS.
csi0.auto_gain(False) # Disattivare poiché oscillerà.
csi0.auto_exposure(False, exposure_us=EXPOSURE_MICROSECONDS)
csi0.snapshot(time=1000)
# sensor_w e sensor_h sono la larghezza/altezza in pixel grezzi del sensore immagine (x/y sono 0 inizialmente).
x, y, sensor_w, sensor_h = csi0.ioctl(csi.IOCTL_GET_READOUT_WINDOW)
while True:
clock.tick()
img = csi0.snapshot()
# Traccia i TAG36H11 per impostazione predefinita.
tags = img.find_apriltags()
if len(tags):
best_tag = max(tags, key=lambda x: x.decision_margin)
img.draw_rectangle(best_tag.rect)
# Questo deve essere inferiore all'output del sensore predefinito, così possiamo spostarlo in giro.
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):
# Per impostazione predefinita la finestra di lettura è impostata sull'intera matrice di pixel del sensore con x/y==0.
# La risoluzione che vedete è prodotta prendendo i pixel dalla finestra di lettura su
# la fotocamera. La posizione x/y è relativa al centro del sensore.
x, y, w, h = csi0.ioctl(csi.IOCTL_GET_READOUT_WINDOW)
# Il driver della fotocamera cercherà di adattarsi in scala a qualsiasi risoluzione passiate, fino alla
# larghezza/altezza massima che entra nel sensore mantenendo il rapporto d'aspetto.
ratio = min(w / float(csi0.width()), h / float(csi0.height()))
# Riferisce cx() al centro del viewport e poi scala rispetto alla finestra di lettura.
mapped_cx = (t.cx - (csi0.width() / 2.0)) * ratio
# Poiché stiamo mantenendo il rapporto d'aspetto, potrebbe esserci un offset in x.
mapped_cx += (w - (csi0.width() * ratio)) / 2.0
# Aggiunge il nostro spostamento dal centro del sensore
mapped_cx += x + (sensor_w / 2.0)
# Riferisce cy() al centro del viewport e poi scala rispetto alla finestra di lettura.
mapped_cy = (t.cy - (csi0.height() / 2.0)) * ratio
# Poiché stiamo mantenendo il rapporto d'aspetto, potrebbe esserci un offset in y.
mapped_cy += (h - (csi0.height() * ratio)) / 2.0
# Aggiunge il nostro spostamento dal centro del sensore
mapped_cy += y + (sensor_h / 2.0)
return (mapped_cx, mapped_cy) # Posizione X/Y sulla matrice del sensore.
def center_on_tag(t, res):
global readout_window_w
global readout_window_h
mapped_cx, mapped_cy = get_mapped_centroid(t)
# Passa alla risoluzione (se la risoluzione non è cambiata, questo non fa nulla).
csi0.framesize(res)
# Costruisce la finestra di lettura. x/y sono offset rispetto al 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)
# Mette a fuoco il centroide.
csi0.ioctl(csi.IOCTL_SET_READOUT_WINDOW, (x, y, w, h))
# Verifica se stiamo raggiungendo il bordo.
new_x, new_y, w, h = csi0.ioctl(csi.IOCTL_GET_READOUT_WINDOW)
# Potete usare questi valori di errore per pilotare dei servo e muovere la fotocamera, se lo desiderate.
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
# Questo ciclo traccerà il tag a una velocità di lettura molto più alta e a risoluzione inferiore.
while True:
clock.tick()
img = csi0.snapshot()
# Traccia i TAG36H11 per impostazione predefinita.
tags = img.find_apriltags()
# Se perdiamo il tag, dobbiamo trovarne uno nuovo.
if not len(tags):
# Gestisce alcuni fotogrammi difettosi dovuti allo sfarfallio (flicker) del tag.
if loss_count < 2:
loss_count += 1
continue
# Ripristina la risoluzione.
csi0.framesize(SEARCHING_RESOLUTION)
csi0.ioctl(csi.IOCTL_SET_READOUT_WINDOW, (sensor_w, sensor_h))
break
loss_count = 0
# Restringe la lista dei blob ed evidenzia il 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()
# Riduce la finestra di tracciamento finché il tag non ci sta dentro.
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
# Ingrandisce la finestra di tracciamento finché il tag non ci sta dentro.
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())