简介：通过图片扩增的方法，对于给定的测试Apriltag定位图片进行扩增，然后通过apriltag Python软件包对不同缩放比例下的图片进行检测，统计了在不同压缩比例下识别Apriltag的数量。实验结果显示，在主要包含有Apriltag图片，宽、长像素需要在100以上，才能够比较可靠的被识别。

关键词： Apriltag，分辨率

#mermaid-svg-rTQ0WnUFUuIfithO {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-rTQ0WnUFUuIfithO .error-icon{fill:#552222;}#mermaid-svg-rTQ0WnUFUuIfithO .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-rTQ0WnUFUuIfithO .edge-thickness-normal{stroke-width:2px;}#mermaid-svg-rTQ0WnUFUuIfithO .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-rTQ0WnUFUuIfithO .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-rTQ0WnUFUuIfithO .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-rTQ0WnUFUuIfithO .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-rTQ0WnUFUuIfithO .marker{fill:#333333;stroke:#333333;}#mermaid-svg-rTQ0WnUFUuIfithO .marker.cross{stroke:#333333;}#mermaid-svg-rTQ0WnUFUuIfithO svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-rTQ0WnUFUuIfithO .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-rTQ0WnUFUuIfithO .cluster-label text{fill:#333;}#mermaid-svg-rTQ0WnUFUuIfithO .cluster-label span{color:#333;}#mermaid-svg-rTQ0WnUFUuIfithO .label text,#mermaid-svg-rTQ0WnUFUuIfithO span{fill:#333;color:#333;}#mermaid-svg-rTQ0WnUFUuIfithO .node rect,#mermaid-svg-rTQ0WnUFUuIfithO .node circle,#mermaid-svg-rTQ0WnUFUuIfithO .node ellipse,#mermaid-svg-rTQ0WnUFUuIfithO .node polygon,#mermaid-svg-rTQ0WnUFUuIfithO .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-rTQ0WnUFUuIfithO .node .label{text-align:center;}#mermaid-svg-rTQ0WnUFUuIfithO .node.clickable{cursor:pointer;}#mermaid-svg-rTQ0WnUFUuIfithO .arrowheadPath{fill:#333333;}#mermaid-svg-rTQ0WnUFUuIfithO .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-rTQ0WnUFUuIfithO .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-rTQ0WnUFUuIfithO .edgeLabel{background-color:#e8e8e8;text-align:center;}#mermaid-svg-rTQ0WnUFUuIfithO .edgeLabel rect{opacity:0.5;background-color:#e8e8e8;fill:#e8e8e8;}#mermaid-svg-rTQ0WnUFUuIfithO .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-rTQ0WnUFUuIfithO .cluster text{fill:#333;}#mermaid-svg-rTQ0WnUFUuIfithO .cluster span{color:#333;}#mermaid-svg-rTQ0WnUFUuIfithO div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-rTQ0WnUFUuIfithO :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;}

背景介绍

目录
Contents

智能车竞赛智能
视觉组辅助定位

测试方案

Apriltag检测

实验环境准备

检测算法

Apriltag图片扩增

不同尺寸识别

测试结果

§00 背景介绍

0.1 智能车竞赛智能视觉组辅助定位

在全国大学生智能车竞赛 的智能视觉组 中，利用 Apriltag进行车模辅助定位 。由于竞赛车模作品上的摄像头的分辨率相对较低（320×240），所以在实际应用中需要使用镜头角度范围相对较窄的摄像头，拍摄场地内的定位Apriltag定位码，才能够获取到足够多的像素用于定位码的识别。

▲ 图1 在半个比赛场地内的Apriltag定位立方体

在比赛场地内的Apriltag 使用的为tag25H9 系列的Apriltag码，如果分辨率比较大，可以 在获取Apriltag的空间位置的同时获取它的法线走向 。为了进一步验证Apriltag在竞赛环境中的定位特性，下面通过不同的分辨率来测试检测算法定位精度。检测使用 Python中的apriltag检测算法 。

0.2 测试方案

首先通过 深度学习中图片数据增强方法 对于采集到的标准Apriltag图库进行增强；
然后通过图片resize，获得不同分辨率下的图片；
利用Apriltag中的检测方法，分别统计检测后的指标；

§01 Apriltag检测

1.1 实验环境准备

Ai Studio 是百度提供的人工智能云上开发环境，云端登录后是Linux工作环境，提供 BML CodeLab Notebook的交互式开发界面。之所以选择Ai Studio，是因为自己工作所使用的Windows 7 环境太旧，在安装apriltag Python软件包过程中总是出现错误。

1.1.1 安装Apriltag软件包

在 Ai Studio Notebook环境下，安装Apriltag 软件包：

!pip install apriltag

Looking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple
Collecting apriltagDownloading https://pypi.tuna.tsinghua.edu.cn/packages/f2/e5/957bb26d575141bc25af7214c14e315c9ebb9a12ccf7c8d09ed40b59bb29/apriltag-0.0.16.tar.gz (201kB)|████████████████████████████████| 204kB 4.9MB/s eta 0:00:01
Building wheels for collected packages: apriltagBuilding wheel for apriltag (setup.py) ... doneCreated wheel for apriltag: filename=apriltag-0.0.16-cp37-cp37m-linux_x86_64.whl size=452177 sha256=0d36144f98ae62844ced9792df0dcd2a4476d12e95ed4aace765241708b35825Stored in directory: /home/aistudio/.cache/pip/wheels/7c/93/d0/f5128991a88d5609b5a87ab639a488d63f664cf5f862f26232
Successfully built apriltag
Installing collected packages: apriltag
Successfully installed apriltag-0.0.16

1.1.2 处理图片

用于测试的Apriltag图片来自于 两个对于Apriltag图片处理问题讨论 中制作的Apriltag定位立方体。

▲ 图1.1.1 用于测试Apriltag图片

图片的尺寸：

宽：720
高：543

1.2 检测算法

1.2.1 检测代码

atd = apriltag.Detector(apriltag.DetectorOptions(families='tag36h11 tag25h9'))
tags = atd.detect(gray)print("tags:\n{}".format(tags))for tag in tags:for c in tag.corners:cv2.circle(img, tuple(c.astype(int)), 4, (255,0,0), 2)cv2.circle(img, tuple(tag.center.astype(int)), 8, (255,0,0), 4)plt.clf()
plt.figure(figsize=(10,10))
plt.axis("off")
plt.imshow(img)

1.2.2 检测结果

下面显示了检测到的两个Apriltag的位置以及相关的参数。

▲ 图1.2.1 检测输出的Apriltag中心与四个角落

tags: [Detection(tag_family=b'tag25h9', tag_id=1, hamming=0, goodness=0.0, decision_margin=87.13029479980469, homography=array([[ 5.25277050e-01,  3.99535001e-02,  1.37315504e+00],[ 2.48140105e-01,  8.12493111e-01,  1.86261033e+00],[-1.40731593e-04,  1.15162457e-04,  6.18912300e-03]]), center=array([221.86585028, 300.94899259]), corners=array([[130.00233459, 129.04534912],[313.23223877, 218.81126404],[314.49154663, 474.27890015],[137.75471497, 376.56430054]])), Detection(tag_family=b'tag25h9', tag_id=1, hamming=0, goodness=0.0, decision_margin=55.70514678955078, homography=array([[-6.66538170e-01, -3.00824606e-02, -2.71129491e+00],[ 2.11909359e-01, -7.69185216e-01, -1.82710635e+00],[-9.33389035e-05, -8.40349506e-05, -5.91966396e-03]]), center=array([458.01500415, 308.65034919]), corners=array([[350.84857178, 221.13659668],[564.64306641, 142.6912384 ],[558.94610596, 391.07223511],[351.05123901, 475.13195801]]))]

应用上面的代码对于【图1】进行检测，无法检测到任何Apriltag。

1.3 Apriltag图片扩增

对上面测试的Apriltag图片通过旋转、上下左右翻转、亮度、对比度的变化等方法进行扩增，总数达到27张图片。

▲ 图 Apriltag增强后的图片

1.3.1 处理扩增图片

def procdir(dirstr):filedim = os.listdir(dirstr)tagdim = []for f in filedim:fn = os.path.join(dirstr, f)if fn.find('.jpg') < 0: continueimg = cv2.imread(fn)gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)tags = atd.detect(gray)tagdim.append(len(tags))return tagdimimgdir = '/home/aistudio/work/apriltag'
dim = procdir(imgdir)
print("len(dim): {}".format(len(dim)))

所有图片识别的结果为： 27个。这说明图片本扩增对于Apriltag检测没有影响。

1.4 不同尺寸识别

1.4.1 处理代码

from paddle.vision.transforms import Resize
from tqdm import tqdmdef resizeImage(indir, outdir, ratio):fdim = os.listdir(outdir)for f in fdim:fn = os.path.join(outdir, f)if os.path.isfile(fn):os.remove(fn)fdim = os.listdir(indir)for f in fdim:fn = os.path.join(indir, f)if not os.path.isfile(fn): continueimg = cv2.imread(fn)imgsize = img.shapewidth = int(imgsize[1] * ratio)height = int(imgsize[0] * ratio)img1 = Resize((height, width))(img)outfn = os.path.join(outdir, f)cv2.imwrite(outfn, img1)return procdir(outdir)outdir = '/home/aistudio/GIF'
indir = '/home/aistudio/work/apriltag'ratiodim = linspace(-2, 0, 100)
tagsdim = []for r in tqdm(ratiodim):rr = exp(r*log(10))ret = resizeImage(indir, outdir, rr)tagsdim.append(sum(ret))print(tagsdim)

1.4.2 识别精度

下面显示了将原图进行缩小之后对应的Apriltag识别个数的变化。横坐标为缩小倍数对应的log⁡10(r)\log _{10} \left( r \right)log10(r)，纵坐标对应的识别出的Apriltag的个数总和。

当压缩比例为0.226时，识别错误率开始出现，当压缩比例小于0.077时，便基本无法识别所有的图片中的Apriltag了。

▲ 图1.4.1 不同尺寸下的识别数量

下面显示了原始图像以及压缩比率分别为0.226、0.077对应的图片相关尺寸。

▲ 图1.4.2 原图与压缩后的图片

※ 测试结果 ※

通过图片扩增的方法，对于给定的测试Apriltag定位图片进行扩增，然后通过apriltag Python软件包对不同缩放比例下的图片进行检测，统计了在不同压缩比例下识别Apriltag的数量。实验结果显示，在主要包含有Apriltag图片，宽、长像素需要在100以上，才能够比较可靠的被识别。

■ 相关文献链接:

智能车竞赛相关的教高司公函：公函[2005]201号文、教高司[2005]13号
第十七届智能车竞赛智能视觉组比赛细则
第十七届全国大学生智能车竞赛智能视觉组规则补充说明（1）
APRILTAG 标准图片：TAG25H9
根据Apriltag进行角度和距离检测
基于Python下的Apriltag检测
深度学习中图片数据增强方法
搭建AI Studio 中Python开发环境
两个对于Apriltag图片处理问题讨论

● 相关图表链接:

图1 在半个比赛场地内的Apriltag定位立方体
图1.1.1 用于测试Apriltag图片
图1.2.1 检测输出的Apriltag中心与四个角落
图 Apriltag增强后的图片
图1.4.1 不同尺寸下的识别数量
图1.4.2 原图与压缩后的图片

不同分辨率下Apriltag识别精度测试相关推荐

模式识别新研究：微软OCR两层优化提升自然场景下的文字识别精度
模式识别新研究:微软OCR两层优化提升自然场景下的文字识别精度发表于2015-03-30 23:46| 6209次阅读| 来源CSDN| 8 条评论| 作者霍强模式识别微软亚洲研究院微软OCR文字 ...
怎么测试本地网页在不同分辨率下电脑显示效果_4K商用超值利器飞利浦272P7VPTKEB显示器评测...
随着4K显示器的价格不断走低,越来越多的电脑用户已经拥有了这种超高分辨率显示器.此次评测为大家带了的飞利浦272P7VPTKEB就是一款物美价廉的产品,它专为商用办公而设计,并且兼顾了不错的影音娱乐效 ...
苹果申请声波屏下指纹识别专利精度足以取代Touch ID
本文讲的是苹果申请声波屏下指纹识别专利精度足以取代Touch ID, 据 AppleInsider 北京时间 8 月 29 日报道,当地时间周二,美国专利和商标局授予苹果一项声波指纹成像技术专利, ...
Screenfly – 各种设备的屏幕和分辨率下快速测试网站
Screenfly 让你能够在各种设备的屏幕和分辨率下查看你的网站.输入网址,并点击GO开始浏览网页.Screenfly 可以使用代理服务器来模拟设备,当您查看您的网站,代理服务器模仿您所选择的设备的 ...
全球人脸识别精度一年提高75.6%，拉动全球安防市场超高增长
来源:AI 科技评论摘要:有「工业界黄金标准」之称的美国国家标准与技术研究院(National Institute of Standards and Technology,NIST)最近公布了全球人 ...
细粒度图像分类_支付宝AI大幅提升细粒度图像分类识别精度：一眼看穿万物细微差异...
近日,计算机视觉A类顶级会议CVPR 2020开幕在即, 由全球最大机器学习平台Kaggle承办的FGVC(Fine-Grained Visual Categorization,细粒度图像分类)全球挑 ...
支付宝AI大幅提升细粒度图像分类识别精度，一眼看穿万物细微差异
近日,计算机视觉A类顶级会议CVPR 2020 开幕在即, 由Kaggle承办的FGVC(Fine-Grained Visual Categorization,细粒度图像分类)全球挑战赛结果揭晓,支付 ...
[病虫害识别｜博士论文]非结构环境下病虫害识别方法研究
概述提出一种基于级联卷积神经网络的植物病害识别方法提出一种融合农田多源环境信息的害虫监测方法提出一种新的目标检测损失函数解决特征冲突问题本文研究的主要方面在于特征提取.(其他部分沿用目前最全面 ...
(13)[Xamarin.Android] 不同分辨率下的图片使用概论
原文 [Xamarin.Android] 不同分辨率下的图片使用概论设计Android App的时候,其尺寸众多也是一个挑战之一.要针对不同尺寸设计Android App时,就要先来了一下dpi(d ...

不同分辨率下Apriltag识别精度测试