無論是aruco還是apriltag二維碼標(biāo)定板檢測的思路是提取一塊四邊形的區(qū)域，這個區(qū)域具有比周圍亮度更低的特點。這個思路的主要優(yōu)點是盡可能多的檢測出所有可能的二維碼，但是根據(jù)采集數(shù)據(jù)的環(huán)境極有可能出現(xiàn)異常線段，然后再根據(jù)二維碼的編碼值可以對野值進(jìn)行剔除實現(xiàn)識別與定位。

ArUco

ArUco是一個開源的小型的AR虛擬現(xiàn)實增強庫，已經(jīng)集成在OpenCV3.0以上的版本，它除了用于現(xiàn)實增強，還很用于實現(xiàn)一些機器視覺方面的應(yīng)用。

?ArUco下載地址：https://sourceforge.net/projects/aruco/files/

?ArUco開源庫的幾個特點如下：?

1.基于C++；?

2.僅依賴于OpenCV（≥2.4.9）和Eigen3；?

3.BDS開源。??

一個ArUco標(biāo)記外圍都有一組黑色邊框，同時內(nèi)部有著確定該標(biāo)記ID的二維矩陣組合而成。黑色的邊框能加速標(biāo)記在圖像中的檢測速度，內(nèi)部的二維編碼能唯一識別該標(biāo)記，同時進(jìn)行錯誤檢測和錯誤修復(fù)。標(biāo)記的大小確定了內(nèi)部矩陣的大小，例如4x4大小的標(biāo)記有16個bit

aruco標(biāo)志在環(huán)境中通常存在旋轉(zhuǎn)，然而，檢測的過程需要確定旋轉(zhuǎn)的初始方向，因此，每一個角點在二維編碼的過程中就會被唯一確定。

標(biāo)記字典是一組被用來進(jìn)行特殊應(yīng)用的標(biāo)記，它大大簡化了每個marker二維碼列表。字典的主要屬性就是字典的大小和標(biāo)志的大小：

字典大小：合成字典的marker的數(shù)量 (50 100 250 1000)

標(biāo)志大小：marker的大小(bits 16 25 49 ...)

aruco模塊中包含了一些已經(jīng)預(yù)先定義好不同大小和數(shù)量的字典集

Aruco標(biāo)記物生成

在檢測之前，往往我們需要打印一些marker放到我們的環(huán)境中。Marker圖案我們能通過drawMarker函數(shù)產(chǎn)生：

Aruco標(biāo)記物檢測

在包含ArUco標(biāo)志的圖片中，檢測過程通常能返回被檢測到的marker序列。每一個檢測的Marker結(jié)果包括：

• marker四個角點在圖片中的位置

• marker的id

Marker檢測過程主要有兩個步驟：

• 檢測Marker的候選區(qū)域。

• 通過分析二維碼確定marker

在opencv的ArUco模塊中，主要通過detectMarkers()函數(shù)來完成，這個函數(shù)是整個模塊中最重要的函數(shù)了，因為后續(xù)的函數(shù)處理幾乎都依賴于該函數(shù)的檢測結(jié)果。

位姿估計

當(dāng)獲取得到Marker的識別結(jié)果之后，就是確定相機姿態(tài)了。為了確定相機姿態(tài)，首先得知道相機的標(biāo)定參數(shù)，內(nèi)參和畸變。在估計每個ArUco標(biāo)記的時候，我們能單獨估計每個marker。如果你希望能從一系列的marker中估計一個pose，此時就需要ArUco Boards.

相機相對于marker的姿態(tài)是一個3d的旋轉(zhuǎn)，從marker坐標(biāo)系到camera坐標(biāo)系。這個通過一個旋轉(zhuǎn)和一個平移向量和描述。

標(biāo)記坐標(biāo)系統(tǒng)是假設(shè)z軸是朝外的，x是朝右邊，y朝前進(jìn)方向。標(biāo)志角點在左上角點。

該庫主要的類主要有：?

aruco::Marker----視覺標(biāo)志類；?

aruco::MarkerDetector----視覺標(biāo)志檢測類；?

aruco::MarkerPoseTracker----視覺標(biāo)志姿態(tài)預(yù)估類；

aruco::MarkerMap-----視覺標(biāo)志地圖類；

aruco::MarkerMapPoseTracker----視覺標(biāo)志地圖姿態(tài)預(yù)估類；?

aruco::CvDrawingUtils----繪圖類；

注意：

aruco中的字典比如DICT_4X4_50是什么意思？

每個字典式表示位數(shù)和包含的標(biāo)記數(shù) 標(biāo)準(zhǔn)的標(biāo)記5×5位，0最小距離，4*4位表示marker標(biāo)記要被劃分的位數(shù)，邊界為1比特位，所以4×4的marker識別時候會被分割為6×6的格子，最后面的數(shù)字表示字典里包含marker的個數(shù)，比如50個。

AprilTag

AprilTag是一個視覺基準(zhǔn)系統(tǒng)，可用于各種任務(wù)，包括增強現(xiàn)實、機器人和攝像機校準(zhǔn)。AprilTag檢測可以計算標(biāo)定板相對于相機的精確三維位置、方向和id。AprilTag庫是用C實現(xiàn)的，沒有外部依賴關(guān)系。該庫可以很容易地包含在其他應(yīng)用程序中，也可以移植到嵌入式設(shè)備上。即使在手機級處理器上也可以實現(xiàn)實時性能。

AprilTag的地址：

https://github.com/AprilRobotics/apriltag

?AprilTag開源庫的幾個特點如下：?

1.基于C；?

2.不依賴其他第三方庫；?

3.BDS開源。?

AprilTags在概念上類似于QR碼，因為它們是一種二維條形碼。然而，它們被設(shè)計成編碼更小的數(shù)據(jù)有效載荷（4到12位之間），允許它們更可靠地被檢測到，并且可以從更長的范圍內(nèi)被檢測到。此外，他們是為高定位精度設(shè)計的，用戶可以計算精確的AprilTag相對于相機三維位置。

所以一般AprilTag用于機器人領(lǐng)域比較多。

AprilTag的種類

AprilTag的種類叫家族（family）,有下面的幾種：

TAG16H5 → 0 to 29

TAG25H7 → 0 to 241

TAG25H9 → 0 to 34

TAG36H10 → 0 to 2319

TAG36H11 → 0 to 586

ARTOOLKIT → 0 to 511

也就是說TAG16H5的家族（family）有30個，每一個都有對應(yīng)的id，從0~29。

相關(guān)的論文

AprilTag: A robust and flexible visual fiducial system, ICRA 2011;?

AprilTag 2: Efficient and robust fiducial detection, IROS 2016;?

One useful application of AprilTags is camera calibration (AprilCal: Assisted and repeatable camera calibration, IROS 2013).

兩者優(yōu)劣比較

Aruco（在OpenCV中實現(xiàn)）

優(yōu)點

• 易于設(shè)置（使用現(xiàn)成的aruco標(biāo)記生成器、opencv和ros實現(xiàn)等）

• 更少的錯誤檢測（使用默認(rèn)參數(shù)）

缺點

• 較新版本的aruco是GPL許可的，因此opencv在aruco還是BSD的時候仍然停留在舊的實現(xiàn)上。

• 更容易在中長距離旋轉(zhuǎn)模糊

• 更多適配參數(shù)

• 計算量更大

AprilTag（在AprilTag? ros中實現(xiàn)）

優(yōu)點

• 更少的適配參數(shù)

• 即使在遠(yuǎn)距離也能很好地工作

• 美國宇航局使用

• 更靈活的標(biāo)記設(shè)計（例如，標(biāo)記可以不一定是正方形）

• 計算量較少

缺點

• 不太直接地進(jìn)行配置和設(shè)置（沒有opencv實現(xiàn)AFAIK，只有ros實現(xiàn)，獲得標(biāo)記的步驟稍微多一些）

• 更多錯誤檢測（使用默認(rèn)參數(shù)）

接下來本公眾號將從opencv的中aruco模塊中給的教程從理論到實踐進(jìn)行講解。敬請期待ing...

資源

三維點云論文及相關(guān)應(yīng)用分享

【點云論文速讀】基于激光雷達(dá)的里程計及3D點云地圖中的定位方法

3D目標(biāo)檢測：MV3D-Net

三維點云分割綜述（上）

3D-MiniNet: 從點云中學(xué)習(xí)2D表示以實現(xiàn)快速有效的3D LIDAR語義分割（2020）

win下使用QT添加VTK插件實現(xiàn)點云可視化GUI

JSNet：3D點云的聯(lián)合實例和語義分割

大場景三維點云的語義分割綜述

PCL中outofcore模塊---基于核外八叉樹的大規(guī)模點云的顯示

基于局部凹凸性進(jìn)行目標(biāo)分割

基于三維卷積神經(jīng)網(wǎng)絡(luò)的點云標(biāo)記

點云的超體素(SuperVoxel)

基于超點圖的大規(guī)模點云分割

更多文章可查看：點云學(xué)習(xí)歷史文章大匯總

SLAM及AR相關(guān)分享

【開源方案共享】ORB-SLAM3開源啦！

【論文速讀】AVP-SLAM：自動泊車系統(tǒng)中的語義SLAM

【點云論文速讀】StructSLAM:結(jié)構(gòu)化線特征SLAM

SLAM和AR綜述

常用的3D深度相機

AR設(shè)備單目視覺慣導(dǎo)SLAM算法綜述與評價

SLAM綜述(4)激光與視覺融合SLAM

Kimera實時重建的語義SLAM系統(tǒng)

SLAM綜述(3)-視覺與慣導(dǎo)，視覺與深度學(xué)習(xí)SLAM

易擴展的SLAM框架-OpenVSLAM

高翔：非結(jié)構(gòu)化道路激光SLAM中的挑戰(zhàn)

SLAM綜述之Lidar SLAM

基于魚眼相機的SLAM方法介紹

往期線上分享錄播匯總

第一期B站錄播之三維模型檢索技術(shù)

第二期B站錄播之深度學(xué)習(xí)在3D場景中的應(yīng)用

第三期B站錄播之CMake進(jìn)階學(xué)習(xí)

第四期B站錄播之點云物體及六自由度姿態(tài)估計

第五期B站錄播之點云深度學(xué)習(xí)語義分割拓展

第六期B站錄播之Pointnetlk解讀

[線上分享錄播]點云配準(zhǔn)概述及其在激光SLAM中的應(yīng)用

[線上分享錄播]cloudcompare插件開發(fā)

[線上分享錄播]基于點云數(shù)據(jù)的?Mesh重建與處理

[線上分享錄播]機器人力反饋遙操作技術(shù)及機器人視覺分享

[線上分享錄播]地面點云配準(zhǔn)與機載點云航帶平差

如果你對本文感興趣，請點擊“原文閱讀”獲取知識星球二維碼，務(wù)必按照“姓名+學(xué)校/公司+研究方向”備注加入免費知識星球，免費下載pdf文檔，和更多熱愛分享的小伙伴一起交流吧！

以上內(nèi)容如有錯誤請留言評論，歡迎指正交流。如有侵權(quán)，請聯(lián)系刪除

掃描二維碼

? ? ? ? ? ? ? ? ? ?關(guān)注我們

讓我們一起分享一起學(xué)習(xí)吧！期待有想法，樂于分享的小伙伴加入免費星球注入愛分享的新鮮活力。分享的主題包含但不限于三維視覺，點云，高精地圖，自動駕駛，以及機器人等相關(guān)的領(lǐng)域。

分享及合作：群主微信“920177957”（需要按要求備注） 聯(lián)系郵箱：dianyunpcl@163.com，歡迎企業(yè)來聯(lián)系公眾號展開合作。

點一下“在看”你會更好看耶

總結(jié)

以上是生活随笔為你收集整理的ArUco与AprilTag简介的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。