דלג לתוכן הראשי

יומן שינויי תוכנה 2021 - 2023

2023.6 (18/4/23)​

כיול ChArUco קל ומנתחי כיול חזותיים​

  • כיול ChArUco נחשב לטוב יותר מכיול לוח משבצות מכיוון שהוא מתמודד עם הסתרות, זיהוי פינות לקוי, ואינו דורש שכל הלוח יהיה גלוי. זה הופך את תהליך לכידת פינות לוח הכיול קרוב לקצוות ופינות התמונות שלך לקל הרבה יותר. זה קריטי לאמידת מקדמי העיוות.
  • תהליך הכיול של Limelight מספק משוב בכל שלב, ויבטיח שתעשה את כל הנדרש לקבלת תוצאות כיול טובות. הושקע מאמץ רב בהפיכת התהליך הזה לאמין ככל האפשר.
  • החשוב מכל, אתה יכול לצפות בתוצאות הכיול שלך ממש ליד הכיול המקורי. במבט חטוף, אתה יכול להבין האם תוצאת הכיול שלך סבירה או לא.
  • אתה יכול גם להשתמש בלוח המחוונים של הכיול ככלי למידה. אתה יכול לשנות קבצי תוצאות כיול שהורדת ולהעלות אותם מחדש כדי ללמוד כיצד מטריצת הפרמטרים הפנימיים ומקדמי העיוות משפיעים על תוצאות המעקב, שדה הראייה וכו'.
  • צפה בסרטון הזה:

2023.5.1 & 2023.5.2 (22/3/23)​

  • תוקנה רגרסיה שהוצגה ב-2023.5.0 - בעוד ש-2023.5 תיקן megatag עבור כל הפריסות הלא-מישוריות, הוא הפחית את הביצועים של הערכות תנוחה בתג בודד. זה תוקן. הערכות תנוחה בתג בודד משתמשות באותו פותר בדיוק שהיה בשימוש ב-2023.4.

  • ממשק צילום מסך מהיר יותר. רשת הצילומים כעת טוענת תמונות ממוזערות ברזולוציה נמוכה של 128 פיקסלים.

  • Limelight Yaw מוצג כעת כראוי במציגים התלת-ממדיים. הוא חיובי נגד כיוון השעון במציג ובאופן פנימי

  • מציין אילו מטרות נמצאות כרגע במעקב במציג המרחב של הזירה

2023.5.0 (21/3/23)​

שינויים משמעותיים​

  • תוקנה רגרסיה - ה-"Yaw" במרחב הרובוט של Limelight היה הפוך בגרסאות קודמות. כעת ה-yaw בממשק המשתמש של האתר הוא חיובי בכיוון נגד כיוון השעון באופן פנימי.

עדכון בחירת אזור​

  • בחירת אזור כעת עובדת כמצופה בצינורות זיהוי נוירונים.
  • נוספו 5 אפשרויות אזור חדשות לבחירת המרכז, העליון, השמאל, הימין, העליון או התחתון של מלבן המטרה הלא מסובב.

ממשק REST "hwreport"​

  • ‎5807/hwreport יחזיר תגובת JSON המפרטת מידע על מאפייני המצלמה הפנימיים ועיוות.

תיקון MegaTag​

  • פריסות מסוימות של תגי apriltag שאינם במישור אחד היו שבורות ב-MegaTag. בעיה זו תוקנה, ואמידת התנוחה כעת יציבה עם כל תגי המגרש. זה מאפשר אמידת תנוחה יציבה אפילו במרחקים גדולים יותר מבעבר.

דיוק משופר של tx ו-ty​

  • TX ו-TY מדויקים יותר מאי פעם. המטרות מתוקנות לחלוטין מעיוות, ושדה הראייה נקבע לחלוטין על ידי מאפייני המצלמה הפנימיים.

2023.4.0 (18/2/23)​

סינון קלאסות בגלאי נוירונים​

הגדר את הקלאסות שברצונך לעקוב אחריהן לסינון קל של זיהויים לא רצויים.

תמיכה מורחבת בגלאי נוירונים​

תמיכה בכל רזולוציית קלט, תמיכה בצורות פלט נוספות לתמיכה בארכיטקטורות זיהוי אובייקטים אחרות. כעת יש תמיכה במודלים מבוססי EfficientDet0.

2023.3.1 (14/2/23)​

שיפורים בדיוק AprilTag​

שיפור מטריצת האינטרינסיקס ובעיקר שיפור מקדמי העיוות עבור כל הדגמים. שיפורים משמעותיים באיתור מיקום AprilTag בודד.

העלאת גלאי​

תוקנה העלאת הגלאי.

2023.3 (13/2/23)​

זמן לכידה (מפתח NT: "cl", תוצאות JSON: "cl")​

ערך זמן הלכידה החדש מייצג את הזמן שבין סוף החשיפה של השורה האמצעית בחיישן התמונה של Limelight לבין תחילת צינור העיבוד.

סף איכות חדש עבור AprilTags​

תגי AprilTags שגויים מסוננים כעת ביתר קלות באמצעות מחוון סף האיכות החדש. ערך ברירת המחדל שנקבע ב-2023.3 אמור להסיר את רוב הזיהויים השגויים.

דריסת תנוחת מצלמה במרחב הרובוט (מפתחות NT: "camerapose_robotspace_set", "camerapose_robotspace")​

ניתן כעת לכוונן את מיקום ה-Limelight במרחב הרובוט תוך כדי פעולה. אם המפתח מוגדר למערך של אפסים, נעשה שימוש בתנוחה שהוגדרה בממשק האינטרנט.

הנה דוגמה של Limelight על מעלית: Limelight על מעלית

זמן חשיפה מקסימלי מוגדל​

זמן החשיפה המקסימלי הוא כעת 33ms (במקום 12.5 ms). מצבי לכידה בקצב fps גבוה עדיין מוגבלים ל-(1/fps) שניות. צינורות של 90hz, לדוגמה, לא יפיקו תמונות בהירות יותר מעבר לזמן חשיפה של 11ms.

עדכוני Botpose​

לכל שלושת מערכי ה-botpose ב-networktables יש כעת ערך שביעי המייצג את הזמן הכולל (זמן לכידה + זמן מיקוד).

תיקוני באגים​

  • תיקון זרמי MJPEG של LL3 ב-shuffleboard
  • תיקון camMode - מצב נהג מפיק כעת תמונות בהירות ושמישות
  • תיקון תווית החשיפה - כל "תו" מייצג 0.01ms ולא 0.1 ms
  • תיקון העלאת גלאי רשת נוירונית

2023.2 (28/1/23)​

הופכים את התלת-מימד לקל מתמיד.

Botposes תואמי-WPILib​

השימוש ב-Botpose כעת קל יותר מאי פעם.

אלה תואמים למערכות הקואורדינטות של WPILib. דוגמת megatag botpose:

כל ה-botposes מוצגים ישירות במדמה המרחב-שדה בממשק האינטרנט, מה שמאפשר לוודא במבט חטוף שהכל עובד כראוי.

גישה קלה יותר לנתוני תלת-מימד (שינויים משמעותיים)​

RobotPose במרחב המטרה הוא כנראה המידע השימושי ביותר שמגיע מ-Limelight בהקשר של AprilTags. באמצעות זה בלבד, ניתן ליישר בצורה מושלמת מערכת הנעה עם AprilTag בשדה.

  • מפתח NetworkTables "campose" הוא כעת "camerapose_targetspace"
  • מפתח NetworkTables "targetpose" הוא כעת "targetpose_cameraspace"
  • מפתח NetworkTables חדש - "targetpose_robotspace"
  • מפתח NetworkTables חדש - "botpose_targetspace"

העלאת רשת נוירונים​

העלו מודלים של teachable machine למסלול המסווג של Limelight. ודאו שהם מודלים תואמי Tensorflow Lite EdgeTPU. העלו קבצי .tflite וקבצי תוויות .txt בנפרד.

2023.1 (19/1/23)​

MegaTag ושיפורי ביצועים

תיקון טעות​

פרמטר גודל הסמן המוגדר כברירת מחדל בממשק המשתמש תוקן ל-152.4 מ"מ (ירד מ-203.2 מ"מ). זה היה המקור לרוב בעיות הדיוק.

יציבות מעקב משופרת​

ישנן מספר דרכים לכוונן את זיהוי ופענוח AprilTag. שיפרנו את היציבות באופן כללי, במיוחד בסביבות עם תאורה נמוכה / חשיפה נמוכה.

המרה לגווני אפור מהירה במיוחד​

המרה לגווני אפור מהירה פי 3-6 מבעבר. הקבוצות תמיד יראו זרם וידאו אפור בזמן מעקב אחר AprilTags.

חיתוך לשיפור ביצועים​

צינורות AprilTag כוללים כעת מחוונים לחיתוך. חיתוך התמונה יביא לשיפור קצב הפריימים בכל רזולוציה.

סינון קל יותר​

כעת יש שדה "מסנן ID" יחיד בצינורות AprilTag אשר מסנן פלט JSON, תגיות מאופשרות-botpose, ותגיות מאופשרות-tx/ty. מערך הסינון הכפול היה בעייתי ומבלבל.

שינוי משמעותי​

מפתח NT "camtran" הוא כעת "campose"

JSON עדכון​

"botpose" הוא כעת חלק מפלט ה-json

עדכון מציג מרחב השדה​

מציג מרחב-השדה מראה כעת את שדה FRC 2023. כעת צריך להיות קל יותר לשפוט את דיוק ה-botpose במבט חטוף.

Limelight MegaTag (botpose חדש)​

העדיפות העליונה שלי הייתה לכתוב מחדש את botpose לדיוק גבוה יותר, רעש מופחת, ועמידות לדו-משמעות. היישום החדש של botpose של Limelight נקרא MegaTag. במקום לחשב botpose עם ממוצע פשוט של מספר מיקומים במרחב השדה, MegaTag למעשה משלב את כל התגיות לתגית תלת-ממדית ענקית אחת עם מספר נקודות מפתח. לכך יש יתרונות עצומים.

ה-GIF הבא מציג מצב שתוכנן לגרום להיפוך תגית: גליל ירוק: מיקום רובוט לפי תגית בודדת גליל כחול: BotPose 2023.0.1 גליל לבן: Botpose MegaTag החדש

שימו לב כיצד ה-botpose החדש (גליל לבן) יציב מאוד בהשוואה ל-botpose הישן (גליל כחול). אתם יכולים לצפות גם בערכי tx ו-ty.

הנה המסך המלא, המציג את הדו-משמעות של התגית:

הנה היתרונות:

Botpose כעת עמיד לדו-משמעויות (היפוך תגית) אם יותר מתגית אחת נראית (אלא אם הן קרובות ומישוריות. אידיאלית נקודות המפתח אינן מישוריות). Botpose כעת עמיד יותר לרעש בפינות התגית אם יותר מתגית אחת נראית. ככל שהתגיות רחוקות יותר זו מזו, כך טוב יותר. זה לא מוגבל לתגיות מישוריות. זה מתרחב לכל מספר של תגיות בתלת-ממד מלא ובכל כיוון. תגיות רצפה ותגיות תקרה יעבדו בצורה מושלמת.

הנה תרשים המדגים היבט אחד של איך זה עובד במקרה מישורי פשוט. התוצאות למעשה טובות יותר ממה שמתואר, כיוון שה-MegaTag המתואר כולל שגיאה משמעותית המוחלת על שלוש נקודות במקום נקודה אחת. ככל שה-MegaTag התלת-ממדי המשולב גדל במספר נקודות המפתח, היציבות שלו עולה.

העלאת הרשת העצבית נדחית ל-2023.2!

2023.0.0 ו-2023.0.1 (1/11/23)​

מציג AprilTags, מיקום רובוט, רשתות נוירונים עמוקות, ממשק צילום מסך משוכתב, ועוד.

תכונות, שינויים ותיקוני באגים​

  • צינור לכידת חיישן חדש ובקרת רווח
    • צינור הלכידה החדש שלנו מאפשר זמני חשיפה קצרים פי 100 ממה שהיו ב-2022. הצינור החדש מאפשר גם בקרת רווח. זה חשוב במיוחד למעקב אחר AprilTags, וישמש להפוך את המעקב הרטרו-רפלקטיבי לאמין יותר מאי פעם. לפני Limelight OS 2023, רווח החיישן של Limelight היה לא דטרמיניסטי (יישמנו כמה טריקים כדי לגרום לזה לעבוד בכל זאת).
    • עם מחוון "רווח חיישן" החדש, קבוצות יכולות להפוך תמונות לכהות או בהירות יותר מאי פעם מבלי לגעת במחוון החשיפה. הגדלת הרווח תגדיל את הרעש בתמונה.
    • בשילוב רווח נמוך יותר עם זמני החשיפה הנמוכים החדשים, כעת אפשר ליצור תמונות כמעט שחורות לחלוטין עם נורות LED בבהירות מלאה ומטרות רטרו-רפלקטיביות. זה יעזור למתן החזרי אור LED ושמש בעת מעקב אחר מטרות רטרו-רפלקטיביות.
    • על ידי הגדלת רווח החיישן והפחתת החשיפה, קבוצות יוכלו למזער את ההשפעות של טשטוש תנועה בגלל זמני חשיפה גבוהים בעת מעקב אחר AprilTags.
    • הצלחנו לפתח את הצינור החדש הזה תוך שמירה על כל התכונות - 90fps, זום חומרה וכו'.
  • אפשרויות רזולוציה נוספות
    • יש שתי רזולוציות לכידה חדשות עבור LL1, LL2, ו-LL2+: 640x480x90fps, ו-1280x960x22fps
  • ממשק אינטרנט מותאם
    • ממשק הגרפי באינטרנט כעת יטען ויאתחל עד פי 3 מהר יותר ברשתות רובוט.
  • ממשק צילומי מסך משוכתב
    • תכונת צילומי המסך נכתבה מחדש לחלוטין כדי לאפשר העלאת תמונות, הורדת תמונות ומחיקת תמונות. יש גם APIs חדשים ללכידת צילומי מסך המפורטים בתיעוד.
  • שיפורי SolvePnP
    • לתכונת מיקום המצלמה המבוססת על solvePnP היה באג מכוער שהגביל מאוד את הדיוק שלה בכל ארבע פריימים. זה טופל, וקנבס תלת-ממדי חדש לחלוטין נבנה עבור ויזואליזציות רטרו-רפלקטיביות/צבע SolvePNP.
  • תיקון באג בממשק האינטרנט
    • היתה בעיה נדירה מאוד ב-2022 שגרמה לממשק האינטרנט להיהרס לצמיתות במהלך האתחול הראשון לאחר הצריבה, מה שאילץ את המשתמש לצרוב מחדש. הסיבה השורשית נמצאה ותוקנה לטובה.
  • APIs חדשים
    • Limelight כעת כולל APIs של REST ו-Websocket. APIs של REST, Websocket ו-NetworkTables כולם תומכים בתכונת ה-JSON dump החדשה, שמפרטת את כל הנתונים עבור כל המטרות בפורמט קריא לאדם, קל לניתוח עבור FRC וכל היישומים האחרים.

ראייה מבוססת למידה ללא קוד ותמיכה ב-Google Coral​

  • Google Coral נתמך כעת על ידי כל דגמי Limelight. Google Coral הוא מאיץ חומרה USB של 4TOPs (טריליוני פעולות לשנייה) שנבנה במיוחד להסקה על רשתות נוירונים 8-ביט.
  • בדיוק כמו מעקב רטרו-רפלקטיבי לפני כמה שנים, חסם הכניסה לראייה מבוססת למידה על רובוטים של FRC היה גבוה מדי בשביל שהקבוצה הממוצעת תנסה אפילו. פיתחנו את כל התשתית הנדרשת כדי להפוך ראייה מבוססת למידה לקלה כמו מטרות רטרו-רפלקטיביות עם Limelight.
  • יש לנו אשכול GPU בענן, סקריפטים לאימון, כלי לאיסוף מאגרי נתונים, וצוות תיוג אנושי מוכן לפעולה. אנחנו נרגשים להביא רשתות נוירונים עמוקות לקהילת ה-FRC בפעם הראשונה.
  • אנחנו תומכים כרגע בשני סוגי מודלים: מודלים לזיהוי אובייקטים ומודלים לסיווג תמונות.
    • מודלים לזיהוי אובייקטים יספקו "מזהי מחלקות" ותיבות תיחום (בדיוק כמו המטרות הרטרו-רפלקטיביות שלנו) עבור כל האובייקטים שזוהו. זה מושלם למעקב בזמן אמת אחר חלקי משחק.
      • אנא תרמו למודל זיהוי האובייקטים הראשון אי פעם של FRC על ידי שליחת תמונות כאן: https://datasets.limelightvision.io/frc2023
      • השתמשו במפתחות tx, ty, ta, ו-tclass של networktables או ב-JSON dump כדי להשתמש ברשתות זיהוי
    • מודלים לסיווג תמונות יקלטו תמונה ויפיקו תווית מחלקה יחידה.
      • כדי ללמוד עוד ולהתחיל לאמן את המודלים שלכם עבור Limelight, בדקו את Teachable Machine של גוגל.
      • https://www.youtube.com/watch?v=T2qQGqZxkD0
      • מודלים של Teachable machine תואמים ישירות ל-Limelight.
      • מסווגי תמונות יכולים לשמש לסיווג מצב פנימי של הרובוט, מצב של תכונות המגרש, ועוד הרבה יותר.
      • השתמשו במפתח tclass של networktables כדי להשתמש במודלים אלה.
  • Limelight OS 2023.0 לא מספק את היכולת להעלות מודלים מותאמים אישית. זה יופעל בקרוב ב-2023.1

תמיכה ב-AprilTag ללא קוד​

  • AprilTags קלים כמו מטרות רטרו-רפלקטיביות עם Limelight. מכיוון שיש להם מסנן קשיח טבעי בצורת מזהה, יש אפילו פחות סיבה שה-roboRIO שלכם יבצע סינון כלשהו הקשור לראייה.
  • להתחלה, השתמשו ב-tx, ty, ו-ta כרגיל. לא נדרשים שינויי קוד. מיינו לפי כל מאפיין מטרה, השתמשו בקבוצות מטרה וכו'.
  • מכיוון ש-AprilTags הם גם תמיד מרובעים וגם תמיד ניתנים לזיהוי ייחודי, הם מספקים את הפלטפורמה המושלמת לחישובי תנוחה תלת-ממדיים מלאים.
  • המשוב שקיבלנו על תכונה זו בערוצי התמיכה שלנו היה חיובי מאוד. הפכנו את AprilTags לקלים ככל האפשר, ממעקב דו-ממדי ועד מיקום רובוט תלת-ממדי מלא במגרש.
  • בדקו את מפרט מפת המגרש ומסמך מערכת הקואורדינטות למידע מפורט יותר.
  • יש ארבע דרכים להשתמש ב-AprilTags עם Limelight:
  • AprilTags בדו-ממד
    • השתמשו ב-tx, ty, ו-ta. הגדירו את הצינורות שלכם לחפש מזהה תג ספציפי.
    • <gif>
  • נקודות עניין תלת-ממדיות ב-AprilTags
    • השתמשו במפתחות tx ו-ty, ta, ו-tid של networktables. היסט נקודת העניין הוא כל מה שרוב הקבוצות יצטרכו כדי לעקוב אחר מטרות שאין להן AprilTags מחוברים ישירות.
    • <gif>
  • תלת-ממד מלא
    • עקבו אחר ה-LL שלכם, הרובוט שלכם, או תגים בתלת-ממד מלא. השתמשו ב-campose או json כדי למשוך נתונים רלוונטיים לתוך ה-roboRio שלכם.
    • <gif>
  • מיקום רובוט במרחב המגרש
    • ספרו ל-Limelight שלכם איך הוא מורכב, העלו מפת מגרש, וה-LL שלכם יספק את תנוחת המגרש של הרובוט שלכם לשימוש עם מעריך התנוחה של WPILib.
    • מערכת הקואורדינטות של המגרש שלנו ממקמת את (0,0) במרכז המגרש במקום בפינה.
    • השתמשו במפתח botpose של networktables עבור תכונה זו.
    • <gif>

2022.3.0 (13/4/22)​

תיקוני באגים ודופק.

תיקוני באגים​

  • תיקון בעיות ביצועים, יציבות הזרמה ופיגור בהזרמה הקשורות להזרמות ממצלמת USB ומופעי הזרמה מרובים.

תכונות ושינויים​

  • מפתח NetworkTable בשם "hb" לדופק
    • ערך ה-"hb" גדל פעם אחת בכל מסגרת עיבוד, ומתאפס לאפס כשמגיע ל-2000000000.

2022.2.3 (16/3/22)​

תיקוני באגים וסינון חיתוך מקוד רובוט.

תיקוני באגים​

  • תיקון מפתח "stream" ב-networktables ומצבי תמונה-בתוך-תמונה
  • תיקון מפתח "snapshot" ב-networktables. משתמשים חייבים להגדיר את מפתח "snapshot" ל-"0" לפני הגדרתו ל-"1" כדי לצלם תמונה
  • הסרת התראות מיותרות הקשורות ל-python מממשק האינטרנט

תכונות ושינויים​

  • סינון חיתוך ידני
    • באמצעות מערך "crop" ב-networktables, קבוצות יכולות כעת לשלוט במלבני חיתוך מקוד הרובוט
    • כדי שמפתח "crop" יעבוד, הצינור הנוכחי חייב להשתמש במלבן חיתוך ברירת מחדל, פתוח לרווחה (-1 עבור minX ו-minY, +1 עבור maxX ו-maxY)
    • בנוסף, מערך "crop" ב-networktables חייב להכיל בדיוק 4 ערכים, ולפחות אחד מערכים אלה חייב להיות שונה מאפס

2022.2.2 (23/2/22)​

שדרוג חובה לכל הקבוצות בהתבסס על שבוע 0 ובדיקות אמינות FMS.

תיקוני באגים​

  • תיקון תקיעה / אובדן חיבור / אובדן מעקב הקשורים לממשקי אינטרנט פתוחים, FMS, התקנות דמויות FMS, מכשירי צפייה מרובים וכו'.

תכונות ושינויים​

  • סינון חיתוך

    • התעלמות מכל הפיקסלים מחוץ למלבן החיתוך המוגדר
    • אם לגלגל התנופה שלכם יש נקודות מועדפות בשדה, תוכלו להשתמש במסנן החיתוך כדי להתעלם מרוב הפיקסלים בצינורות ספציפיים. תכונה זו אמורה לעזור לקבוצות להפחית את הסבירות למעקב אחר מטרות לא רצויות.
    • אם אתם עוקבים אחר מטען, השתמשו בתכונה זו כדי לחפש מטען רק בחלק מסוים של התמונה. שקלו להתעלם מהפגושים של קבוצתכם, מטרות רחוקות וכו'.

  • תכונת הפינות כעת תואמת לקיבוץ מטרות חכם

    • זה מיועד לקבוצות שרוצות לבצע ראייה מותאמת אישית מתקדמת יותר על ה-RIO
    • מגבלת הפינות "tcornxy" הוגדלה ל-64 פינות
    • פישוט קווי מתאר ותכונות אילוץ קמירות כעת עובדים כראוי עם קיבוץ מטרות חכם ושליחת פינות

  • הערך המקסימלי של מסנן IQR הוגדל ל-3.0

  • קצב עדכון המטרות החיות בממשק האינטרנט הופחת מ-30fps ל-15fps כדי להפחית את רוחב הפס והעומס על המעבד כאשר ממשק האינטרנט פתוח

2022.1 (25/1/22)​

תיקוני באגים​

  • קיבלנו מידע מאחד הספקים שלנו לגבי בעיה (ופתרון!) שמשפיעה על בערך 1/75 מהמעבדים המשמשים ספציפית ב-Limelight 2 (יתכן שזה קשור לאצווה ספציפית). זה הגיוני, וזה היה אחד מההבדלים האחרונים שנותרו באתחול בין תמונת 2022 לתמונת 2020.
  • תיקון כפתורי ההעלאה עבור קלטי GRIP ומודלי SolvePNP

תכונות חדשות​

  • קשת גוונים

    • קשת הגוונים החדשה מקלה על הגדרת סף הגוון.

  • היפוך גוון

    • תכונת היפוך הגוון החדשה היא תכונה קריטית אם ברצונכם לעקוב אחר אובייקטים אדומים, מכיוון שאדום נמצא גם בתחילת וגם בסוף טווח הגוון.

  • ספריות Python חדשות

    • הוספנו את scipy, scikit-image, pywavelets, pillow, ו-pyserial לסביבת Python שלנו.

2022.0 ו-2022.0.3 (15/1/22)​

זהו עדכון משמעותי. הנה ארבעת השינויים העיקריים:

תכונות​

  • קיבוץ מטרות חכם

    • קיבוץ אוטומטי של מטרות שעוברות את כל מסנני המטרות הבודדות.
    • יקבץ באופן דינמי כל מספר מטרות בין -מינימום מחוון גודל קבוצה- לבין -מקסימום מחוון גודל קבוצה-

  • דחיית חריגים

    • למרות שמטרה זו מאתגרת יותר ממטרות אחרות, היא מספקת לנו יותר הזדמנויות לסינון. מבחינה תפיסתית, מטרה זו היא יותר מאשר "כתם ירוק". מכיוון שאנו יודעים שהמטרה מורכבת ממספר מטרות הקרובות זו לזו, אנחנו יכולים לדחות מטרות חריגות שעומדות בפני עצמן.
    • עליכם להסתמך כמעט לחלוטין על סינון מטרות טוב עבור מטרת השנה הזו, ולהשתמש בדחיית חריגים רק אם אתם רואים או צופים חריגים מקריים בזרם המצלמה שלכם. אם יש לכם סינון מטרות סטנדרטי חלש, זיהוי חריגים עלול להתחיל לפעול נגדכם!

  • שדרוגי תמונה של Limelight 2022 הסרנו מאות חלקים נעים מהתוכנה שלנו. אלה התוצאות:

    • גודל תמונה דחוסה: 1.3 GB ב-2020 → 76MB ל-2022 (הופחת פי 17!)
    • זמן הורדה: עשרות דקות ב-2020 → שניות ל-2022
    • זמן צריבה: 5+ דקות ב-2020 → שניות ל-2022
    • זמן אתחול: 35+ שניות ב-2020 → 14 שניות ל-2022 (10 שניות עד הדלקת נורות LED)

  • תכנות Python מלא

    • Limelight הצליחה לחשוף מספר רב של תלמידים לחלק מהיכולות של ראייה ממוחשבת ברובוטיקה. עם תכנות Python, קבוצות יכולות כעת לקחת צעד נוסף קדימה על ידי כתיבת צינורות עיבוד תמונה משלהן.

  • עדכון זה תואם לכל חומרת Limelight, כולל Limelight 1.

  • בעיות ידועות: שימוש בזום חומרה עם python ייצור תוצאות בלתי צפויות.

  • 2022.0.3 משחזר את זרם GRIP 5802, ומטפל בבעיות אתחול בחלק מיחידות LL2 על ידי ביטול חלק מאופטימיזציות זמן האתחול. זמן האתחול הוגדל ל-16 שניות.