मुख्य कंटेंट तक स्किप करें

सॉफ्टवेयर परिवर्तन लॉग 2021 - 2023

2023.6 (4/18/23)

आसान ChArUco कैलिब्रेशन और कैलिब्रेशन विज़ुअलाइज़र

  • ChArUco कैलिब्रेशन को चेकरबोर्ड कैलिब्रेशन से बेहतर माना जाता है क्योंकि यह ऑक्लूज़न, खराब कॉर्नर डिटेक्शन को संभालता है, और इसमें पूरे बोर्ड को दृश्यमान होने की आवश्यकता नहीं होती। इससे आपके चित्रों के किनारों और कोनों के पास कैलिब्रेशन बोर्ड कॉर्नर को कैप्चर करना बहुत आसान हो जाता है। यह विकृति गुणांक अनुमान के लिए महत्वपूर्ण है।
  • Limelight का कैलिब्रेशन प्रक्रिया हर कदम पर फीडबैक प्रदान करती है, और यह सुनिश्चित करेगी कि आप अच्छे कैलिब्रेशन परिणामों के लिए सभी आवश्यक कार्य करें। इस प्रक्रिया को जितना संभव हो सके बुलेटप्रूफ बनाने के लिए बहुत प्रयास किया गया है।
  • सबसे महत्वपूर्ण बात, आप अपने कैलिब्रेशन परिणामों को डिफ़ॉल्ट कैलिब्रेशन के बगल में विज़ुअलाइज़ कर सकते हैं। एक नज़र में, आप समझ सकते हैं कि आपका कैलिब्रेशन परिणाम उचित है या नहीं।
  • आप कैलिब्रेशन डैशबोर्ड का उपयोग एक सीखने के उपकरण के रूप में भी कर सकते हैं। आप डाउनलोड किए गए कैलिब्रेशन परिणाम फ़ाइलों को संशोधित कर सकते हैं और उन्हें फिर से अपलोड कर सकते हैं ताकि आप सीख सकें कि इंट्रिंसिक्स मैट्रिक्स और विकृति गुणांक लक्ष्यीकरण परिणामों, FOV, आदि को कैसे प्रभावित करते हैं।
  • इस वीडियो को देखें:

2023.5.1 और 2023.5.2 (3/22/23)

  • 2023.5.0 में पेश की गई प्रतिगमन को ठीक किया गया - जबकि 2023.5 ने सभी गैर-प्लेनर लेआउट के लिए मेगाटैग को ठीक किया, इसने सिंगल-टैग पोज़ अनुमानों के प्रदर्शन को कम कर दिया। यह ठीक कर दिया गया है। सिंगल-टैग पोज़ अनुमान 2023.4 में उपयोग किए गए समान सॉल्वर का उपयोग करते हैं।

  • स्नैपियर स्नैपशॉट इंटरफेस। स्नैपशॉट ग्रिड अब कम-रिज़ॉल्यूशन 128p थंबनेल लोड करता है।

  • Limelight यॉ अब 3D विज़ुअलाइज़र में ठीक से प्रस्तुत किया गया है। यह विज़ुअलाइज़र में और आंतरिक रूप से ccw-पॉजिटिव है।

  • फील्ड स्पेस विज़ुअलाइज़र में इंगित करें कि कौन से लक्ष्य वर्तमान में ट्रैक किए जा रहे हैं।


2023.5.0 (3/21/23)

ब्रेकिंग चेंजेस

  • प्रतिगमन ठीक किया गया - Limelight रोबोट-स्पेस "यॉ" पिछले रिलीज़ में उल्टा था। वेब यूआई में Limelight यॉ अब आंतरिक रूप से CCW-पॉजिटिव है।

रीजन सिलेक्शन अपडेट

  • रीजन सिलेक्शन अब न्यूरल डिटेक्टर पाइपलाइन में अपेक्षित रूप से काम करता है।
  • अनरोटेटेड टारगेट आयत के केंद्र, शीर्ष, बाएँ, दाएँ, ऊपर, या नीचे का चयन करने के लिए 5 नए रीजन विकल्प जोड़े गए।

"hwreport" REST API

  • :5807/hwreport कैमरा इंट्रिंसिक्स और विकृति जानकारी का विवरण देने वाला JSON प्रतिक्रिया लौटाएगा।

मेगाटैग फिक्स

  • कुछ नॉन-कोप्लानर एप्रिलटैग लेआउट मेगाटैग में टूटे हुए थे। यह ठीक कर दिया गया है, और अब पोज़ अनुमान सभी फील्ड टैग के साथ स्थिर है। यह पहले से भी अधिक दूरी पर स्थिर पोज़ अनुमान को सक्षम बनाता है।

बेहतर tx और ty सटीकता

  • TX और TY पहले से कहीं अधिक सटीक हैं। लक्ष्य पूरी तरह से अविकृत हैं, और FOV पूरी तरह से कैमरा इंट्रिंसिक्स द्वारा निर्धारित होता है।

2023.4.0 (2/18/23)

न्यूरल डिटेक्टर क्लास फिल्टर

अवांछित डिटेक्शन के आसान फिल्टरिंग के लिए उन क्लासेस को निर्दिष्ट करें जिन्हें आप ट्रैक करना चाहते हैं।

न्यूरल डिटेक्टर विस्तारित समर्थन

किसी भी इनपुट रिज़ॉल्यूशन का समर्थन करें, अन्य ऑब्जेक्ट डिटेक्शन आर्किटेक्चर का समर्थन करने के लिए अतिरिक्त आउटपुट आकारों का समर्थन करें। EfficientDet0-आधारित मॉडल अब समर्थित हैं।


2023.3.1 (2/14/23)

एप्रिलटैग सटीकता में सुधार

सभी मॉडलों के लिए बेहतर इंट्रिंसिक्स मैट्रिक्स और, सबसे महत्वपूर्ण, बेहतर विकृति गुणांक। उल्लेखनीय सिंगल एप्रिलटैग लोकलाइजेशन सुधार।

डिटेक्टर अपलोड

डिटेक्टर अपलोड ठीक किया गया।


2023.3 (2/13/23)

कैप्चर लेटेंसी (NT Key: "cl", JSON Results: "cl")

नई कैप्चर लेटेंसी एंट्री Limelight के इमेज सेंसर की मध्य पंक्ति के एक्सपोज़र के अंत और प्रोसेसिंग पाइपलाइन की शुरुआत के बीच के समय का प्रतिनिधित्व करती है।

एप्रिलटैग के लिए नया क्वालिटी थ्रेशोल्ड

नए क्वालिटी थ्रेशोल्ड स्लाइडर के साथ अब स्पुरियस एप्रिलटैग को आसानी से फिल्टर किया जा सकता है। 2023.3 में सेट किया गया डिफ़ॉल्ट मान अधिकांश स्पुरियस डिटेक्शन को हटा देना चाहिए।

रोबोट स्पेस में कैमरा पोज़ ओवरराइड (NT Keys: "camerapose_robotspace_set", "camerapose_robotspace")

रोबोट स्पेस में आपके Limelight की स्थिति को अब ऑन-द-फ्लाई समायोजित किया जा सकता है। यदि की को शून्य की एक सरणी पर सेट किया जाता है, तो वेब इंटरफेस में सेट किया गया पोज़ उपयोग किया जाता है।

यहां एक एलिवेटर पर Limelight का एक उदाहरण है: Limelight on Elevator

बढ़ाया गया अधिकतम एक्सपोज़र

अधिकतम एक्सपोज़र समय अब 33ms है (12.5 ms से बढ़कर)। उच्च-fps कैप्चर मोड अभी भी (1/fps) सेकंड तक सीमित हैं। उदाहरण के लिए, 90hz पाइपलाइन में 11ms एक्सपोज़र समय के बाद अधिक उज्ज्वल छवियां नहीं होंगी।

बॉटपोज़ अपडेट

नेटवर्कटेबल्स में सभी तीन बॉटपोज़ सरणियों में कुल लेटेंसी (कैप्चर लेटेंसी + टारगेटिंग लेटेंसी) का प्रतिनिधित्व करने वाली सातवीं एंट्री है।

बगफिक्स

  • शफलबोर्ड में LL3 MJPEG स्ट्रीम को ठीक किया गया
  • कैमरा मोड को ठीक किया गया - ड्राइवर मोड अब उज्ज्वल, उपयोगी छवियां उत्पन्न करता है।
  • एक्सपोज़र लेबल को सही किया गया है - प्रत्येक "टिक" 0.1 ms नहीं बल्कि 0.01ms का प्रतिनिधित्व करता है
  • न्यूरल नेट डिटेक्टर अपलोड को ठीक किया गया

2023.2 (1/28/23)

3D को पहले से कहीं अधिक आसान बनाना।

WPILib-कंपैटिबल बॉटपोज़

बॉटपोज़ अब आउट-ऑफ-द-बॉक्स उपयोग करना और भी आसान है।

ये WPILib कोऑर्डिनेट सिस्टम से मेल खाते हैं। megatag botpose example:

सभी बॉटपोज़ सीधे वेब इंटरफेस में फील्ड-स्पेस विज़ुअलाइज़र में प्रिंट किए जाते हैं, जिससे यह एक नज़र में पुष्टि करना आसान हो जाता है कि सब कुछ ठीक से काम कर रहा है।

3D डेटा तक आसान पहुंच (ब्रेकिंग चेंजेस)

टारगेट स्पेस में रोबोटपोज़ शायद एप्रिलटैग के संबंध में Limelight से आने वाला सबसे उपयोगी डेटा है। केवल इसका उपयोग करके, आप फील्ड पर एप्रिलटैग के साथ एक ड्राइवट्रेन को पूरी तरह से संरेखित कर सकते हैं।

  • नेटवर्कटेबल्स की "campose" अब "camerapose_targetspace" है
  • नेटवर्कटेबल्स की "targetpose" अब "targetpose_cameraspace" है
  • नई नेटवर्कटेबल्स की - "targetpose_robotspace"
  • नई नेटवर्कटेबल्स की - "botpose_targetspace"

न्यूरल नेट अपलोड

टीचेबल मशीन मॉडल को Limelight क्लासिफायर पाइपलाइन में अपलोड करें। सुनिश्चित करें कि वे Tensorflow Lite EdgeTPU कंपैटिबल मॉडल हैं। .tflite और .txt लेबल फाइलों को अलग-अलग अपलोड करें।


2023.1 (1/19/23)

मेगाटैग और प्रदर्शन बूस्ट

एक गलती को सुधारना

UI में डिफ़ॉल्ट मार्कर आकार पैरामीटर को 152.4mm (203.2mm से कम) पर सही किया गया है। यह अधिकांश सटीकता समस्याओं का मूल कारण था।

बढ़ी हुई ट्रैकिंग स्थिरता

AprilTag डिटेक्शन और डिकोडिंग को ट्यून करने के कई तरीके हैं। हमने सभी क्षेत्रों में स्थिरता में सुधार किया है, विशेष रूप से कम प्रकाश / कम एक्सपोज़र वाले वातावरण में।

अल्ट्रा फास्ट ग्रेस्केलिंग

ग्रेस्केलिंग पहले से 3x-6x तेज़ है। टीमें AprilTags को ट्रैक करते समय हमेशा एक ग्रे वीडियो स्ट्रीम देखेंगी।

प्रदर्शन के लिए क्रॉपिंग

AprilTag पाइपलाइन में अब क्रॉप स्लाइडर हैं। अपनी इमेज को क्रॉप करने से किसी भी रेज़ोल्यूशन पर फ्रेमरेट में सुधार होगा।

आसान फ़िल्टरिंग

अब AprilTag पाइपलाइन में एक सिंगल "ID फ़िल्टर" फ़ील्ड है जो JSON आउटपुट, botpose-सक्षम टैग, और tx/ty-सक्षम टैग को फ़िल्टर करता है। डुअल-फ़िल्टर सेटअप बगी और भ्रमित करने वाला था।

ब्रेकिंग चेंज

NT Key "camtran" अब "campose" है

JSON अपडेट

"botpose" अब json रिजल्ट्स डंप का हिस्सा है

फील्ड स्पेस विज़ुअलाइज़र अपडेट

फील्ड-स्पेस विज़ुअलाइज़र अब 2023 FRC फील्ड दिखाता है। अब botpose सटीकता को एक नज़र में आंकना आसान होना चाहिए।

लाइमलाइट मेगाटैग (नया botpose)

मेरी #1 प्राथमिकता अधिक सटीकता, कम शोर, और अस्पष्टता प्रतिरोध के लिए botpose को फिर से लिखना रही है। लाइमलाइट का नया botpose कार्यान्वयन मेगाटैग कहलाता है। कई व्यक्तिगत फील्ड-स्पेस पोज़ के मूर्ख औसत के साथ botpose की गणना करने के बजाय, मेगाटैग अनिवार्य रूप से सभी टैग को एक विशाल 3D टैग में कई कीपॉइंट्स के साथ जोड़ता है। इसके बहुत बड़े फायदे हैं।

निम्नलिखित GIF एक ऐसी स्थिति दिखाती है जिसे टैग फ्लिपिंग को प्रेरित करने के लिए डिज़ाइन किया गया है: हरा सिलेंडर: व्यक्तिगत प्रति-टैग बॉट पोज़ नीला सिलेंडर: 2023.0.1 BotPose सफेद सिलेंडर: नया मेगाटैग Botpose

ध्यान दें कि नया botpose (सफेद सिलेंडर) पुराने botpose (नीला सिलेंडर) की तुलना में कितना अधिक स्थिर है। आप tx और ty मानों को भी देख सकते हैं।

यहां पूरी स्क्रीन है, जो टैग अस्पष्टता दिखाती है:

यहां फायदे हैं:

Botpose अब अस्पष्टताओं (टैग फ्लिपिंग) के प्रति लचीला है यदि एक से अधिक टैग दृश्य में हैं (जब तक कि वे करीब और सहतलीय न हों। आदर्श रूप से कीपॉइंट्स सहतलीय नहीं होते हैं)। Botpose अब टैग कोनों में शोर के प्रति अधिक लचीला है यदि एक से अधिक टैग दृश्य में हैं। टैग एक-दूसरे से जितने दूर होंगे, उतना बेहतर होगा। यह समतल टैग तक सीमित नहीं है। यह पूर्ण 3D में और किसी भी अभिविन्यास में टैग की किसी भी संख्या के लिए स्केल करता है। फर्श टैग और छत टैग पूरी तरह से काम करेंगे।

यहां एक आरेख है जो एक सरल समतल मामले के साथ इस काम करने के एक पहलू को दर्शाता है। परिणाम वास्तव में उससे बेहतर हैं जो दिखाया गया है, क्योंकि चित्रित मेगाटैग में एक बिंदु के बजाय तीन बिंदुओं पर एक महत्वपूर्ण त्रुटि लागू की गई है। जैसे-जैसे 3D संयुक्त मेगाटैग आकार और कीपॉइंट गिनती में बढ़ता है, इसकी स्थिरता बढ़ती है।

न्यूरल नेट अपलोड को 2023.2 में धकेला जा रहा है!


2023.0.0 और 2023.0.1 (1/11/23)

AprilTags, रोबोट लोकलाइजेशन, डीप न्यूरल नेटवर्क्स, एक पुनर्लिखित स्क्रीनशॉट इंटरफेस और बहुत कुछ पेश करते हुए।

फीचर्स, परिवर्तन और बगफिक्स

  • नई सेंसर कैप्चर पाइपलाइन और गेन कंट्रोल
    • हमारी नई कैप्चर पाइपलाइन 2022 की तुलना में 100 गुना कम एक्सपोज़र टाइम की अनुमति देती है। नई पाइपलाइन गेन कंट्रोल भी सक्षम करती है। यह AprilTags ट्रैकिंग के लिए अत्यंत महत्वपूर्ण है, और रेट्रोरिफ्लेक्टिव टारगेटिंग को पहले से कहीं अधिक विश्वसनीय बनाएगा। Limelight OS 2023 से पहले, Limelight का सेंसर गेन गैर-निर्धारित था (हमने इसे काम करने के लिए कुछ ट्रिक्स लागू किए थे)।
    • नए "सेंसर गेन" स्लाइडर के साथ, टीमें एक्सपोज़र स्लाइडर को छुए बिना छवियों को पहले से कहीं अधिक अंधेरा या उज्जवल बना सकती हैं। गेन बढ़ाने से छवि में शोर बढ़ेगा।
    • कम गेन को नए कम एक्सपोज़र समय के साथ जोड़कर, अब पूर्ण-चमक वाले एलईडी और रेट्रोरिफ्लेक्टिव टारगेट के साथ लगभग पूरी तरह से काली छवियां उत्पन्न करना संभव है। यह रेट्रोरिफ्लेक्टिव टारगेट को ट्रैक करते समय एलईडी और सूरज की रोशनी के प्रतिबिंबों को कम करने में मदद करेगा।
    • सेंसर गेन बढ़ाकर और एक्सपोज़र कम करके, टीमें AprilTags को ट्रैक करते समय उच्च एक्सपोज़र समय के कारण मोशन ब्लर के प्रभावों को कम कर पाएंगी।
    • हमने सभी फीचर्स - 90fps, हार्डवेयर ज़ूम, आदि को बनाए रखते हुए इस नई पाइपलाइन को विकसित करने में सफलता प्राप्त की है।
  • अधिक रेज़ोल्यूशन विकल्प
    • LL1, LL2, और LL2+ के लिए दो नए कैप्चर रेज़ोल्यूशन हैं: 640x480x90fps, और 1280x960x22fps
  • अनुकूलित वेब इंटरफेस
    • वेब GUI अब रोबोट नेटवर्क पर 3 गुना तेजी से लोड और इनिशियलाइज़ होगा।
  • पुनर्लिखित स्नैपशॉट इंटरफेस
    • स्नैपशॉट फीचर को पूरी तरह से पुनर्लिखित किया गया है ताकि छवि अपलोड, छवि डाउनलोड और छवि हटाने की अनुमति मिल सके। दस्तावेज़ीकरण में स्नैपशॉट कैप्चर करने के लिए नए API भी विस्तृत हैं।
  • SolvePnP सुधार
    • हमारे solvePnP-आधारित कैमरा लोकलाइजेशन फीचर में एक बड़ा बग था जो हर चार फ्रेम में इसकी सटीकता को गंभीर रूप से सीमित कर रहा था। इसे संबोधित किया गया है, और रेट्रोरिफ्लेक्टिव/कलर SolvePNP विज़ुअलाइज़ेशन के लिए एक बिल्कुल नया पूर्ण 3D कैनवास बनाया गया है।
  • वेब इंटरफेस बगफिक्स
    • 2022 में एक अत्यंत दुर्लभ समस्या थी जिसने फ्लैशिंग के बाद पहले बूट के दौरान वेब इंटरफेस को स्थायी रूप से खराब कर दिया था, जिससे उपयोगकर्ता को फिर से फ्लैश करना पड़ता था। मूल कारण पाया गया और हमेशा के लिए ठीक कर दिया गया।
  • नए API
    • Limelight अब REST और Websocket API शामिल करता है। REST, Websocket, और NetworkTables API सभी नए JSON डंप फीचर का समर्थन करते हैं, जो FRC और अन्य सभी अनुप्रयोगों के लिए मानव पठनीय, सरल-से-पार्स प्रारूप में सभी लक्ष्यों के लिए सभी डेटा सूचीबद्ध करता है।

ज़ीरो-कोड लर्निंग-बेस्ड विज़न और Google Coral सपोर्ट

  • Google Coral अब सभी Limelight मॉडल द्वारा समर्थित है। Google Coral एक 4TOPs (ट्रिलियन-ऑफ-ऑपरेशंस / सेकंड) USB हार्डवेयर एक्सेलेरेटर है जो 8-बिट न्यूरल नेटवर्क पर इन्फरेंस के लिए विशेष रूप से बनाया गया है।
  • कुछ साल पहले रेट्रोरिफ्लेक्टिव ट्रैकिंग की तरह ही, FRC रोबोट पर लर्निंग-बेस्ड विज़न के लिए प्रवेश की बाधा औसत टीम के लिए बहुत अधिक रही है। हमने Limelight के साथ रेट्रोरिफ्लेक्टिव टारगेट जितना आसान लर्निंग-बेस्ड विज़न बनाने के लिए आवश्यक सभी इंफ्रास्ट्रक्चर विकसित किए हैं।
  • हमारे पास एक क्लाउड GPU क्लस्टर, ट्रेनिंग स्क्रिप्ट, एक डेटासेट एग्रीगेशन टूल, और एक मानव लेबलिंग टीम तैयार है। हम पहली बार FRC समुदाय के लिए डीप न्यूरल नेटवर्क लाने के लिए उत्साहित हैं।
  • हम वर्तमान में दो प्रकार के मॉडल का समर्थन करते हैं: ऑब्जेक्ट डिटेक्शन मॉडल और इमेज क्लासिफिकेशन मॉडल।
    • ऑब्जेक्ट डिटेक्शन मॉडल सभी पहचाने गए वस्तुओं के लिए "क्लास आईडी" और बाउंडिंग बॉक्स (बिल्कुल हमारे रेट्रोरिफ्लेक्टिव टारगेट की तरह) प्रदान करेंगे। यह रियल-टाइम गेम पीस ट्रैकिंग के लिए एकदम सही है।
      • कृपया यहां छवियां जमा करके पहले-कभी FRC ऑब्जेक्ट डिटेक्शन मॉडल में योगदान दें: https://datasets.limelightvision.io/frc2023
      • डिटेक्शन नेटवर्क का उपयोग करने के लिए tx, ty, ta, और tclass नेटवर्कटेबल्स कीज़ या JSON डंप का उपयोग करें
    • इमेज क्लासिफिकेशन मॉडल एक छवि को इनजेस्ट करेंगे, और एक सिंगल क्लास लेबल उत्पन्न करेंगे।
      • अधिक जानने और Limelight के लिए अपने स्वयं के मॉडल को प्रशिक्षित करना शुरू करने के लिए, Google द्वारा Teachable Machine देखें।
      • https://www.youtube.com/watch?v=T2qQGqZxkD0
      • Teachable machine मॉडल सीधे Limelight के साथ संगत हैं।
      • इमेज क्लासिफायर का उपयोग आंतरिक रोबोट स्थिति, फील्ड फीचर्स की स्थिति, और बहुत कुछ को वर्गीकृत करने के लिए किया जा सकता है।
      • इन मॉडलों का उपयोग करने के लिए tclass नेटवर्कटेबल्स की का उपयोग करें।
  • Limelight OS 2023.0 कस्टम मॉडल अपलोड करने की क्षमता प्रदान नहीं करता है। यह शीघ्र ही 2023.1 में सक्षम किया जाएगा

ज़ीरो-कोड AprilTag सपोर्ट

  • AprilTags Limelight के साथ रेट्रोरिफ्लेक्टिव टारगेट जितने ही आसान हैं। क्योंकि उनके पास एक आईडी के रूप में एक प्राकृतिक हार्ड फिल्टर है, इसलिए आपके roboRIO को किसी भी विज़न-संबंधित फिल्टरिंग करने का और भी कम कारण है।
  • शुरू करने के लिए, सामान्य रूप से tx, ty, और ta का उपयोग करें। कोई कोड परिवर्तन आवश्यक नहीं है। किसी भी टारगेट विशेषता द्वारा सॉर्ट करें, टारगेट समूहों का उपयोग करें, आदि।
  • क्योंकि AprilTags हमेशा वर्गाकार और हमेशा अद्वितीय रूप से पहचाने जाने योग्य होते हैं, वे पूर्ण 3D पोज़ गणनाओं के लिए एकदम सही प्लेटफॉर्म प्रदान करते हैं।
  • हमारे सपोर्ट चैनलों में इस फीचर के लिए हमें मिली प्रतिक्रिया अत्यंत सकारात्मक रही है। हमने AprilTags को 2D ट्रैकिंग से लेकर फील्ड पर पूर्ण 3D रोबोट लोकलाइजेशन तक जितना संभव हो सके आसान बना दिया है
  • अधिक विस्तृत जानकारी के लिए फील्ड मैप स्पेसिफिकेशन और कोऑर्डिनेट सिस्टम डॉक देखें।
  • Limelight के साथ AprilTags का उपयोग करने के चार तरीके हैं:
  • 2D में AprilTags
    • tx, ty, और ta का उपयोग करें। एक विशिष्ट टैग आईडी को खोजने के लिए अपनी पाइपलाइन को कॉन्फ़िगर करें।
    • <gif>
  • पॉइंट-ऑफ-इंटरेस्ट 3D AprilTags
    • tx और ty, ta, और tid नेटवर्कटेबल्स कीज़ का उपयोग करें। पॉइंट ऑफ इंटरेस्ट ऑफसेट वह सब है जो अधिकांश टीमों को उन टारगेट को ट्रैक करने की आवश्यकता होगी जिन पर सीधे AprilTags अटैच नहीं हैं।
    • <gif>
  • पूर्ण 3D
    • अपने LL, अपने रोबोट, या टैग को पूर्ण 3D में ट्रैक करें। प्रासंगिक डेटा को अपने roboRio में खींचने के लिए campose या json का उपयोग करें।
    • <gif>
  • फील्ड-स्पेस रोबोट लोकलाइजेशन
    • अपने Limelight को बताएं कि यह कैसे माउंट किया गया है, एक फील्ड मैप अपलोड करें, और आपका LL WPILib पोज़ एस्टिमेटर के साथ उपयोग के लिए आपके रोबोट का फील्ड पोज़ प्रदान करेगा।
    • हमारा फील्ड कोऑर्डिनेट सिस्टम (0,0) को कोने के बजाय फील्ड के केंद्र में रखता है।
    • इस फीचर के लिए botpose नेटवर्कटेबल्स की का उपयोग करें।
    • <gif>

2022.3.0 (4/13/22)

बगफिक्स और हार्टबीट।

बगफिक्स

  • USB कैमरा स्ट्रीम और मल्टीपल स्ट्रीम इंस्टेंस से संबंधित प्रदर्शन, स्ट्रीम स्थिरता और स्ट्रीम लैग समस्याओं को ठीक किया गया।

फीचर्स और परिवर्तन

  • "hb" हार्टबीट NetworkTable की
    • "hb" मान प्रति प्रोसेसिंग फ्रेम एक बार बढ़ता है, और 2000000000 पर शून्य पर रीसेट होता है।

2022.2.3 (3/16/22)

बगफिक्स और रोबोट-कोड क्रॉप फिल्टरिंग।

बगफिक्स

  • "स्ट्रीम" नेटवर्कटेबल्स की और पिक्चर-इन-पिक्चर मोड ठीक किए गए
  • "स्नैपशॉट" नेटवर्कटेबल्स की ठीक की गई। स्क्रीनशॉट लेने के लिए उपयोगकर्ताओं को "स्नैपशॉट" की को "1" पर सेट करने से पहले "0" पर सेट करना होगा।
  • वेब इंटरफेस से अनावश्यक पायथन-संबंधित अलर्ट हटाए गए

फीचर्स और परिवर्तन

  • मैनुअल क्रॉप फिल्टरिंग
    • "क्रॉप" नेटवर्कटेबल्स ऐरे का उपयोग करके, टीमें अब रोबोट कोड से क्रॉप आयतों को नियंत्रित कर सकती हैं।
    • "क्रॉप" की के काम करने के लिए, वर्तमान पाइपलाइन को डिफॉल्ट, वाइड-ओपन क्रॉप आयत का उपयोग करना चाहिए (minX और minY के लिए -1, maxX के लिए +1 और maxY के लिए +1)।
    • इसके अतिरिक्त, "क्रॉप" नेटवर्कटेबल ऐरे में ठीक 4 मान होने चाहिए, और उन मानों में से कम से कम एक गैर-शून्य होना चाहिए।

2022.2.2 (2/23/22)

वीक 0 और FMS विश्वसनीयता परीक्षण के आधार पर सभी टीमों के लिए अनिवार्य अपग्रेड।

बगफिक्स

  • ओपन वेब इंटरफेस, FMS, FMS-जैसे सेटअप, मल्टीपल व्यूअर डिवाइस आदि से संबंधित हैंग / कनेक्शन का नुकसान / टारगेटिंग का नुकसान ठीक किया गया।

फीचर्स और परिवर्तन

  • क्रॉप फिल्टरिंग

    • एक निर्दिष्ट क्रॉप आयत के बाहर सभी पिक्सेल को अनदेखा करें
    • यदि आपके फ्लाईव्हील के फील्ड पर कोई स्वीट स्पॉट हैं, तो आप विशिष्ट पाइपलाइनों में अधिकांश पिक्सेल को अनदेखा करने के लिए क्रॉप फिल्टर का उपयोग कर सकते हैं। यह फीचर टीमों को गैर-टारगेट को ट्रैक करने की संभावना को कम करने में मदद करना चाहिए।
    • यदि आप कार्गो को ट्रैक कर रहे हैं, तो इस फीचर का उपयोग केवल छवि के एक विशिष्ट भाग के भीतर कार्गो को खोजने के लिए करें। अपनी टीम के बम्पर, दूर के टारगेट आदि को अनदेखा करने पर विचार करें।
  • कॉर्नर्स फीचर अब स्मार्ट टारगेट ग्रुपिंग के साथ संगत है

    • यह उन टीमों के लिए है जो RIO पर अधिक उन्नत कस्टम विज़न करना चाहती हैं
    • "tcornxy" कॉर्नर लिमिट 64 कॉर्नर तक बढ़ाई गई
    • कंटूर सिम्प्लिफिकेशन और फोर्स कॉन्वेक्स फीचर्स अब स्मार्ट टारगेट ग्रुपिंग और कॉर्नर सेंडिंग के साथ ठीक से काम करते हैं
  • IQR फिल्टर मैक्स 3.0 तक बढ़ाया गया

  • वेब इंटरफेस लाइव टारगेट अपडेट रेट 30fps से घटाकर 15fps कर दी गई है ताकि वेब इंटरफेस खुले रहने पर बैंडविड्थ और सीपीयू लोड कम हो सके


2022.1 (1/25/22)

बगफिक्स

  • हमें अपने एक सप्लायर से एक समस्या (और उसका समाधान!) के बारे में जानकारी मिली जो विशेष रूप से लाइमलाइट 2 में उपयोग किए जाने वाले लगभग 1/75 CPU को प्रभावित करती है (यह एक विशिष्ट बैच से संबंधित हो सकती है)। यह समझ में आता है, और यह 2022 इमेज और 2020 इमेज के बीच बची हुई कुछ ही बूट अंतरों में से एक था।
  • GRIP इनपुट और SolvePNP मॉडल के लिए अपलोड बटन को ठीक किया गया

विशेषताएँ

  • ह्यू रेनबो

    • नया ह्यू रेनबो ह्यू थ्रेशोल्ड को कॉन्फ़िगर करना आसान बनाता है।
  • ह्यू इनवर्जन

    • नई ह्यू इनवर्जन विशेषता लाल वस्तुओं को ट्रैक करने के लिए एक महत्वपूर्ण विशेषता है, क्योंकि लाल ह्यू रेंज की शुरुआत और अंत दोनों में होता है:
  • नई पायथन लाइब्रेरीज

    • हमारे पायथन सैंडबॉक्स में scipy, scikit-image, pywavelets, pillow, और pyserial जोड़े गए हैं।

2022.0 और 2022.0.3 (1/15/22)

यह एक बड़ा अपडेट है। यहां चार प्राथमिक परिवर्तन हैं:

विशेषताएँ

  • स्मार्ट टारगेट ग्रुपिंग

    • स्वचालित रूप से उन टारगेट्स को ग्रुप करें जो सभी व्यक्तिगत टारगेट फिल्टर पास करते हैं।
    • -ग्रुप साइज स्लाइडर मिनिमम- और -ग्रुप साइज स्लाइडर मैक्सिमम- के बीच किसी भी संख्या में टारगेट्स को गतिशील रूप से ग्रुप करेगा
  • आउटलायर रिजेक्शन

    • हालांकि यह लक्ष्य अन्य लक्ष्यों की तुलना में अधिक चुनौतीपूर्ण है, यह हमें फिल्टरिंग के लिए अधिक अवसर देता है। अवधारणात्मक रूप से, यह लक्ष्य एक "हरे रंग के ब्लॉब" से अधिक है। चूंकि हम जानते हैं कि लक्ष्य कई टारगेट्स से बना है जो एक-दूसरे के करीब हैं, हम वास्तव में उन आउटलायर टारगेट्स को अस्वीकार कर सकते हैं जो अकेले खड़े हैं।
    • इस वर्ष के लक्ष्य के लिए आपको लगभग पूरी तरह से अच्छी टारगेट फिल्टरिंग पर निर्भर रहना चाहिए, और केवल तभी आउटलायर रिजेक्शन का उपयोग करें जब आप अपने कैमरा स्ट्रीम में नकली आउटलायर्स देखें या उनकी अपेक्षा करें। यदि आपके पास मानक टारगेट फिल्टरिंग खराब है, तो आउटलायर डिटेक्शन आपके खिलाफ काम करना शुरू कर सकता है!
  • लाइमलाइट 2022 इमेज अपग्रेड हमने अपने सॉफ्टवेयर से सैकड़ों मूविंग पार्ट्स को हटा दिया है। ये परिणाम हैं:

    • कंप्रेस्ड इमेज साइज: 2020 में 1.3 GB → 2022 के लिए 76MB (17 गुना कम!)
    • डाउनलोड समय: 2020 में 10 मिनट → 2022 में कुछ सेकंड
    • फ्लैश समय: 2020 में 5+ मिनट → 2022 में कुछ सेकंड
    • बूट समय: 2020 में 35+ सेकंड → 2022 में 14 सेकंड (10 सेकंड में LED चालू)
  • पूर्ण पायथन स्क्रिप्टिंग

    • लाइमलाइट ने रोबोटिक्स में कंप्यूटर विजन की कुछ क्षमताओं से बड़ी संख्या में छात्रों को सफलतापूर्वक परिचित कराया है। पायथन स्क्रिप्टिंग के साथ, टीमें अब अपनी खुद की इमेज प्रोसेसिंग पाइपलाइन लिखकर एक और कदम आगे बढ़ सकती हैं।
  • यह अपडेट सभी लाइमलाइट हार्डवेयर के साथ संगत है, जिसमें लाइमलाइट 1 भी शामिल है।

  • ज्ञात समस्याएं: पायथन के साथ हार्डवेयर ज़ूम का उपयोग करने से अप्रत्याशित परिणाम होंगे।

  • 2022.0.3 5802 GRIP स्ट्रीम को बहाल करता है, और कुछ बूट समय अनुकूलन को वापस करके कुछ LL2 यूनिट्स पर बूट समस्याओं को हल करता है। बूट समय बढ़कर 16 सेकंड हो गया है।