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 ओक्लूज़न, खराब कॉर्नर डिटेक्शन को संभालता है, और इसमें पूरे बोर्ड को दृश्यमान होने की आवश्यकता नहीं होती है। इससे आपकी छवियों के किनारों और कोनों के पास कैलिब्रेशन बोर्ड कॉर्नर को कैप्चर करना बहुत आसान हो जाता है। विकृति गुणांक अनुमान के लिए यह महत्वपूर्ण है।
  • Limelight का कैलिब्रेशन प्रक्रिया हर चरण में फीडबैक प्रदान करता है, और यह सुनिश्चित करेगा कि अच्छे कैलिब्रेशन परिणामों के लिए आप सभी आवश्यक कार्य करें। इस प्रक्रिया को जितना संभव हो सके बुलेटप्रूफ बनाने में बहुत प्रयास किया गया है।
  • सबसे महत्वपूर्ण बात यह है कि आप अपने कैलिब्रेशन परिणामों को डिफ़ॉल्ट कैलिब्रेशन के बगल में देख 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 यह समझा जा सके कि इंट्रिंसिक्स मैट्रिक्स और विकृति गुणांक लक्ष्यीकरण परिणामों, FOV, आदि को कैसे प्रभावित करते हैं।
  • इस वीडियो को देखें:

2023.5.1 & 2023.5.2 (3/22/23)​

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

  • स्नैपियर स्नैपशॉट इंटरफ़ेस। स्नैपशॉट ग्रिड अब कम रेजोल्यूशन वाले 128p थंबनेल लोड करता है।

  • लाइमलाइट यॉ अब 3डी विज़ुअलाइज़र में सही ढंग से प्रस्तुत किया जाता है। यह विज़ुअलाइज़र में और आंतरिक रूप से ccw-पॉजिटिव है

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

2023.5.0 (21/03/23)​

महत्वपूर्ण परिवर्तन​

  • पिछले रिलीज़ में लाइमलाइट रोबोट-स्पेस "यॉ" उल्टा था, इस समस्या को ठीक किया गया। वेब यूआई में लाइमलाइट यॉ अब आंतरिक रूप से CCW-पॉजिटिव है।

क्षेत्र चयन अपडेट​

  • न्यूरल डिटेक्टर पाइपलाइन में क्षेत्र चयन अब अपेक्षित रूप से कार्य करता है।
  • अनरोटेटेड टारगेट आयत के केंद्र, शीर्ष, बाएं, दाएं, ऊपर या नीचे का चयन करने के लिए 5 नए क्षेत्र विकल्प जोड़े गए हैं।

"hwreport" REST API​

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

मेगाटैग फिक्स​

  • कुछ नॉन-कोप्लानर एप्रिलटैग लेआउट मेगाटैग में खराब थे। इसे ठीक कर दिया गया है, और अब सभी फील्ड टैग के साथ पोज एस्टीमेशन स्थिर है। यह पहले से भी अधिक दूरी पर स्थिर पोज एस्टीमेशन को सक्षम करता है।

बेहतर tx और ty सटीकता​

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

2023.4.0 (2/18/23)​

न्यूरल डिटेक्टर क्लास फ़िल्टर​

अवांछित पहचान को आसानी से फ़िल्टर करने के लिए उन वर्गों को निर्दिष्ट करें जिन्हें आप ट्रैक करना चाहते हैं।

न्यूरल डिटेक्टर का विस्तारित समर्थन​

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

2023.3.1 (14/02/23)​

एप्रिलटैग सटीकता में सुधार​

सभी मॉडल के लिए बेहतर इंट्रिंसिक मैट्रिक्स और, सबसे महत्वपूर्ण रूप से, बेहतर विकृति गुणांक। एकल एप्रिलटैग लोकलाइजेशन में उल्लेखनीय सुधार।

डिटेक्टर अपलोड​

डिटेक्टर अपलोड ठीक किया गया।

2023.3 (13/02/23)​

कैप्चर लेटेंसी (NT कुंजी: "cl", JSON परिणाम: "cl")​

नई कैप्चर लेटेंसी प्रविष्टि लाइमलाइट के इमेज सेंसर की मध्य पंक्ति के एक्सपोजर के अंत और प्रोसेसिंग पाइपलाइन की शुरुआत के बीच के समय को दर्शाती है।

एप्रिलटैग्स के लिए नई गुणवत्ता सीमा​

नए गुणवत्ता थ्रेशोल्ड स्लाइडर के साथ नकली एप्रिलटैग्स को अब और आसानी से फ़िल्टर किया जा सकता है। 2023.3 में सेट की गई डिफ़ॉल्ट वैल्यू अधिकांश नकली डिटेक्शन को हटा देगी।

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

रोबोट स्पेस में आपके लाइमलाइट की स्थिति को अब चलते-फिरते समायोजित किया जा सकता है। यदि कुंजी को शून्य की एरे पर सेट किया जाता है, तो वेब इंटरफ़ेस में सेट किया गया पोज़ उपयोग किया जाता है।

एलिवेटर पर लाइमलाइट का एक उदाहरण यहाँ है: एलिवेटर पर लाइमलाइट

बढ़ाया गया अधिकतम एक्सपोजर​

अधिकतम एक्सपोजर 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 एक्सपोजर समय से अधिक चमकदार छवियां नहीं होंगी।

बॉटपोज अपडेट​

नेटवर्कटेबल्स में सभी तीन बॉटपोज एरे में सातवीं प्रविष्टि कुल लेटेंसी (कैप्चर लेटेंसी + टारगेटिंग लेटेंसी) को दर्शाती है।

बगफिक्स​

  • शफलबोर्ड में LL3 MJPEG स्ट्रीम को ठीक किया गया
  • कैमरा मोड को ठीक किया गया - ड्राइवर मोड अब चमकदार, उपयोग करने योग्य छवियां उत्पन्न करता है
  • एक्सपोजर लेबल को सही किया गया - प्रत्येक "टिक" 0.1 ms के बजाय 0.01ms को दर्शाता है
  • न्यूरल नेट डिटेक्टर अपलोड को ठीक किया गया

2023.2 (1/28/23)​

3D को पहले से कहीं अधिक आसान बनाना।

WPILib-संगत Botposes​

Botpose का उपयोग अब आउट-ऑफ-द-बॉक्स के साथ और भी आसान है।

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

सभी botposes वेब इंटरफ़ेस में फ़ील्ड-स्पेस विज़ुअलाइज़र में सीधे प्रिंट किए जाते हैं, जिससे एक नज़र में यह 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 RobotPose, AprilTags के संदर्भ में Limelight से आने वाला सबसे उपयोगी डेटा माना जाता है। केवल इसका उपयोग करके, आप फील्ड पर AprilTag के साथ एक ड्राइवट्रेन को पूरी तरह से संरेखित कर सकते हैं।

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

न्यूरल नेट अपलोड​

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

2023.1 (19/1/23)​

मेगाटैग और प्रदर्शन बूस्ट

एक गलती को सुधारना​

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

बेहतर ट्रैकिंग स्थिरता​

AprilTag का पता लगाने और डिकोड करने के कई तरीके हैं। हमने कम रोशनी / कम एक्सपोजर वाले वातावरण में विशेष रूप से समग्र स्थिरता में सुधार किया है।

अल्ट्रा फास्ट ग्रेस्केलिंग​

ग्रेस्केलिंग पहले से 3x-6x तेज 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 रेजोल्यूशन पर फ्रेमरेट में सुधार होगा।

आसान फिल्टरिंग​

AprilTag पाइपलाइन में अब एक सिंगल "ID फिल्टर" फील्ड है जो JSON आउटपुट, botpose-सक्षम टैग, और tx/ty-सक्षम टैग को फिल्टर करता है। डुअल-फिल्टर सेटअप बगी और भ्रामक था।

ब्रेकिंग चेंज​

NT Key "camtran" अब "campose" है

JSON अपडेट​

"botpose" अब json रिजल्ट्स डंप का हिस्सा है

फील्ड स्पेस विजुअलाइज़र अपडेट​

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

लाइमलाइट मेगाटैग (नया botpose)​

मेरी #1 प्राथमिकता बेहतर सटीकता, कम नॉइज़, और एम्बिग्युइटी रेजिलिएंस के लिए botpose को फिर से लिखना रहा है। लाइमलाइट का नया botpose कार्यान्वयन मेगाटैग कहलाता है। कई अलग-अलग फील्ड-स्पेस पोज़ के डंब एवरेज से botpose की गणना करने के बजाय, मेगाटैग अनिवार्य रूप से सभी टैग को कई कीपॉइंट्स के साथ एक विशाल 3D टैग में संयोजित करता 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 पुराने botpose (नीला सिलेंडर) की तुलना में नया botpose (सफेद सिलेंडर) बेहद स्थिर है। आप tx और ty वैल्यू भी देख सकते हैं।

यहाँ पूरी स्क्रीन है, जो टैग एम्बिग्युइटी दिखाती है:

यहाँ फायदे हैं:

यदि एक से अधिक टैग दृश्य में हैं तो Botpose अब एम्बिग्युइटीज़ (टैग फ्लिपिंग) के प्रति लचीला है (जब तक वे करीब और कोप्लानर नहीं हैं। आदर्श रूप से कीपॉइंट्स कोप्लानर नहीं होने चाहिए)। यदि एक से अधिक टैग दृश्य में हैं तो Botpose अब टैग कॉर्नर में नॉइज़ के प्रति अधिक लचीला है। टैग एक-दूसरे से जितनी दूर होंगे, उतना बेहतर होगा। यह प्लानर टैग तक सीमित नहीं है। यह पूर्ण 3D में और किसी भी ओरिएंटेशन में किसी भी संख्या में टैग के लिए स्केल करता है। फ्लोर टैग और सीलिंग टैग पूरी तरह से काम करेंगे।

यहाँ एक सरल प्लानर केस के साथ इसके काम करने के एक पहलू को प्रदर्शित करने वाला डायग्राम है। परिणाम वास्तव में जो दर्शाया गया है उससे बेहतर हैं, 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 काउंट में बढ़ता है, इसकी स्थिरता बढ़ती जाती 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, पुनर्लिखित स्क्रीनशॉट इंटरफेस और बहुत कुछ पेश करते हुए।

विशेषताएं, परिवर्तन और बगफिक्स​

  • नई सेंसर कैप्चर पाइपलाइन और गेन कंट्रोल
    • हमारी नई कैप्चर पाइपलाइन 2022 की तुलना में 100 गुना कम एक्सपोजर टाइम की अनुमति देती है। नई पाइपलाइन गेन कंट्रोल को भी सक्षम करती है। यह AprilTags ट्रैकिंग के लिए बेहद 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 तरकीबें लागू कीं)।
    • नए "सेंसर गेन" स्लाइडर के साथ, टीमें एक्सपोजर स्लाइडर को छुए बिना पहले से कहीं अधिक छवियों को गहरा या चमकदार बना सकती हैं। गेन बढ़ाने से छवि में नॉइज बढ़ेगा।
    • कम गेन को नए कम एक्सपोजर टाइम के साथ जोड़कर, अब पूर्ण-चमक वाले LED और रेट्रोरिफ्लेक्टिव टारगेट के साथ लगभग पूरी तरह से काली छवियां बनाना संभव है। यह रेट्रोरिफ्लेक्टिव टारगेट को ट्रैक करते समय LED और सूर्य के प्रकाश के परावर्तन को कम करने में मदद करेगा।
    • सेंसर गेन बढ़ाकर और एक्सपोजर कम करके, टीमें AprilTags को ट्रैक करते समय उच्च एक्सपोजर समय के कारण मोशन ब्लर के प्रभावों को कम कर सकेंगी।
    • हमने सभी विशेषताओं - 90fps, हार्डवेयर जूम, आदि को बनाए रखते हुए इस नई पाइपलाइन को विकसित किया है।
  • अधिक रेजोल्यूशन विकल्प
    • LL1, LL2, और LL2+ के लिए दो नए कैप्चर रेजोल्यूशन हैं: 640x480x90fps, और 1280x960x22fps
  • अनुकूलित वेब इंटरफेस
    • वेब GUI अब रोबोट नेटवर्क पर 3x तक तेजी से लोड और इनिशियलाइज होगा।
  • पुनर्लिखित स्नैपशॉट इंटरफेस
    • स्नैपशॉट सुविधा को पूरी तरह से पुनर्लिखित किया गया है जो छवि अपलोड, छवि डाउनलोड और छवि हटाने की अनुमति देता है। दस्तावेज़ीकरण में स्नैपशॉट कैप्चर करने के लिए नए API भी हैं।
  • SolvePnP सुधार
    • हमारी solvePnP-आधारित कैमरा लोकलाइजेशन सुविधा में एक बुरा 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 नया पूर्ण 3D कैनवास बनाया गया है।
  • वेब इंटरफेस बगफिक्स
    • 2022 में एक बेहद दुर्लभ समस्या थी जो फ्लैशिंग के बाद पहले बूट के दौरान वेब इंटरफेस को स्थायी रूप से खराब कर देती थी, जिससे उपयोगकर्ता को पुनः फ्लैश करना पड़ता था। मूल कारण को खोजा 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 नई JSON डंप सुविधा का समर्थन करते हैं, जो FRC और अन्य सभी एप्लिकेशन के लिए मानव पठनीय, सरल-से-पार्स प्रारूप में सभी टारगेट के लिए सभी डेटा को सूचीबद्ध करता है।

जीरो-कोड लर्निंग-बेस्ड विजन 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, FRC रोबोट पर लर्निंग-बेस्ड विजन के लिए प्रवेश की बाधा औसत टीम के लिए बहुत अधिक रही है। हमने Limelight के साथ रेट्रोरिफ्लेक्टिव टारगेट जितना आसान लर्निंग-बेस्ड विजन बनाने के लिए आवश्यक सभी इंफ्रास्ट्रक्चर विकसित किया है।
  • 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 पता लगाए गए वस्तुओं के लिए "क्लास ID" और बाउंडिंग बॉक्स प्रदान करेंगे (बिल्कुल हमारे रेट्रोरिफ्लेक्टिव टारगेट की तरह)। यह रीयल-टाइम गेम पीस ट्रैकिंग के लिए एकदम सही है।
      • कृपया यहां छवियां जमा करके पहले-कभी FRC ऑब्जेक्ट डिटेक्शन मॉडल में योगदान करें: https://datasets.limelightvision.io/frc2023
      • डिटेक्शन नेटवर्क का उपयोग करने के लिए tx, ty, ta, और tclass नेटवर्कटेबल्स कीज या JSON डंप का उपयोग करें
    • इमेज क्लासिफिकेशन मॉडल एक छवि को इनजेस्ट करेंगे, और एक एकल क्लास लेबल उत्पन्न करेंगे।
      • अधिक जानने और Limelight के लिए अपने खुद के मॉडल को प्रशिक्षित करने के लिए, Google द्वारा Teachable Machine की जांच करें।
      • 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 मॉडल 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

जीरो-कोड AprilTag सपोर्ट​

  • AprilTags Limelight के साथ रेट्रोरिफ्लेक्टिव टारगेट जितने ही आसान हैं। क्योंकि उनके पास ID के रूप में एक प्राकृतिक हार्ड फिल्टर है, आपके roboRIO को किसी भी विजन-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 क्रमबद्ध करें, टारगेट समूहों का उपयोग करें, आदि।
  • क्योंकि AprilTags हमेशा वर्गाकार और हमेशा अद्वितीय रूप से पहचाने जाने योग्य होते हैं, वे पूर्ण 3D पोज गणना के लिए एक आदर्श प्लेटफॉर्म प्रदान करते हैं।
  • हमारे सपोर्ट चैनल में इस सुविधा के लिए जो प्रतिक्रिया हमें मिली है वह बेहद सकारात्मक रही है। हमने AprilTags को जितना संभव हो सका उतना आसान बना दिया है, 2D ट्रैकिंग से लेकर फील्ड पर पूर्ण 3D रोबोट लोकलाइजेशन तक
  • 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। विशिष्ट टैग ID की खोज के लिए अपनी पाइपलाइन को कॉन्फ़िगर करें।
    • <gif>
  • पॉइंट-ऑफ-इंटरेस्ट 3D AprilTags
    • tx और ty, ta, और tid नेटवर्कटेबल्स कीज 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 नहीं लगे हैं।
    • <gif>
  • पूर्ण 3D
    • अपने LL, अपने रोबोट, या टैग को पूर्ण 3D में ट्रैक करें। प्रासंगिक डेटा को अपने roboRio में पुल करने के लिए campose या json का उपयोग करें।
    • <gif>
  • फील्ड-स्प

2022.3.0 (4/13/22)​

बगफिक्स और हार्टबीट।

बगफिक्स​

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

विशेषताएं और परिवर्तन​

  • "hb" हार्टबीट NetworkTable कुंजी
    • "hb" मान प्रत्येक प्रोसेसिंग फ्रेम में एक बार बढ़ता है, और 2000000000 पर शून्य पर रीसेट हो जाता है।

2022.2.3 (16/3/22)​

बग फिक्स और रोबोट-कोड क्रॉप फ़िल्टरिंग।

बग फिक्स​

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

विशेषताएं और परिवर्तन​

  • मैनुअल क्रॉप फ़िल्टरिंग
    • "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 डिफ़ॉल्ट, विस्तृत क्रॉप आयत का उपयोग करना चाहिए (minX और minY के लिए -1, maxX और maxY के लिए +1)।
    • इसके अतिरिक्त, "क्रॉप" नेटवर्कटेबल ऐरे में ठीक 4 मान होने चाहिए, और उनमें से कम से कम एक मान गैर-शून्य होना चाहिए।

2022.2.2 (23/02/22)​

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

बगफिक्स​

  • ओपन वेब इंटरफेस, FMS, FMS जैसे सेटअप, कई व्यूअर डिवाइस आदि से संबंधित हैंग / कनेक्शन का नुकसान / लक्ष्यीकरण का नुकसान को ठीक किया गया।

विशेषताएं और परिवर्तन​

  • क्रॉप फ़िल्टरिंग

    • निर्दिष्ट क्रॉप आयत के बाहर सभी पिक्सेल को अनदेखा करें
    • यदि आपके फ्लाईव्हील में फील्ड पर कोई स्वीट स्पॉट हैं, तो आप विशिष्ट पाइपलाइन में अधिकांश पिक्सेल को अनदेखा करने के लिए क्रॉप फ़िल्टर का उपयोग कर सकते हैं। यह सुविधा टीमों को गैर-लक्ष्यों को ट्रैक करने की संभावना को कम करने में मदद करेगी।
    • यदि आप कार्गो को ट्रैक कर रहे हैं, तो छवि के एक विशिष्ट भाग में केवल कार्गो को खोजने के लिए इस सुविधा का उपयोग करें। अपनी टीम के बम्पर्स, दूर के लक्ष्यों आदि को अनदेखा करने पर विचार करें।

  • कॉर्नर्स फीचर अब स्मार्ट टारगेट ग्रुपिंग के साथ संगत

    • यह उन टीमों के लिए है जो RIO पर अधिक उन्नत कस्टम विज़न करना चाहती हैं
    • "tcornxy" कॉर्नर सीमा 64 कॉर्नर तक बढ़ाई गई
    • कंटूर सरलीकरण और फोर्स कॉन्वेक्स फीचर्स अब स्मार्ट टारगेट ग्रुपिंग और कॉर्नर सेंडिंग के साथ सही तरीके से काम करते हैं

  • IQR फ़िल्टर अधिकतम 3.0 तक बढ़ाया गया

  • वेब इंटरफ़ेस लाइव टारगेट अपडेट दर को 30fps से घटाकर 15fps कर दिया गया है ताकि वेब इंटरफ़ेस खुले होने पर बैंडविड्थ और CPU लोड को कम किया जा सके

2022.1 (25/1/22)​

बग फिक्स​

  • हमें अपने एक सप्लायर से एक समस्या (और एक समाधान!) के बारे में जानकारी मिली जो विशेष रूप से Limelight 2 में उपयोग किए जाने वाले CPU में से लगभग 1/75 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 बूट भिन्नताओं में से एक थी।
  • GRIP इनपुट और SolvePNP मॉडल के लिए अपलोड बटन को ठीक किया गया

विशेषताएं​

  • ह्यू रेनबो

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

  • ह्यू इनवर्जन

    • नई ह्यू इनवर्जन विशेषता एक महत्वपूर्ण सुविधा है यदि आप लाल वस्तुओं को ट्रैक करना चाहते हैं, 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।

2022.0 और 2022.0.3 (15/1/22)​

यह एक बड़ा अपडेट है। यहाँ चार प्रमुख परिवर्तन हैं:

विशेषताएं​

  • स्मार्ट टारगेट ग्रुपिंग

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

  • आउटलायर रिजेक्शन

    • हालांकि यह लक्ष्य अन्य लक्ष्यों की तुलना में अधिक चुनौतीपूर्ण है, यह हमें फ़िल्टरिंग के लिए अधिक अवसर प्रदान करता है। अवधारणात्मक रूप से, यह लक्ष्य एक "हरे रंग के धब्बे" 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।
    • आपको इस वर्ष के लक्ष्य के लिए लगभग पूरी तरह से अच्छी टारगेट फ़िल्टरिंग पर निर्भर रहना चाहिए, और केवल तभी आउटलायर रिजेक्शन का उपयोग करें जब आप अपनी कैमरा स्ट्रीम में नकली आउटलायर्स देखें या उनकी उम्मीद करें। यदि आपके पास खराब मानक टारगेट फ़िल्टरिंग है, तो आउटलायर डिटेक्शन आपके खिलाफ काम करना शुरू कर सकता है!

  • लाइमलाइट 2022 इमेज अपग्रेड्स हमने अपने सॉफ्टवेयर से सैकड़ों मूविंग पार्ट्स को हटा दिया है। ये हैं परिणाम:

    • कम्प्रेस्ड इमेज साइज: 2020 में 1.3 GB → 2022 के लिए 76MB (17 गुना कम!)
    • डाउनलोड टाइम: 2020 में कई मिनट → 2022 में सेकंड
    • फ्लैश टाइम: 2020 में 5+ मिनट → 2022 में सेकंड
    • बूट टाइम: 2020 में 35+ सेकंड → 2022 में 14 सेकंड (LED जलने में 10 सेकंड)

  • 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 प्राप्त होंगे।

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