NetworkTables API

Limelight OSはNetworkTables 4クライアントを搭載しています。設定UIで構成された チーム番号/IDに基づいて、FRCロボット上で実行されているNetworkTables 4サーバーに 自動的に接続します。

すべてのデータは、デバイス名（例：「limelight」）に一致するテーブルに公開されます。 ホスト名/ニックネームがカメラに割り当てられている場合、テーブル名は完全なlimelight名 （例：「limelight-top」）と一致します。

LimelightLib WPIJavaとLimelightLib WPICPPは、NetworkTablesを介してLimelightデバイスと 通信します。

基本的なターゲティングデータ

以下のコードを使用してください:

Java

NetworkTableInstance.getDefault().getTable("limelight").getEntry("<variablename>").getDouble(0);

LabView

C++

nt::NetworkTableInstance::GetDefault().GetTable("limelight")->GetNumber("<variablename>",0.0);

Python

NetworkTables.getTable("limelight").getNumber('<variablename>');

以下のデータを取得するために:

キー	型	説明
tv	int	有効なターゲットが存在する場合は1。有効なターゲットが存在しない場合は0
tx	double	ターゲットへのクロスヘアからの水平オフセット (LL1: -27度から27度 / LL2: -29.8度から29.8度)
ty	double	ターゲットへのクロスヘアからの垂直オフセット (LL1: -20.5度から20.5度 / LL2: -24.85度から24.85度)
txnc	double	ターゲットへのプリンシパルピクセルからの水平オフセット (度)
tync	double	ターゲットへのプリンシパルピクセルからの垂直オフセット (度)
ta	double	ターゲットエリア (画像の0%から100%)
tl	double	パイプラインのレイテンシー寄与 (ms)。総レイテンシーを得るには"cl"に加算
cl	double	キャプチャパイプラインレイテンシー (ms)。センサーの中央行の露光終了からトラッキングパイプライン開始までの時間
t2d	double	マッチしたタイムスタンプ統計のための複数の値を含む配列: [targetValid, targetCount, targetLatency, captureLatency, tx, ty, txnc, tync, ta, tid, targetClassIndexDetector, targetClassIndexClassifier, targetLongSidePixels, targetShortSidePixels, targetHorizontalExtentPixels, targetVerticalExtentPixels, targetSkewDegrees]
getpipe	int	カメラの実際のアクティブパイプラインインデックス (0 .. 9)
getpipetype	string	パイプラインタイプ 例: "pipe_color"
json	string	ターゲティング結果の完全なJSONダンプ。'output'タブでパイプラインごとに有効化する必要があります
tclass	string	プライマリニューラル検出器結果またはニューラル分類器結果のクラス名
tc	doubleArray	クロスヘア領域（3x3ピクセル領域）下の平均HSVカラーをNumberArrayとして取得
hb	double	ハートビート値。フレームごとに1回増加し、20億でリセット
hw	doubleArray	ハードウェアメトリクス [fps, CPU温度, RAMの使用量, 温度]
crosshairs	doubleArray	2Dクロスヘア [cx0, cy0, cx1, cy1]
tcclass	string	分類器パイプラインの計算されたクラス名
tdclass	string	検出器パイプラインのプライマリ検出名

AprilTagと3Dデータ

以下のコードを使用してください：

Java

NetworkTableInstance.getDefault().getTable("limelight").getEntry("<variablename>").getDoubleArray(new double[6]);

C++

nt::NetworkTableInstance::GetDefault().GetTable("limelight")->GetNumberArray("<variablename>",std::vector<double>(6));

以下のデータを取得するために：

キー	型	説明
botpose	doubleArray	フィールド空間でのロボットの変換。並進(X,Y,Z)：メートル単位、回転(Roll,Pitch,Yaw)：度単位、総遅延時間(cl+tl)、タグ数、タグスパン、カメラからの平均タグ距離、平均タグ面積（画像の割合）
botpose_wpiblue	doubleArray	フィールド空間でのロボットの変換（青ドライバーステーションWPILIB原点）。並進(X,Y,Z)：メートル単位、回転(Roll,Pitch,Yaw)：度単位、総遅延時間(cl+tl)、タグ数、タグスパン、カメラからの平均タグ距離、平均タグ面積（画像の割合）
botpose_wpired	doubleArray	フィールド空間でのロボットの変換（赤ドライバーステーションWPILIB原点）。並進(X,Y,Z)：メートル単位、回転(Roll,Pitch,Yaw)：度単位、総遅延時間(cl+tl)、タグ数、タグスパン、カメラからの平均タグ距離、平均タグ面積（画像の割合）
botpose_orb	doubleArray	フィールド空間でのロボットの変換（Megatag2）。並進(X,Y,Z)：メートル単位、回転(Roll,Pitch,Yaw)：度単位、総遅延時間(cl+tl)、タグ数、タグスパン、カメラからの平均タグ距離、平均タグ面積（画像の割合）
botpose_orb_wpiblue	doubleArray	フィールド空間でのロボットの変換（Megatag2）（青ドライバーステーションWPILIB原点）。並進(X,Y,Z)：メートル単位、回転(Roll,Pitch,Yaw)：度単位、総遅延時間(cl+tl)、タグ数、タグスパン、カメラからの平均タグ距離、平均タグ面積（画像の割合）
botpose_orb_wpired	doubleArray	フィールド空間でのロボットの変換（Megatag2）（赤ドライバーステーションWPILIB原点）。並進(X,Y,Z)：メートル単位、回転(Roll,Pitch,Yaw)：度単位、総遅延時間(cl+tl)、タグ数、タグスパン、カメラからの平均タグ距離、平均タグ面積（画像の割合）
camerapose_targetspace	doubleArray	視界内の主要AprilTagの座標系におけるカメラの3D変換（配列(6)）[tx, ty, tz, pitch, yaw, roll]（メートル、度）
targetpose_cameraspace	doubleArray	カメラの座標系における視界内の主要AprilTagの3D変換（配列(6)）[tx, ty, tz, pitch, yaw, roll]（メートル、度）
targetpose_robotspace	doubleArray	ロボットの座標系における視界内の主要AprilTagの3D変換（配列(6)）[tx, ty, tz, pitch, yaw, roll]（メートル、度）
botpose_targetspace	doubleArray	視界内の主要AprilTagの座標系におけるロボットの3D変換（配列(6)）[tx, ty, tz, pitch, yaw, roll]（メートル、度）
camerapose_robotspace	doubleArray	ロボットの座標系におけるカメラの3D変換（配列(6)）
tid	int	視界内の主要AprilTagのID
stddevs	doubleArray	MegaTag標準偏差 [MT1x, MT1y, MT1z, MT1roll, MT1pitch, MT1Yaw, MT2x, MT2y, MT2z, MT2roll, MT2pitch, MT2yaw]

camerapose_robotspace_set	doubleArray	ロボットの座標系におけるカメラのポーズを設定する
priorityid	int	tx/tyターゲティング用の必要なIDを設定する。他のターゲットを無視する。位置推定には影響しない
robot_orientation_set	doubleArray	ロボットの方向と角速度を度と度/秒で設定する[yaw,yawrate,pitch,pitchrate,roll,rollrate]
fiducial_id_filters_set	doubleArray	位置推定用の有効なフィデューシャルIDを上書きする（配列）
fiducial_offset_set	doubleArray	3D注目点オフセットを設定する[x,y,z]

カメラコントロール

以下のコードを使用してください：

Java

NetworkTableInstance.getDefault().getTable("limelight").getEntry("<variablename>").setNumber(<value>);

LabView

C++

nt::NetworkTableInstance::GetDefault().GetTable("limelight")->PutNumber("<variablename>",<value>);

Python

NetworkTables.getTable("limelight").putNumber('<variablename>',<value>)

以下のデータを設定するために：

ledMode	LimelightのLED状態を設定
[0]	現在のパイプラインで設定されているLEDモードを使用
[1]	強制オフ
[2]	強制点滅
[3]	強制オン

pipeline	Limelightの現在のパイプラインを設定
0 .. 9	パイプライン0..9を選択

stream	Limelightのストリーミングモードを設定
0	標準 - WebカメラがLimelightに接続されている場合、並列ストリーム表示
1	PiPメイン - セカンダリカメラストリームがプライマリカメラストリームの右下角に配置
2	PiPセカンダリ - プライマリカメラストリームがセカンダリカメラストリームの右下角に配置

crop	(配列) 切り取り範囲を設定。パイプラインはWebインターフェースのデフォルトの切り取り範囲を使用する必要があります。配列は必ず4つの要素が必要です。
[0]	X0 - 切り取り範囲のX値の最小または最大（-1から1）
[1]	X1 - 切り取り範囲のX値の最小または最大（-1から1）
[2]	Y0 - 切り取り範囲のY値の最小または最大（-1から1）
[3]	Y1 - 切り取り範囲のY値の最小または最大（-1から1）

Java

double[] cropValues = new double[4];
cropValues[0] = -1.0;
cropValues[1] = 1.0;
cropValues[2] = -1.0;
cropValues[3] = 1.0;
NetworkTableInstance.getDefault().getTable("limelight").getEntry("crop").setDoubleArray(cropValues);

C++

wip

Python

Pythonスクリプトは任意のインバウンドおよびアウトバウンドデータを可能にします。

llpython	Pythonスクリプトによって送信される数値配列。これはロボットコード内でアクセス可能です。
llrobot	ロボットによって送信される数値配列。これはPython SnapScripts内でアクセス可能です。

生データ

コーナー:

"Output"タブで"send contours"を有効にしてコーナー座標をストリーミングします:

tcornxy

コーナー座標の数値配列 [x0,y0,x1,y1......]

生ターゲット:

Limelightは、グループ化モードの影響を受けない3つの生の輪郭をNetworkTablesに投稿します。つまり、パイプラインパラメータでフィルタリングされますが、グループ化されることはありません。XとYは度数ではなく、正規化されたスクリーン空間(-1から1)で返されます。

rawtargets

[txnc,tync,ta,txnc2,tync2,ta2....]

生フィデューシャル:

すべての有効な（フィルタリングされていない）フィデューシャルを取得

rawfiducials

[id, txnc, tync, ta, distToCamera, distToRobot, ambiguity, id2.....]

生検出:

すべての有効な（フィルタリングされていない）ニューラル検出結果を取得

rawdetections

[id, txnc, tync, ta, corner0x, corner0y, corner1x, corner1y, corner2x, corner2y, corner3x, corner3y, id2.....]

生バーコード:

すべての有効な（フィルタリングされていない）バーコード結果を取得

rawbarcodes

バーコードデータの文字列配列