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ロボットで実行されているNetworkTables 4サーバーに自動接続します。

すべてのデータは、デバイス名と一致するテーブル（例：「limelight」）に公開されます。カメラにホスト名/ニックネームが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デバイスと対話します。

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
LabView
C++
Python

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

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

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	クロスヘアからターゲットまでの水平オフセット（LL1：-27度から27度 / LL2：-29.8度から29.8度）
ty	double	クロスヘアからターゲットまでの垂直オフセット（LL1：-20.5度から20.5度 / LL2：-24.85度から24.85度）
txnc	double	プリンシパルピクセルからターゲットまでの水平オフセット（度）
tync	double	プリンシパルピクセルからターゲットまでの垂直オフセット（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"に加算する
cl	double	キャプチャパイプラインのレイテンシー（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の開始までの時間
t2d	double	マッチしたタイムスタンプの統計値を含む配列：[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にする必要がある
tclass	string	主要なニューラル検出器の結果またはニューラル分類器の結果のクラス名
tc	doubleArray	クロスヘア領域（3x3ピクセル領域）の下の平均HSV色を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の名前
tdclass	string	検出器パイプラインの主要な検出の名前

AprilTagと3Dデータ

以下のコードを使用してください:

Java
C++

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

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

このデータを取得するには:

キー	型	説明
botpose	doubleArray	フィールド空間でのロボットの変換。平行移動(X,Y,Z)はメートル単位、回転(ロール,ピッチ,ヨー)は度単位、総遅延(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)。平行移動(X,Y,Z)はメートル単位、回転(ロール,ピッチ,ヨー)は度単位、総遅延(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)。平行移動(X,Y,Z)はメートル単位、回転(ロール,ピッチ,ヨー)は度単位、総遅延(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)。平行移動(X,Y,Z)はメートル単位、回転(ロール,ピッチ,ヨー)は度単位、総遅延(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)。平行移動(X,Y,Z)はメートル単位、回転(ロール,ピッチ,ヨー)は度単位、総遅延(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)。平行移動(X,Y,Z)はメートル単位、回転(ロール,ピッチ,ヨー)は度単位、総遅延(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, ピッチ, ヨー, ロール] (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, ピッチ, ヨー, ロール] (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, ピッチ, ヨー, ロール] (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, ピッチ, ヨー, ロール] (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

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します。
priorityid	int	tx/tyターゲティングに必要なIDを設定します。他のターゲットを無視します。ローカライゼーションには影響しません。
robot_orientation_set	doubleArray	ロボットの向きと角速度を度と度/秒で設定します[ヨー,ヨーレート,ピッチ,ピッチレート,ロール,ロールレート]
fiducial_id_filters_set	doubleArray	ローカライゼーションに有効なフィデューシャルIDをオーバーライドします(配列)
fiducial_offset_set	doubleArray	3D注目点オフセットを設定します[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
LabView
C++
Python

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

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

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

このデータを設定するには:

ledMode	limelightのLED状態を設定します
[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]	強制的にオフ
[2]	強制的に点滅
[3]	強制的にオン

pipeline	limelightの現在のパイプラインを設定します
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します
0	標準 - ウェブカメラがLimelightに接続されている場合、サイドバイサイドのストリーム
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隅に配置されます
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隅に配置されます

crop	(配列) クロップ矩形を設定します。パイプラインはウェブインターフェースのデフォルトクロップ矩形を使用する必要があります。配列には正確に4つのエントリが必要です。
[0]	X0 - クロップ矩形のXの最小値または最大値（-1から1）
[1]	X1 - クロップ矩形のXの最小値または最大値（-1から1）
[2]	Y0 - クロップ矩形のYの最小値または最大値（-1から1）
[3]	Y1 - クロップ矩形のYの最小値または最大値（-1から1）

Java
C++

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);

wip

Python

Pythonスクリプトは、任意の入出力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NumberArray。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NumberArray。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」を有効にすると、コーナー座標がストリーミングされます:

tcornxy

コーナー座標の数値配列 [x0,y0,x1,y1......]

生ターゲット:

Limelightは、グルーピング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します

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します

rawfiducials

[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します

rawbarcodes

バーコードデータの文字列配列

NetworkTables API

基本的なターゲティングデータ​

AprilTagと3Dデータ​

カメラコントロール​

Python​

生データ​

基本的なターゲティングデータ

AprilTagと3Dデータ

カメラコントロール

Python

生データ