Início Rápido de Programação FRC
O Limelight suporta os protocolos REST/HTTP, Websocket, Modbus e NetworkTables para dados de direcionamento, dados de status e configuração em tempo real. Formatos de saída JSON e brutos estão disponíveis. Veja a seção de APIs da documentação para mais informações.
Para equipes FRC, o protocolo recomendado é NetworkTables. O Limelight publica todos os dados de direcionamento, incluindo um dump JSON completo, para NetworkTables a 100hz. As equipes também podem definir controles como o ledMode, janela de recorte e mais via NetworkTables. Equipes FRC podem usar as bibliotecas Limelight Lib Java e C++ para começar a usar o Limelight em segundos. O Limelight Lib é a maneira mais fácil de começar.
LimelightLib:
- Java
- C++
- Python
double tx = LimelightHelpers.getTX("");
#include "LimelightHelpers.h"
double tx = LimelightHelpers::getTX("");
double ty = LimelightHelpers::getTY("");
wip
Se você quiser pular o LimelightLib e ir direto para a programação com NetworkTables:
- Java
- C++
- LabView
- Python
import edu.wpi.first.wpilibj.smartdashboard.SmartDashboard;
import edu.wpi.first.networktables.NetworkTable;
import edu.wpi.first.networktables.NetworkTableEntry;
import edu.wpi.first.networktables.NetworkTableInstance;
NetworkTable table = NetworkTableInstance.getDefault().getTable("limelight");
NetworkTableEntry tx = table.getEntry("tx");
NetworkTableEntry ty = table.getEntry("ty");
NetworkTableEntry ta = table.getEntry("ta");
//ler valores periodicamente
double x = tx.getDouble(0.0);
double y = ty.getDouble(0.0);
double area = ta.getDouble(0.0);
//postar no smart dashboard periodicamente
SmartDashboard.putNumber("LimelightX", x);
SmartDashboard.putNumber("LimelightY", y);
SmartDashboard.putNumber("LimelightArea", area);
#include "frc/smartdashboard/Smartdashboard.h"
#include "networktables/NetworkTable.h"
#include "networktables/NetworkTableInstance.h"
#include "networktables/NetworkTableEntry.h"
#include "networktables/NetworkTableValue.h"
#include "wpi/span.h"
std::shared_ptr<nt::NetworkTable> table = nt::NetworkTableInstance::GetDefault().GetTable("limelight");
double targetOffsetAngle_Horizontal = table->GetNumber("tx",0.0);
double targetOffsetAngle_Vertical = table->GetNumber("ty",0.0);
double targetArea = table->GetNumber("ta",0.0);
double targetSkew = table->GetNumber("ts",0.0);
import cv2
import numpy as np
# runPipeline() é chamado a cada quadro pelo backend do Limelight.
def runPipeline(image, llrobot):
# converte a imagem de entrada para o espaço de cor HSV
img_hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
# converte o hsv para uma imagem binária removendo quaisquer pixels
# que não estejam dentro dos seguintes valores Min/Max de HSV
img_threshold = cv2.inRange(img_hsv, (60, 70, 70), (85, 255, 255))
# encontra contornos na nova imagem binária
contours, _ = cv2.findContours(img_threshold,
cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
largestContour = np.array([[]])
# inicializa um array vazio de valores para enviar de volta ao robô
llpython = [0,0,0,0,0,0,0,0]
# se contornos foram detectados, desenha-os
if len(contours) > 0:
cv2.drawContours(image, contours, -1, 255, 2)
# registra o maior contorno
largestContour = max(contours, key=cv2.contourArea)
# obtém a caixa delimitadora não rotacionada que envolve o contorno
x,y,w,h = cv2.boundingRect(largestContour)
# desenha a caixa delimitadora não rotacionada
cv2.rectangle(image,(x,y),(x+w,y+h),(0,255,255),2)
# registra alguns dados personalizados para enviar de volta ao robô
llpython = [1,x,y,w,h,9,8,7]
#retorna o maior contorno para a mira LL, a imagem modificada e dados personalizados do robô
return largestContour, image, llpython