Ana içeriğe geç

Yazılım Değişiklik Günlüğü 2021 - 2023

2023.6 (18/04/23)​

Kolay ChArUco Kalibrasyonu & Kalibrasyon Görselleştiricileri​

  • ChArUco kalibrasyonu, dama tahtası kalibrasyonundan daha iyi kabul edilir çünkü kapanmaları, kötü köşe algılamalarını ele alır ve tüm tahtanın görünür olmasını gerektirmez. Bu, görüntülerinizin kenarlarına ve köşelerine yakın kalibrasyon tahtası köşelerini yakalamayı çok daha kolaylaştırır. Bu, bozulma katsayısı tahmini için çok önemlidir.
  • Limelight'ın kalibrasyon süreci her adımda geri bildirim sağlar ve iyi kalibrasyon sonuçları için gerekli olan her şeyi yaptığınızdan emin olur. Bu süreci mümkün olduğunca sağlam hale getirmek için çok fazla çaba harcanmıştır.
  • En önemlisi, kalibrasyon sonuçlarınızı varsayılan kalibrasyonun hemen yanında görselleştirebilirsiniz. Bir bakışta, kalibrasyon sonucunuzun makul olup olmadığını anlayabilirsiniz.
  • Kalibrasyon panosunu bir öğrenme aracı olarak da kullanabilirsiniz. İndirilen kalibrasyon sonuç dosyalarını değiştirebilir ve içsel matris ve bozulma katsayılarının hedefleme sonuçlarını, görüş alanını vb. nasıl etkilediğini öğrenmek için bunları yeniden yükleyebilirsiniz.
  • Bu videoya göz atın:

2023.5.1 & 2023.5.2 (22/03/23)​

  • 2023.5.0'da ortaya çıkan regresyon düzeltildi - 2023.5 düzlemsel olmayan tüm düzenler için megatag'i düzeltirken, tek etiketli poz tahminlerinin performansını düşürmüştü. Bu sorun giderildi. Tek etiketli poz tahminleri 2023.4'te kullanılan çözücünün aynısını kullanıyor.

  • Daha hızlı anlık görüntü arayüzü. Anlık görüntü ızgarası artık düşük çözünürlüklü 128p küçük resimleri yüklüyor.

  • Limelight Yaw artık 3B görselleştiricilerde doğru şekilde gösteriliyor. Görselleştiricide ve dahili olarak saat yönünün tersine pozitif.

  • Saha alanı görselleştiricisinde hangi hedeflerin şu anda takip edildiği gösteriliyor.

2023.5.0 (21/03/23)​

Önemli Değişiklikler​

  • Regresyon düzeltildi - Önceki sürümlerde Limelight Robot-Space "Yaw" ters çevrilmişti. Web arayüzündeki Limelight yaw artık dahili olarak CCW-Pozitif.

Bölge Seçimi Güncellemesi​

  • Bölge seçimi artık sinir ağı dedektör pipeline'larında beklendiği gibi çalışıyor.
  • Döndürülmemiş hedef dikdörtgeninin merkezini, üstünü, solunu, sağını veya altını seçmek için 5 yeni bölge seçeneği eklendi.

"hwreport" REST API​

  • :5807/hwreport, kamera içsel parametreleri ve bozulma bilgilerini detaylandıran bir JSON yanıtı döndürecek

MegaTag Düzeltmesi​

  • Bazı eş düzlemli olmayan apriltag düzenleri MegaTag'de bozuktu. Bu düzeltildi ve artık tüm saha etiketleriyle poz tahmini stabil. Bu, öncekinden daha uzak mesafelerde bile stabil poz tahmini yapılmasını sağlıyor.

Daha yüksek tx ve ty doğruluğu​

  • TX ve TY her zamankinden daha doğru. Hedefler tamamen bozulma düzeltmesi yapılmış durumda ve görüş alanı tamamen kamera içsel parametreleri tarafından belirleniyor.

2023.4.0 (18/02/23)​

Nöral Dedektör Sınıf Filtresi​

İstenmeyen tespitleri kolayca filtrelemek için takip etmek istediğiniz sınıfları belirleyin.

Nöral Dedektör genişletilmiş destek​

Herhangi bir giriş çözünürlüğünü destekler, diğer nesne algılama mimarilerini desteklemek için ek çıktı şekillerini destekler. EfficientDet0 tabanlı modeller artık desteklenmektedir.

2023.3.1 (14/02/23)​

AprilTag Doğruluk İyileştirmeleri​

Tüm modeller için geliştirilmiş intrinsics matrisi ve daha da önemlisi, geliştirilmiş distorsiyon katsayıları. Tek AprilTag Lokalizasyonunda gözle görülür iyileştirmeler.

Dedektör Yükleme​

Dedektör yükleme sorunu düzeltildi.

2023.3 (13/02/23)​

Yakalama Gecikmesi (NT Anahtarı: "cl", JSON Sonuçları: "cl")​

Yeni yakalama gecikmesi girişi, Limelight'ın görüntü sensörünün orta satırının pozlamasının sonu ile işlem hattının başlangıcı arasındaki süreyi temsil eder.

AprilTags için Yeni Kalite Eşiği​

Yanlış AprilTag tespitleri artık yeni Kalite Eşiği kaydırıcısı ile daha kolay filtrelenebilmektedir. 2023.3'te ayarlanan varsayılan değer, çoğu yanlış tespiti ortadan kaldıracaktır.

Robot Uzayında Kamera Konumu Geçersiz Kılma (NT Anahtarları: "camerapose_robotspace_set", "camerapose_robotspace")​

Limelight'ınızın robot uzayındaki konumu artık anında ayarlanabilir. Eğer anahtar sıfırlardan oluşan bir diziye ayarlanırsa, web arayüzünde ayarlanan konum kullanılır.

İşte bir asansör üzerindeki Limelight örneği: Asansör üzerinde Limelight

Artırılmış Maksimum Pozlama​

Maksimum pozlama süresi artık 33ms'dir (12.5 ms'den yükseltildi). Yüksek fps yakalama modları hala (1/fps) saniye ile sınırlıdır. Örneğin, 90hz pipeline'ları 11ms pozlama süresinin ötesinde daha parlak görüntüler üretmeyecektir.

Botpose güncellemeleri​

Network tables'daki üç botpose dizisinin her biri, toplam gecikmeyi (yakalama gecikmesi + hedefleme gecikmesi) temsil eden yedinci bir girişe sahiptir.

Hata düzeltmeleri​

  • Shuffleboard'da LL3 MJPEG akışları düzeltildi
  • CamMode düzeltildi - sürücü modu artık parlak, kullanılabilir görüntüler üretiyor
  • Pozlama etiketi düzeltildi - her "tik" 0.1 ms değil 0.01ms'yi temsil ediyor
  • Sinir ağı dedektör yüklemesi düzeltildi

2023.2 (28/01/23)​

3D'yi her zamankinden daha kolay hale getiriyoruz.

WPILib-uyumlu Botpose'lar​

Botpose artık kutudan çıktığı gibi kullanımı çok daha kolay.

Bunlar WPILib Koordinat sistemleriyle eşleşiyor. megatag botpose örneği:

Tüm botpose'lar web arayüzündeki saha-uzayı görselleştiricisinde doğrudan gösterilir, böylece her şeyin düzgün çalıştığını bir bakışta onaylamak kolaylaşır.

3D Verilerine Daha Kolay Erişim (Yıkıcı Değişiklikler)​

HedefUzayında RobotPozisyonu, AprilTag'lerle ilgili olarak Limelight'tan çıkan en kullanışlı veridir. Sadece bunu kullanarak, bir tahrik sistemini sahadaki bir AprilTag ile mükemmel şekilde hizalayabilirsiniz.

  • NetworkTables Anahtarı "campose" artık "camerapose_targetspace"
  • NetworkTables Anahtarı "targetpose" artık "targetpose_cameraspace"
  • Yeni NetworkTables Anahtarı - "targetpose_robotspace"
  • Yeni NetworkTables Anahtarı - "botpose_targetspace"

Sinir Ağı Yükleme​

Öğretilebilir makine modellerini Limelight Sınıflandırıcı Pipeline'ına yükleyin. Tensorflow Lite EdgeTPU uyumlu modeller olduğundan emin olun. .tflite ve .txt etiket dosyalarını ayrı ayrı yükleyin.

2023.1 (19/01/23)​

MegaTag ve Performans Artışları

Bir Hatanın Düzeltilmesi​

Arayüzdeki varsayılan işaretleyici boyutu parametresi 152.4mm olarak düzeltildi (203.2mm'den düşürüldü). Bu, çoğu doğruluk sorununun kaynağıydı.

Artırılmış İzleme Kararlılığı​

AprilTag algılama ve çözümlemeyi ayarlamanın birkaç yolu vardır. Özellikle düşük ışık / düşük pozlama ortamlarında kararlılığı genel olarak iyileştirdik.

Ultra Hızlı Gri Tonlama​

Gri tonlama öncekinden 3-6 kat daha hızlı. Takımlar AprilTag'leri izlerken her zaman gri video akışı görecekler.

Performans İçin Kırpma​

AprilTag işlem hatlarına artık kırpma kaydırıcıları eklendi. Görüntünüzü kırpmak, herhangi bir çözünürlükte kare hızında iyileşme sağlayacaktır.

Daha Kolay Filtreleme​

AprilTag işlem hatlarında artık JSON çıktısını, botpose-etkin etiketleri ve tx/ty-etkin etiketleri filtreleyen tek bir "ID filtresi" alanı bulunmaktadır. İkili filtre kurulumu hatalı ve kafa karıştırıcıydı.

Önemli Değişiklik​

NT Anahtarı "camtran" artık "campose" olarak değiştirildi

JSON güncellemesi​

"botpose" artık json sonuçları dökümünün bir parçası

Saha Uzayı Görselleştirici Güncellemesi​

Saha-uzayı görselleştirici artık 2023 FRC sahasını gösteriyor. Botpose doğruluğunu bir bakışta değerlendirmek artık daha kolay olmalı.

Limelight MegaTag (yeni botpose)​

En öncelikli hedefim, daha yüksek doğruluk, azaltılmış gürültü ve belirsizlik direnci için botpose'u yeniden yazmaktı. Limelight'ın yeni botpose uygulaması MegaTag olarak adlandırılıyor. Birden fazla bireysel saha-uzayı pozunun basit ortalamasını almak yerine, MegaTag esasen tüm etiketleri birkaç anahtar noktası olan dev bir 3D etikette birleştiriyor. Bu büyük avantajlar sağlıyor.

Aşağıdaki GIF, etiket çevirmesini tetiklemek için tasarlanmış bir durumu gösteriyor: Yeşil Silindir: Etiket başına bireysel bot pozu Mavi Silindir: 2023.0.1 BotPose Beyaz Silindir: Yeni MegaTag Botpose

Yeni botpose'un (beyaz silindir) eski botpose'a (mavi silindir) kıyasla ne kadar kararlı olduğuna dikkat edin. tx ve ty değerlerini de izleyebilirsiniz.

İşte etiket belirsizliğini gösteren tam ekran:

İşte avantajları:

Görüş alanında birden fazla etiket varsa, Botpose artık belirsizliklere (etiket çevirme) karşı dirençlidir (yakın ve eş düzlemsel olmadıkları sürece. İdeal olarak anahtar noktalar eş düzlemsel olmamalıdır). Görüş alanında birden fazla etiket varsa, Botpose artık etiket köşelerindeki gürültüye karşı daha dirençlidir. Etiketler birbirinden ne kadar uzaksa, sonuç o kadar iyi olur. Bu, düzlemsel etiketlerle sınırlı değildir. Tam 3D'de ve herhangi bir yönelimde herhangi bir sayıda etikete ölçeklenebilir. Zemin etiketleri ve tavan etiketleri mükemmel çalışır.

İşte basit bir düzlemsel durumda bunun nasıl çalıştığını gösteren bir diyagram. Sonuçlar aslında gösterilenden daha iyi, çünkü gösterilen MegaTag'de bir nokta yerine üç noktaya önemli bir hata uygulanmış. 3D birleşik MegaTag boyut ve anahtar nokta sayısı arttıkça, kararlılığı da artıyor.

Sinir Ağı yüklemesi 2023.2'ye ertelendi!

2023.0.0 ve 2023.0.1 (11/01/23)​

AprilTags, Robot lokalizasyonu, Derin Sinir Ağları, yeniden yazılmış ekran görüntüsü arayüzü ve daha fazlasını tanıtıyoruz.

Özellikler, Değişiklikler ve Hata Düzeltmeleri​

  • Yeni sensör yakalama hattı ve Kazanç kontrolü
    • Yeni yakalama hattımız, 2022'dekinden 100 kat daha kısa pozlama sürelerine izin veriyor. Yeni hat ayrıca Kazanç Kontrolünü de etkinleştiriyor. Bu, AprilTags takibi için son derece önemlidir ve retroreflektif hedeflemeyi her zamankinden daha güvenilir hale getirecektir. Limelight OS 2023'ten önce, Limelight'ın sensör kazancı belirleyici değildi (yine de çalışması için bazı hileler uyguladık).
    • Yeni "Sensör Kazancı" kaydırıcısı ile, takımlar pozlama kaydırıcısına dokunmadan görüntüleri her zamankinden daha karanlık veya daha parlak hale getirebilir. Kazancın artırılması görüntüdeki gürültüyü artıracaktır.
    • Düşük kazancı yeni düşük pozlama süreleriyle birleştirerek, tam parlaklıkta LED'ler ve retroreflektif hedeflerle neredeyse tamamen siyah görüntüler üretmek artık mümkün. Bu, retroreflektif hedefleri takip ederken LED ve güneş ışığı yansımalarını azaltmaya yardımcı olacaktır.
    • Sensör Kazancını artırarak ve pozlamayı azaltarak, takımlar AprilTags'i takip ederken yüksek pozlama sürelerinden kaynaklanan hareket bulanıklığının etkilerini en aza indirebilecekler.
    • Bu yeni hattı tüm özellikleri koruyarak geliştirmeyi başardık - 90fps, donanım yakınlaştırma, vb.
  • Daha Fazla Çözünürlük Seçeneği
    • LL1, LL2 ve LL2+ için iki yeni yakalama çözünürlüğü var: 640x480x90fps ve 1280x960x22fps
  • Optimize Edilmiş Web Arayüzü
    • Web arayüzü artık robot ağlarında 3 kata kadar daha hızlı yüklenip başlatılacak.
  • Yeniden Yazılmış Anlık Görüntü Arayüzü
    • Anlık görüntü özelliği, görüntü yüklemeleri, görüntü indirmeleri ve görüntü silme işlemlerine izin verecek şekilde tamamen yeniden yazıldı. Ayrıca dokümantasyonda detaylandırılan anlık görüntü yakalama için yeni API'ler bulunmaktadır.
  • SolvePnP İyileştirmeleri
    • SolvePnP tabanlı kamera lokalizasyon özelliğimizde, her dört karede bir doğruluğunu ciddi şekilde sınırlayan kötü bir hata vardı. Bu sorun giderildi ve Retroreflektif/Renk SolvePNP görselleştirmeleri için yepyeni tam 3D tuval oluşturuldu.
  • Web Arayüzü Hata Düzeltmesi
    • 2022'de web arayüzünün, flash'tan sonraki ilk önyüklemede kalıcı olarak bozulmasına neden olan ve kullanıcıyı yeniden flash yapmaya zorlayan çok nadir bir sorun vardı. Kök neden bulundu ve kalıcı olarak düzeltildi.
  • Yeni API'ler
    • Limelight artık REST ve Websocket API'lerini içeriyor. REST, Websocket ve NetworkTables API'lerinin tümü, FRC ve diğer tüm uygulamalar için insan tarafından okunabilir, ayrıştırması kolay bir formatta tüm hedefler için tüm verileri listeleyen yeni JSON döküm özelliğini destekliyor.

Kodsuz Öğrenme Tabanlı Görüş & Google Coral Desteği​

  • Google Coral artık tüm Limelight modelleri tarafından destekleniyor. Google Coral, 8-bit sinir ağlarında çıkarım için özel olarak tasarlanmış 4TOPs (Trilyon-İşlem/saniye) USB donanım hızlandırıcısıdır.
  • Birkaç yıl önce retroreflektif takip gibi, FRC robotlarında öğrenme tabanlı görüşün giriş bariyeri ortalama bir takımın bile deneme yapması için çok yüksekti. Limelight ile öğrenme tabanlı görüşü retroreflektif hedefler kadar kolay hale getirmek için gereken tüm altyapıyı geliştirdik.
  • Hazır bir bulut GPU kümemiz, eğitim scriptlerimiz, bir veri seti toplama aracımız ve bir insan etiketleme ekibimiz var. Derin sinir ağlarını ilk kez FRC topluluğuna getirmekten heyecan duyuyoruz.
  • Şu anda iki tür modeli destekliyoruz: Nesne Algılama modelleri ve Görüntü sınıflandırma modelleri.
    • Nesne algılama modelleri, algılanan tüm nesneler için "sınıf ID'leri" ve sınırlayıcı kutular (retroreflektif hedeflerimiz gibi) sağlayacaktır. Bu, gerçek zamanlı oyun parçası takibi için mükemmeldir.
      • Lütfen buradan görüntü göndererek FRC'nin ilk nesne algılama modeline katkıda bulunun: https://datasets.limelightvision.io/frc2023
      • Algılama ağlarını kullanmak için tx, ty, ta ve tclass networktables anahtarlarını veya JSON dökümünü kullanın
    • Görüntü sınıflandırma modelleri bir görüntüyü alacak ve tek bir sınıf etiketi üretecektir.
      • Daha fazla bilgi edinmek ve Limelight için kendi modellerinizi eğitmeye başlamak için Google'ın Teachable Machine'ini kontrol edin.
      • https://www.youtube.com/watch?v=T2qQGqZxkD0
      • Teachable machine modelleri doğrudan Limelight ile uyumludur.
      • Görüntü sınıflandırıcıları, dahili robot durumunu, saha özelliklerinin durumunu ve çok daha fazlasını sınıflandırmak için kullanılabilir.
      • Bu modelleri kullanmak için tclass networktables anahtarını kullanın.
  • Limelight OS 2023.0 özel modelleri yükleme yeteneği sağlamıyor. Bu, yakında 2023.1'de etkinleştirilecek.

Kodsuz AprilTag Desteği​

  • AprilTags, Limelight ile retroreflektif hedefler kadar kolaydır. ID şeklinde doğal bir sert filtreye sahip oldukları için, roboRIO'nuzun görüşle ilgili herhangi bir filtreleme yapması için daha az neden var.
  • Başlamak için tx, ty ve ta'yı normal şekilde kullanın. Kod değişikliği gerekmez. Herhangi bir hedef özelliğine göre sıralayın, hedef gruplarını kullanın, vb.
  • AprilTags hem her zaman kare hem de her zaman benzersiz şekilde tanımlanabilir olduğundan, tam 3D poz hesaplamaları için mükemmel bir platform sağlarlar.
  • Bu özellik için destek kanallarımızda aldığımız geri bildirimler son derece olumlu oldu. AprilTags'i 2D takipten sahadaki tam 3D robot lokalizasyonuna kadar mümkün olduğunca kolaylaştırdık.
  • Daha detaylı bilgi için Saha Haritası Spesifikasyonu ve Koordinat Sistemi Dokümanını kontrol edin.
  • Limelight ile AprilTags'i kullanmanın dört yolu vardır:
  • 2D'de AprilTags
    • tx, ty ve ta'yı kullanın. Pipeline'larınızı belirli bir tag ID'sini arayacak şekilde yapılandırın.
    • <gif>
  • İlgi Noktası 3D AprilTags
    • tx ve ty, ta ve tid networktables anahtarlarını kullanın. İlgi noktası ofseti, çoğu takımın doğrudan AprilTags'e bağlı olmayan hedefleri takip etmesi için ihtiyaç duyacağı tek şeydir.
    • <gif>
  • Tam 3D
    • LL'nizi, robotunuzu veya etiketleri tam 3D'de takip edin. İlgili verileri roboRio'nuza çekmek için campose veya json kullanın.
    • <gif>
  • Saha-Uzayı Robot Lokalizasyonu
    • Limelight'ınıza nasıl monte edildiğini söyleyin, bir saha haritası yükleyin ve LL'niz WPILib Pose Estimator ile kullanılmak üzere robotunuzun saha pozunu sağlayacaktır.
    • Saha koordinat sistemimiz (0,0)'ı bir köşe yerine sahanın merkezine yerleştirir.
    • Bu özellik için botpose networktables anahtarını kullanın.
    • <gif>

2022.3.0 (13/04/22)​

Hata düzeltmeleri ve heartbeat.

Hata Düzeltmeleri​

  • USB Kamera akışları ve çoklu akış örnekleriyle ilgili performans, akış kararlılığı ve akış gecikmesi sorunları düzeltildi.

Özellikler ve Değişiklikler​

  • "hb" Heartbeat NetworkTable anahtarı
    • "hb" değeri her işleme karesinde bir kez artar ve 2000000000'da sıfıra sıfırlanır.

2022.2.3 (16/03/22)​

Hata düzeltmeleri ve robot kodu kırpma filtrelemesi.

Hata Düzeltmeleri​

  • "stream" networktables anahtarı ve Resim İçinde Resim Modları düzeltildi
  • "snapshot" networktables anahtarı düzeltildi. Kullanıcılar ekran görüntüsü almak için "snapshot" anahtarını "1" olarak ayarlamadan önce "0" olarak ayarlamalıdır.
  • Web arayüzünden gereksiz python ile ilgili uyarılar kaldırıldı

Özellikler ve Değişiklikler​

  • Manuel Kırpma Filtrelemesi
    • "crop" networktables dizisini kullanarak, takımlar artık kırpma dikdörtgenlerini robot kodundan kontrol edebilir.
    • "crop" anahtarının çalışması için, mevcut işlem hattı varsayılan, tamamen açık kırpma dikdörtgenini kullanmalıdır (minX ve minY için -1, maxX ve maxY için +1).
    • Ayrıca, "crop" networktable dizisi tam olarak 4 değere sahip olmalı ve bu değerlerden en az biri sıfır olmamalıdır.

2022.2.2 (23/02/22)​

Week 0 ve FMS güvenilirlik testlerine dayalı olarak tüm takımlar için zorunlu güncelleme.

Hata Düzeltmeleri​

  • Açık web arayüzleri, FMS, FMS benzeri kurulumlar, çoklu görüntüleyici cihazlar vb. ile ilgili donma / bağlantı kaybı / hedefleme kaybı düzeltildi.

Özellikler ve Değişiklikler​

  • Kırpma Filtresi

    • Belirtilen kırpma dikdörtgeninin dışındaki tüm pikselleri yok say
    • Volanınızın sahada herhangi bir tatlı noktası varsa, belirli boru hatlarındaki piksellerin büyük çoğunluğunu yok saymak için kırpma filtresini kullanabilirsiniz. Bu özellik, takımların hedef olmayan nesneleri izleme olasılığını azaltmalarına yardımcı olmalıdır.
    • Kargo takip ediyorsanız, görüntünün belirli bir bölümündeki kargoyu aramak için bu özelliği kullanın. Takımınızın tamponlarını, uzaktaki hedefleri vb. yok saymayı düşünün.

  • Köşeler özelliği artık akıllı hedef gruplandırma ile uyumlu

    • Bu, RIO üzerinde daha gelişmiş özel görüş yapmak isteyen takımlar için
    • "tcornxy" köşe limiti 64 köşeye yükseltildi
    • Kontur basitleştirme ve zorunlu dışbükey özellikleri artık akıllı hedef gruplandırma ve köşe gönderme ile düzgün çalışıyor

  • IQR Filtresi maksimumu 3.0'a yükseltildi

  • Web arayüzü canlı hedef güncelleme hızı, web arayüzü açıkken bant genişliği ve işlemci yükünü azaltmak için 30fps'den 15fps'ye düşürüldü

2022.1 (25/01/22)​

Hata Düzeltmeleri​

  • Tedarikçilerimizden birinden özellikle Limelight 2'de kullanılan CPU'ların yaklaşık 1/75'ini etkileyen bir sorun (ve çözüm!) hakkında bilgi aldık (belirli bir parti ile ilgili olabilir). Bu mantıklı, ve 2022 görüntüsü ile 2020 görüntüsü arasındaki kalan birkaç önyükleme farklılığından biriydi.
  • GRIP girişleri ve SolvePNP Modelleri için yükleme düğmeleri düzeltildi

Özellikler​

  • Ton Gökkuşağı

    • Yeni ton gökkuşağı, ton eşiğini yapılandırmayı daha kolay hale getirir.

  • Ton Tersine Çevirme

    • Yeni ton tersine çevirme özelliği, kırmızı nesneleri izlemek istiyorsanız kritik bir özelliktir, çünkü kırmızı ton aralığının hem başında hem de sonunda yer alır:

  • Yeni Python Kütüphaneleri

    • Python sandbox'ımıza scipy, scikit-image, pywavelets, pillow ve pyserial eklendi.

2022.0 ve 2022.0.3 (15/01/22)​

Bu önemli bir güncelleme. İşte dört ana değişiklik:

Özellikler​

  • Akıllı Hedef Gruplandırma

    • Tüm bireysel hedef filtrelerini geçen hedefleri otomatik olarak gruplandırır.
    • -grup boyutu sürgüsü minimumu- ve -grup boyutu sürgüsü maksimumu- arasındaki herhangi bir sayıda hedefi dinamik olarak gruplandıracaktır.

  • Aykırı Değer Reddi

    • Bu hedef diğer hedeflerden daha zorlu olsa da, bize daha fazla filtreleme fırsatı sunuyor. Kavramsal olarak, bu hedef basit bir "yeşil leke"den daha fazlasıdır. Hedefin birbirine yakın birden fazla hedeften oluştuğunu bildiğimiz için, tek başına duran aykırı hedefleri gerçekten reddedebiliriz.
    • Bu yılki hedef için neredeyse tamamen iyi hedef filtrelemeye güvenmelisiniz ve yalnızca kamera akışınızda sahte aykırı değerler görüyor veya bekliyorsanız aykırı değer reddini kullanmalısınız. Zayıf standart hedef filtrelemeniz varsa, aykırı değer tespiti size karşı çalışmaya başlayabilir!

  • Limelight 2022 Görüntü Yükseltmeleri Yazılımımızdan yüzlerce hareketli parçayı kaldırdık. İşte sonuçlar:

    • Sıkıştırılmış Görüntü Boyutu: 2020'de 1.3 GB → 2022 için 76MB (17 kat azaltıldı!)
    • İndirme süresi: 2020'de 10'larca dakika → 2022 için saniyeler
    • Flash süresi: 2020'de 5+ dakika → 2022 için saniyeler
    • Başlatma süresi: 2020'de 35+ saniye → 2022 için 14 saniye (LED'lerin yanması için 10 saniye)

  • Tam Python Programlama

    • Limelight, çok sayıda öğrenciyi robotikte bilgisayarlı görünün bazı yetenekleriyle başarıyla tanıştırdı. Python programlama ile, takımlar artık kendi görüntü işleme süreçlerini yazarak bir adım daha ileri gidebilirler.

  • Bu güncelleme, Limelight 1 dahil tüm Limelight Donanımlarıyla uyumludur.

  • Bilinen sorunlar: Python ile donanım yakınlaştırma kullanmak beklenmeyen sonuçlar üretecektir.

  • 2022.0.3, 5802 GRIP akışını geri getirir ve bazı başlatma süresi optimizasyonlarını geri alarak bazı LL2 ünitelerindeki başlatma sorunlarını çözer. Başlatma süresi 16 saniyeye çıkarılmıştır.