NetworkTables API
Limelight OS 具有 NetworkTables 4 客户端。它会根据在设置界面中配置的车队编号/ID自动连接到在FRC机器人上运行的 NetworkTables 4 服务器。
所有数据都发布到与设备名称匹配的表中(例如 "limelight")。如果为相机分配了 主机名/昵称，表名将与完整的 limelight 名称匹配(例如 "limelight-top")。
LimelightLib WPIJava 和 LimelightLib WPICPP 通过 NetworkTables 与 Limelight 设备进行交互。
基础目标数据
使用以下代码：
- 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>');
获取 以下数据：
| 键 | 类型 | 描述 |
|---|---|---|
| tv | int | 存在有效目标时为1。不存在有效目标时为0 |
| tx | double | 从准星到目标的水平偏移量 (LL1: -27度到27度 / LL2: -29.8到29.8度) |
| ty | double | 从准星到目标的垂直偏移量 (LL1: -20.5度到20.5度 / LL2: -24.85到24.85度) |
| txnc | double | 从主像素到目标的水平偏移量(度) |
| tync | double | 从主像素到目标的垂直偏移量(度) |
| ta | double | 目标区域(图像的0%到100%) |
| tl | double | 管道的延迟贡献(毫秒)。加上"cl"得到总延迟。 |
| cl | double | 捕获管道延迟(毫秒)。从传感器中间行曝光结束到跟踪管道开始的时间。 |
| t2d | double | 包含多个匹配时间戳统计值的数组：[目标有效性、目标数量、目标延迟、捕获延迟、tx、ty、txnc、tync、ta、tid、目标类索引检测器、目标类索引分类器、目标长边像素、目标短边像素、目标水平范围像素、目标垂直范围像素、目标倾斜度] |
| getpipe | int | 相机当前激活的管道索引(0 .. 9) |
| getpipetype | string | 管道类型，例如"pipe_color" |
| json | string | 目标结果的完整JSON转储。必须在'output'选项卡中按管道启用 |
| tclass | string | 主要神经检测器结果或神经分类器结果的类名 |
| tc | doubleArray | 获取准星区域下方(3x3像素区域)的平均HSV颜色作为数字数组 |
| hb | double | 心跳值。每帧增加一次，在20亿时重置 |
| hw | doubleArray | 硬件指标 [fps, cpu温度, 内存使用 率, 温度] |
| crosshairs | doubleArray | 2D准星 [cx0, cy0, cx1, cy1] |
| tcclass | string | 分类器管道计算的类名称 |
| tdclass | string | 检测器管道的主要检测类名称 |
AprilTag和3D数据
使用以下代码：
- Java
- C++
NetworkTableInstance.getDefault().getTable("limelight").getEntry("<variablename>").getDoubleArray(new double[6]);
nt::NetworkTableInstance::GetDefault().GetTable("limelight")->GetNumberArray("<variablename>",std::vector<double>(6));
获取以下数据：
| 键名 | 类型 | 描述 |
|---|---|---|
| botpose | doubleArray | 机器人在场地空间中的变换。平移(X,Y,Z)单位为米，旋转(Roll,Pitch,Yaw)单位为度，总延迟(cl+tl)，标签数量，标签跨度，相机到标签的平均距离，平均标签面积(图像百分比) |
| botpose_wpiblue | doubleArray | 机器人在场地空间中的变换(蓝方驾驶站WPILIB原点)。平移(X,Y,Z)单位为米，旋转(Roll,Pitch,Yaw)单位为度，总延迟(cl+tl)，标签数量，标签跨度，相机到标签的平均距离，平均标签面积(图像百分比) |
| botpose_wpired | doubleArray | 机器人在场地空间中的变换(红方驾驶站WPILIB原点)。平移(X,Y,Z)单位为米，旋转(Roll,Pitch,Yaw)单位为度，总延迟(cl+tl)，标签数量，标签跨度，相机到标签的平均距离，平均标签面积(图像百分比) |
| botpose_orb | doubleArray | 机器人在场地空间中的变换(Megatag2)。平移(X,Y,Z)单位为米，旋转(Roll,Pitch,Yaw)单位为度，总延迟(cl+tl)，标签数量，标签跨度，相机 到标签的平均距离，平均标签面积(图像百分比) |
| botpose_orb_wpiblue | doubleArray | 机器人在场地空间中的变换(Megatag2)(蓝方驾驶站WPILIB原点)。平移(X,Y,Z)单位为米，旋转(Roll,Pitch,Yaw)单位为度，总延迟(cl+tl)，标签数量，标签跨度，相机到标签的平均距离，平均标签面积(图像百分比) |
| botpose_orb_wpired | doubleArray | 机器人在场地空间中的变换(Megatag2)(红方驾驶站WPILIB原点)。平移(X,Y,Z)单位为米，旋转(Roll,Pitch,Yaw)单位为度，总延迟(cl+tl)，标签数量，标签跨度，相机到标签的平均距离，平均标签面积(图像百分比) |
| camerapose_targetspace | doubleArray | 相机在主视野AprilTag坐标系中的3D变换(数组(6)) [tx, ty, tz, pitch, yaw, roll] (米，度) |
| targetpose_cameraspace | doubleArray | 主视野AprilTag在相机坐标系中的3D变换(数组(6)) [tx, ty, tz, pitch, yaw, roll] (米，度) |
| targetpose_robotspace | doubleArray | 主视野AprilTag在机器人坐标系中的3D变换(数组(6)) [tx, ty, tz, pitch, yaw, roll] (米，度) |
| botpose_targetspace | doubleArray | 机器人在主视野AprilTag坐标系中的3D变换(数组(6)) [tx, ty, tz, pitch, yaw, roll] (米，度) |
| camerapose_robotspace | doubleArray | 相机在机器人坐标系中的3D变换(数组(6)) |
| tid | int | 主视野AprilTag的ID |
| stddevs | doubleArray | MegaTag标准差 [MT1x, MT1y, MT1z, MT1roll, MT1pitch, MT1Yaw, MT2x, MT2y, MT2z, MT2roll, MT2pitch, MT2yaw] |
| camerapose_robotspace_set | doubleArray | 设置相机在机器人坐标系中的位姿 |
| priorityid | int | 设置tx/ty目标所需的ID。忽略其他目标。不影响定位 |
| robot_orientation_set | doubleArray | 设置机器人方向和角速度，单位为度和度/秒[偏航,偏航率,俯仰,俯仰率,翻滚,翻滚率] |
| fiducial_id_filters_set | doubleArray | 覆盖定位的有效基准ID(数组) |
| fiducial_offset_set | doubleArray | 设置3D兴趣点偏移[x,y,z] |
相机控制
使用以下代码：
- 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>)
设置以下数据：
| ledMode | 设置 Limelight 的 LED 状态 |
|---|---|
| [0] | 使用当前管道中设置的 LED 模式 |
| [1] | 强制关闭 |
| [2] | 强制闪烁 |
| [3] | 强制开启 |
| pipeline | 设置 Limelight 的当前管道 |
|---|---|
| 0 .. 9 | 选择管道 0..9 |
| stream | 设置 Limelight 的流模式 |
|---|---|
| 0 | 标准 - 如果网络摄像头连接到 Limelight，则显示并排流 |
| 1 | 画中画主要 - 次要相机流放置在主要相机流的右下角 |
| 2 | 画中画次要 - 主要相机流放置在次要相机流的右下角 |
| crop | (数组) 设置裁剪矩形。管道必须在网页界面中使用默认裁剪矩形。数组必须恰好有 4 个条目。 |
|---|---|
| [0] | X0 - 裁剪矩形的最小或最大 X 值（-1 到 1） |
| [1] | X1 - 裁剪矩形的最小或最大 X 值（-1 到 1） |
| [2] | Y0 - 裁剪矩形的最小或最大 Y 值（-1 到 1） |
| [3] | Y1 - 裁剪矩形的最小或最大 Y 值（-1 到 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 脚本允许任意的入站和出站数据。
| llpython | 由 Python 脚本发送的数字数组。可在机器人代码中访问。 |
| llrobot | 由机器人发送的数字数组。可在 Python SnapScripts 中访问。 |
原始数据
角点：
在"Output"选项卡中启用"send contours"以流式传输角点坐标：
| tcornxy | 角点坐标的数字数组 [x0,y0,x1,y1......] |
原始目标：
Limelight 向 NetworkTables 发送三个不受分组模式影响的原始轮廓。也就是说，它们会经过管道参数过滤，但不会被分组。X 和 Y 以标准化屏幕空间（-1 到 1）而不是角度返回。
| rawtargets | [txnc,tync,ta,txnc2,tync2,ta2....] |
原始基准标记：
获取所有有效（ 未过滤）的基准标记
| rawfiducials | [id, txnc, tync, ta, distToCamera, distToRobot, ambiguity, id2.....] |
原始检测：
获取所有有效（未过滤）的神经网络检测结果
| rawdetections | [id, txnc, tync, ta, corner0x, corner0y, corner1x, corner1y, corner2x, corner2y, corner3x, corner3y, id2.....] |
原始条形码：
获取所有有效（未过滤）的条形码结果
| rawbarcodes | 条形码数据的字符串数组 |