NetworkTables API

Limelight OS 具有 NetworkTables 4 客户端。它根据在设置 UI 中配置的团队编号/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"）。如果为您的相机分配了主机名/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 设备交互。

基本目标数据

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>');

来检索以下数据:

键	类型	描述
tv	int	如果存在有效目标则为1。如果不存在有效目标则为0
tx	double	从准星到目标的水平偏移 (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 (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(度)
tync	double	从主像素到目标的垂直偏移(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: [targetValid, targetCount, targetLatency, captureLatency, tx, ty, txnc, tync, ta, tid, targetClassIndexDetector , targetClassIndexClassifier, targetLongSidePixels, targetShortSidePixels, targetHorizontalExtentPixels, targetVerticalExtentPixels, targetSkewDegrees]
getpipe	int	相机的真实活动管道索引 (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NumberArray
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, 温度]
crosshairs	doubleArray	2D准星 [cx0, cy0, cx1, cy1]
tcclass	string	分类器管道计算的类名
tdclass	string	检测器管道的主要检测名称

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));

来检索以下数据:

键	类型	描述
botpose	doubleArray	场地空间中的机器人变换。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，平均标签距离相机距离，平均标签面积(图像百分比)
botpose_wpiblue	doubleArray	场地空间中的机器人变换(蓝色驾驶站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，平均标签距离相机距离，平均标签面积(图像百分比)
botpose_wpired	doubleArray	场地空间中的机器人变换(红色驾驶站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，平均标签距离相机距离，平均标签面积(图像百分比)
botpose_orb	doubleArray	场地空间中的机器人变换(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，平均标签距离相机距离，平均标签面积(图像百分比)
botpose_orb_wpiblue	doubleArray	场地空间中的机器人变换(Megatag2)(蓝色驾驶站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，平均标签距离相机距离，平均标签面积(图像百分比)
botpose_orb_wpired	doubleArray	场地空间中的机器人变换(Megatag2)(红色驾驶站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，平均标签距离相机距离，平均标签面积(图像百分比)
camerapose_targetspace	doubleArray	相机在主视野内AprilTag坐标系中的3D变换(数组(6)) [tx, ty, tz, pitch, yaw, roll] (米，度)
targetpose_cameraspace	doubleArray	主视野内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	主视野内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	机器人在主视野内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	主视野内AprilTag的ID

camerapose_robotspace_set	doubleArray	设置相机在机器人坐标系中的姿态。
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,滚转,滚转率]
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>)

来设置以下数据：

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 - 如果有网络摄像头连接到 Limelight，则显示并排流
1	画中画主要 - 次要摄像头流放置在主要摄像头流的右下角
2	画中画次要 - 主要摄像头流放置在次要摄像头流的右下角

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 NumberArray。这在机器人代码中可访问。
llrobot	由机器人发送的 NumberArray。这在 Python SnapScripts 中可访问。

原始数据

角点:

在"输出"选项卡中启用"发送轮廓"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 发布三个原始轮廓,这些轮廓不受分组模式的影响。也就是说,它们通过管道参数进行过滤,但从不分组。X 和 Y 以归一化屏幕空间(-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

rawfiducials

[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

NetworkTables API

基本目标数据​

AprilTag 和 3D 数据​

相机控制​

Python​

原始数据​

基本目标数据

AprilTag 和 3D 数据

相机控制

Python

原始数据