跳到主要内容

JSON 结果规范

Limelight 的 JSON 结果输出是包含目标识别结果的数组集合。针对回射、基准标记、神经网络分类器和神经网络检测器的结果分别存在独立的数组。 JSON 具有人类可读性，且在任何平台上使用任何语言都易于解析，因此非常适合大多数使用场景。

相同的 JSON 结果输出可以通过 REST/HTTP、Websocket 和 NetworkTables API 获取。

使用我们的 FRC 库解析此 JSON 输出非常简单。

Limelightlib 内置了将 JSON Dump 解析为 LimelightResults 对象的功能。

https://github.com/LimelightVision/limelightlib-wpijava

https://github.com/LimelightVision/limelightlib-wpicpp

每个 JSON 结果包含以下条目：

键名值描述
tl目标识别延迟（本帧跟踪循环消耗的毫秒数）
cl捕获延迟（从中间行曝光结束到跟踪循环开始之间的毫秒数）
tx从十字准星到目标的水平偏移（LL1: -27度到27度 / LL2: -29.8度到29.8度）
ty从十字准星到目标的垂直偏移（LL1: -20.5度到20.5度 / LL2: -24.85度到24.85度）
txnc从主像素点到目标的水平偏移（度）
tync从主像素点到目标的垂直偏移（度）
ta未畸变、归一化的目标面积（0-100）
PythonOutPython SnapScript 管道的输出数据
stdev_mt1MT1 标准差 [x, y, z, roll, pitch, yaw]（米，度）
stdev_mt2MT2 标准差 [x, y, z, roll, pitch, yaw]（米，度）
pID当前管道索引
pTYPE当前管道类型，例如 "pipe_color"
ts从启动开始的时间戳（毫秒）
v有效性指示器。1 = 有效目标，0 = 无有效目标
botpose机器人位姿（MegaTag）：x,y,z, roll, pitch, yaw（米，度）
botpose_wpired机器人位姿（MegaTag，WPI 红方驾驶站）：x,y,z, roll, pitch, yaw（米，度）
botpose_wpiblue机器人位姿（MegaTag，WPI 蓝方驾驶站）：x,y,z, roll, pitch, yaw（米，度）
botpose_orb机器人位姿（MegaTag2）：x,y,z, roll, pitch, yaw（米，度）
botpose_orb_wpired机器人位姿（MegaTag2，WPI 红方驾驶站）：x,y,z, roll, pitch, yaw（米，度）
botpose_orb_wpiblue机器人位姿（MegaTag2，WPI 蓝方驾驶站）：x,y,z, roll, pitch, yaw（米，度）
botpose_avgarea用于计算机器人位姿的标签平均面积
botpose_avgdist用于计算机器人位姿的标签之间的最大距离（米）
botpose_span用于计算机器人位姿的标签之间的最大距离（米）
botpose_tagcount用于计算机器人位姿的标签数量
Retro颜色/回射管道结果数组
FiducialAprilTag 管道结果数组
Detector神经网络检测器管道结果数组
Classifier分类器管道结果数组
Barcode条形码管道结果数组

颜色/回射结果​

"Retro" 数组包含具有以下结构的条目：

键名值描述
t6c_ts由 solvepnp 计算的相机在目标空间中的位姿 (x,y,z,rx,ry,rz)
t6r_fs由 solvepnp 计算的机器人在场地空间中的位姿 (x,y,z,rx,ry,rz)
t6r_ts由 solvepnp 计算的机器人在目标空间中的位姿 (x,y,z,rx,ry,rz)
t6t_cs由 solvepnp 计算的目标在相机空间中的位姿 (x,y,z,rx,ry,rz)
t6t_rs由 solvepnp 计算的目标在机器人空间中的位姿 (x,y,z,rx,ry,rz)
ta目标大小占图像的百分比 (0-1)
tx目标中心相对于十字准星的 X 坐标（度）。正值向右，中心为零
tx_nocross目标中心相对于主像素点的 X 坐标（度）。正值向右，中心为零
txp目标中心相对于十字准星的 X 坐标（像素）。正值向右，中心为零
ty目标中心相对于十字准星的 Y 坐标（度）。正值向下，中心为零
ty_nocross目标中心相对于主像素点的 Y 坐标（度）。正值向右，中心为零
typ目标中心相对于十字准星的 Y 坐标（像素）。正值向下，中心为零
pts角点数组（像素）[x0,y0,x1,y1.....]。必须在输出选项卡中启用
颜色/回射管道的 JSON 示例
{
  "Barcode": [],
  "Classifier": [],
  "Detector": [],
  "Fiducial": [],
  "PythonOut": [],
  "Retro": [
    {
      "pts": [],
      "t6c_ts": [],
      "t6r_fs": [],
      "t6r_ts": [],
      "t6t_cs": [],
      "t6t_rs": [],
      "ta": 0.00531171215698123,
      "tx": -4.535492777705656,
      "tx_nocross": -4.428826910553056,
      "txp": 542.53076171875,
      "ty": -1.1722867231218714,
      "ty_nocross": -0.09285491974145543,
      "typ": 504.5538635253906
    },
    {
      "pts": [],
      "t6c_ts": [],
      "t6r_fs": [],
      "t6r_ts": [],
      "t6t_cs": [],
      "t6t_rs": [],
      "ta": 0.005779948551207781,
      "tx": 8.465099348209478,
      "tx_nocross": 8.571765215362078,
      "txp": 822.1087036132812,
      "ty": -2.524207730360601,
      "ty_nocross": -1.444775926980185,
      "typ": 533.6112060546875
    },
  ],
  "botpose": [
    0,
    0,
    0,
    0,
    0,
    0
  ],
  "botpose_avgarea": 0,
  "botpose_avgdist": 0,
  "botpose_orb": [
    0,
    0,
    0,
    0,
    0,
    0
  ],
  "botpose_orb_wpiblue": [
    0,
    0,
    0,
    0,
    0,
    0
  ],
  "botpose_orb_wpired": [
    0,
    0,
    0,
    0,
    0,
    0
  ],
  "botpose_span": 0,
  "botpose_tagcount": 0,
  "botpose_wpiblue": [
    0,
    0,
    0,
    0,
    0,
    0
  ],
  "botpose_wpired": [
    0,
    0,
    0,
    0,
    0,
    0
  ],
  "cl": 37.619998931884766,
  "focus_metric": 0,
  "pID": 0,
  "pTYPE": "pipe_color",
  "stdev_mt1": [
    0,
    0,
    0,
    0,
    0,
    0
  ],
  "stdev_mt2": [
    0,
    0,
    0,
    0,
    0,
    0
  ],
  "t6c_rs": [
    0,
    0,
    0,
    0,
    0,
    0
  ],
  "ta": 0.39156023412942886,
  "tl": 22.64053726196289,
  "ts": 215248.979204,
  "tx": -4.3848327488723555,
  "txnc": -4.278166881719756,
  "ty": -1.1144596937982527,
  "tync": -0.035027890417836716,
  "v": 1
}

AprilTag/基准标记结果​

"Fiducial" 数组包含具有以下结构的条目：

键名值描述
fid基准标记 ID
fam基准标记系列（16H5C, 25H9C, 36H11C 等）
pts返回单个角点。必须启用。
skew当前未使用
t6c_ts由此基准标记计算的相机在目标空间中的位姿 (x,y,z,pitch,yaw,roll)（米，度）
t6r_fs由此基准标记计算的机器人在场地空间中的位姿 (x,y,z,pitch,yaw,roll)（米，度）
t6r_fs_orb由此基准标记计算的机器人在场地空间中的位姿（Megatag2）(x,y,z,pitch,yaw,roll)（米，度）
t6r_ts由此基准标记计算的机器人在目标空间中的位姿 (x,y,z,pitch,yaw,roll)（米，度）
t6t_cs由此基准标记计算的目标在相机空间中的位姿 (x,y,z,pitch,yaw,roll)（米，度）
t6t_rs由此基准标记计算的目标在机器人空间中的位姿 (x,y,z,pitch,yaw,roll)（米，度）
ta目标大小占图像的百分比 (0-1)
tx目标中心相对于十字准星的 X 坐标（度）。正值向右，中心为零
tx_nocross目标中心相对于主像素点的 X 坐标（度）。正值向右，中心为零
txp目标中心相对于十字准星的 X 坐标（像素）。正值向右，中心为零
ty目标中心相对于十字准星的 Y 坐标（度）。正值向下，中心为零
ty_nocross目标中心相对于主像素点的 Y 坐标（度）。正值向右，中心为零
typ目标中心相对于十字准星的 Y 坐标（像素）。正值向下，中心为零
pts角点数组（像素）[x0,y0,x1,y1.....]。必须在输出选项卡中启用
AprilTag 管道的 JSON 示例
{
    "Classifier": [],
    "Detector": [],
    "Fiducial": [
    {
        "fID": 2,
        "fam": "16H5C",
        "pts": [],
        "skew": [],
        "t6c_ts": [
        0.33247368976801916,
        -0.05672695778305914,
        -2.5042031405987144,
        -4.680849607956358,
        -5.171154989721864,
        4.528697946312339
        ],
        "t6r_fs": [
        4.738896418276903,
        -1.5926603672041666,
        0.5194469577830592,
        4.522658587661256,
        4.258580454853879,
        5.5236539893713275
        ],
        "t6r_ts": [
        0.33247368976801916,
        -0.05672695778305914,
        -2.5042031405987144,
        -4.680849607956358,
        -5.171154989721864,
        4.528697946312339
        ],
        "t6t_cs": [
        -0.09991902572799474,
        -0.1234042720218289,
        2.5218203039582496,
        4.278368708252767,
        5.508508005282244,
        -4.1112864453027775
        ],
        "t6t_rs": [
        -0.09991902572799474,
        -0.1234042720218289,
        2.5218203039582496,
        4.278368708252767,
        5.508508005282244,
        -4.1112864453027775
        ],
        "ta": 0.005711808800697327,
        "tx": -2.0525293350219727,
        "txp": 149.4874725341797,
        "ty": 2.7294836044311523,
        "typ": 107.14710235595703
    }
    ],
    "Retro": [],
    "pID": 0,
    "tl": 19.78130340576172,
    "ts": 3284447.910569,
    "v": 1
}

神经网络检测器结果​

"Detector" 数组包含具有以下结构的条目：

键名值描述
class人类可读的类别名称字符串
classID类别 ID 整数
conf预测的置信度
pts单个角点作为 [x,y] 像素数组。中心为零，正值向右和向下。必须启用。
ta目标大小占图像的百分比 (0-1)
tx目标中心相对于十字准星的 X 坐标（度）。正值向右，中心为零
tx_nocross目标中心相对于主像素点的 X 坐标（度）。正值向右，中心为零
txp目标中心相对于十字准星的 X 坐标（像素）。正值向右，中心为零
ty目标中心相对于十字准星的 Y 坐标（度）。正值向下，中心为零
ty_nocross目标中心相对于主像素点的 Y 坐标（度）。正值向右，中心为零
typ目标中心相对于十字准星的 Y 坐标（像素）。正值向下，中心为零
pts角点数组（像素）[x0,y0,x1,y1.....]。必须在输出选项卡中启用
检测器管道的 JSON 示例
{
    "Classifier": [],
    "Detector": [
    {
        "class": "person",
        "classID": 0,
        "conf": 0.83984375,
        "pts": [],
        "ta": 0.2608712911605835,
        "tx": -2.45949649810791,
        "txp": 147.5,
        "ty": -10.066887855529785,
        "typ": 165.5
    }
    ],
    "Fiducial": [],
    "Retro": [],
    "pID": 0,
    "tl": 63.50614547729492,
    "ts": 4932985.266867,
    "v": 1
}

神经网络分类器结果​

"Classifier" 数组包含具有以下结构的条目：

键名值描述
class人类可读的类别名称字符串
classID类别 ID 整数
conf预测的置信度
分类器管道的 JSON 示例
{
    "Classifier": [
    {
        "class": "digital clock",
        "classID": 531,
        "conf": 0.16796875
    }
    ],
    "Detector": [],
    "Fiducial": [],
    "Retro": [],
    "pID": 0,
    "tl": 16.704740524291992,
    "ts": 4751332.7542280005,
    "v": 1
}

条形码结果​

"Barcode" 数组包含具有以下结构的条目：

键名值描述
fam条形码系列，例如 "qr"
data解码后的条形码数据字符串
ta目标大小占图像的百分比 (0-1)
tx目标中心相对于十字准星的 X 坐标（度）。正值向右，中心为零
tx_nocross目标中心相对于主像素点的 X 坐标（度）。正值向右，中心为零
txp目标中心相对于十字准星的 X 坐标（像素）。正值向右，中心为零
ty目标中心相对于十字准星的 Y 坐标（度）。正值向下，中心为零
ty_nocross目标中心相对于主像素点的 Y 坐标（度）。正值向右，中心为零
typ目标中心相对于十字准星的 Y 坐标（像素）。正值向下，中心为零
pts角点数组（像素）[x0,y0,x1,y1.....]。必须在输出选项卡中启用
条形码管道的 JSON 示例
{
    "Barcode": [
    {
        "fam": "QR",
        "data": "Hello, World!",
        "txp": 150.5,
        "typ": 120.75,
        "tx": -2.5,
        "ty": 1.8,
        "tx_nocross": -2.3,
        "ty_nocross": 2.0,
        "ta": 0.05,
        "pts": [[140, 110], [160, 110], [160, 130], [140, 130]]
    }
    ],
    "Classifier": [],
    "Detector": [],
    "Fiducial": [],
    "Retro": [],
    "pID": 0,
    "tl": 15.2,
    "ts": 4751332.7542280005,
    "v": 1
}