跳到主要内容

软件更新日志和反馈

通过电子邮件或在 Limelight 反馈仓库 提交问题和功能请求

Limelight OS 2024.10.2 (10/28/24)​

Python Snapscript 修复 (感谢 - FTC 队伍 23251 TRIPLE FAULT)​

  • 使用 Limelight3A 的控制中心时，Python 输出将不再冻结
  • 在 Python 管道之间切换时，Python 输出将不再冻结

MT2 边缘情况​

https://github.com/LimelightVision/limelight-feedback/issues/23

  • 在没有机器人的情况下测试 MT2 时，很容易产生几何上的不可能情况
  • 这种边缘情况不会将 mt2 机器人位姿归零 - 而是会将相机位姿归零
  • 当检测到这种边缘情况时，机器人现在会被放置在 (0,0,0) 位置

静态 IP 地址设置​

https://github.com/LimelightVision/limelight-feedback/issues/25

  • 如果 IP 地址以 .1-.10 或 .20-.255 结尾，IP 地址设置器会添加警告，因为这些地址可能会干扰 FMS 或其他设备
  • 在 2024.10.1 版本中，当地址方案设置为"自动"时，UI 有时会错误地提示已配置静态 IP

STDDevs NetworkTables​

https://github.com/LimelightVision/limelight-feedback/issues/24

  • NetworkTables 中的 "stddevs" 包含 mt1 和 mt2 的所有标准差（双精度数组，12个元素）

模型上传边缘情况​

  • 如果将分类器模型上传到检测器管道，图像上将显示 "check model"
  • 如果将检测器模型上传到分类器管道，图像上将显示 "check model"

Limelight OS 2024.10.1 (9/15/24)​

Limelight 3A 更新​

  • 更新默认色彩平衡值
  • 更新默认 AprilTag 尺寸配置为 101.6 毫米
  • 降低默认视频流帧率至 30FPS
  • 略微增加视频流压缩以减少流比特率

AprilTag 尺寸警告​

  • 如果配置的 AprilTag 尺寸与上传的场地地图中的尺寸不匹配，则在场地空间可视化器中添加警告。
示例横幅

CameraPose_RobotSpace 错误修复​

  • 从 NetworkTables/LimelightLib/REST 覆盖 UI 配置的相机姿态现在可以正常工作了。

Limelight OS 2024.10 (2024年4月9日)​

FTC支持Limelight 3A​

  • 完全支持Limelight3A
  • 3A可在FTC和FRC中使用

AprilTag地图更新​

  • 地图编辑器现在支持标准和菱形FTC地图生成
  • LLOS网页界面将根据上传的地图自动显示正确的场地类型
  • 所有工具和界面中的场地可视化器都显示联盟区域和FTC瓷砖网格
  • 改进了3D可视化器的性能

在ControlHub和RoboRio上支持USB Limelight​

  • FTC团队可以在Control Hub上使用单个支持USB的Limelight
  • FRC团队可以在RoboRio上使用最多16个支持USB的Limelight。USB Limelight会像以太网Limelight一样自动填充networktables
    • 要使用多个USB Limelight，请为每个LL分配唯一的USB索引和主机名

USB连接性升级​

  • MacOS不再使用USB以太网Limelight接口访问互联网
  • Windows不再尝试使用USB以太网Limelight接口访问互联网

REST API更新​

  • 修复update-robotorientation POST请求
  • 无需NetworkTables即可完全访问MT2
  • 一旦使用update-robotorientation路由，NetworkTables方向更新将被禁用，直到重启

Limelight OS 2024.9.1 (7/7/24)​

  • Map Builder Tool 现在接受/转换 WPILib .json AprilTag 布局
  • 在 Python Snapscripts 中添加 AprilTag3 (from apriltag import apriltag)
  • 请参考 GitHub 示例仓库中的示例
  • 修复 Windows 上的 USB 连接网关问题

mosaic 截图:

Limelight OS 2024.9 (2024年5月7日)​

MegaTag 升级​

  • Limelight OS 已升级至 NetworkTables 4.0

  • MegaTag2 现在使用 NT4 的 getAtomic() 从 roboRIO 获取带时间戳的 IMU 更新。

  • 我们的带时间戳图像帧会在插值之前与两个最相关的 IMU 样本进行匹配。

  • NT4 flush() 已添加到 LimelightLib。在旧版本的 Limelight OS 中添加 Flush() 可以获得接近 2024.9 的性能，但 NT4 确保始终保持高精度。

  • MT2 可视化机器人现在使用绿色保险杠，MT1 的可视化机器人使用黄色保险杠。

  • 指标现在可以折叠，虚拟机器人可以隐藏。

  • 以下视频展示了 2024.9 的 MegaTag 2（绿色机器人）使用机器人端 flush() 比 2024.5 的 MegaTag2（红色机器人）在不使用 Flush() 时更稳健

USB ID 和新的 USB IP 地址​

  • 在设置页面中设置"USB ID"以在任何系统上使用多个 USB Limelight。
  • 系统上出现的 USB-以太网接口将使用由 USB ID 决定的 IP 地址
  • Linux/Android/Mac 系统现在默认使用 172.29.0.0/24 子网
  • Windows 系统现在默认使用 172.28.0.0/24 子网
  • 如果设置了 USBID，Linux/Android/Mac 的子网将更改为 172.29.(USBID).0/24，Windows 的子网将更改为 172.28.(USBID).0/24
  • 现在您可以通过调整主机名和 USB ID，将四个 Limelight 设备连接到单个 USB 集线器

CPU 神经网络分类器​

  • 上传 CPU .tflite 分类器，无需 Google Coral 即可启用神经网络分类。在 LL3 变体上可以达到 15-18 FPS。
  • 2024.9 附带默认 CPU 分类器。
  • 将分类器运行时设置为"CPU"以启用此功能

CPU 神经网络检测器​

  • 上传 CPU .tflite 检测器，无需 Google Coral 即可启用神经网络检测。在 LL3 变体上可以达到 10 FPS。
  • 2024.9 附带默认 CPU 检测器。
  • 将检测器运行时设置为"CPU"以启用此功能

Limelight OS 2024.8 (2024年3月7日)​

  • 在json结果对象中添加python输出（PythonOut）、tx、ty、txnc、tync、ta
  • 进一步改进MT2延迟补偿

Limelight OS 2024.7 (2024年5月21日)​

  • 升级至 Linux 6.6

错误修复​

  • 修复视觉管道转换
  • 修复校准上传、快照上传和神经网络上传

Limelight OS 2024.6 (2024年5月8日)​

LimelightLib Python​

  • pip install limelightlib-python
  • 我们的Python库允许您在任何平台上与USB和以太网Limelight进行交互。
  • 无需通过Web UI界面即可完成Limelight的完整配置。
  • 上传管道、神经网络、场地地图等
  • 实时更改任何管道参数，可选择"写入磁盘"选项
  • 发送自定义Python输入数据，设置机器人方向等。

MegaTag2 升级​

  • MegaTag2陀螺仪延迟补偿已得到改进。更多改进即将推出！
  • 在UI中添加"陀螺仪延迟调整"滑块。要手动调整MegaTag 2延迟补偿，您可以旋转机器人并调整滑块，直到旋转时的定位结果完美。

标准差指标​

  • 3D场地可视化器现在包含MegaTag1和Megatag2的x、y和偏航角标准差。

新的"对焦"管道类型​

  • 在"对焦"模式下，您可以使用流质量滑块和裁剪框滑块
  • 旋转镜头以最大化"对焦"分数。
  • 如果您的相机位置固定，这需要不到一分钟。我们建议使用固定/安装的Limelight进行对焦。

新的"条形码"管道类型​

  • 1280x800分辨率下50-60FPS多二维码检测和解码
  • 1280x800分辨率下50-60FPS多DataMatrix检测和解码
  • 1280x800分辨率下30FPS多UPC、EAN、Code128和PDF417检测
  • 条形码数据字符串发布到"rawbarcodes" NT数组。
  • 条形码管道将填充所有2D指标，如tx、ty、ta、tcornxy等。

全新REST API​

  • https://docs.limelightvision.io/docs/docs-limelight/apis/rest-http-api
  • 我们的REST / HTTP API已经从头开始重建。
  • REST API允许无需Web UI交互即可完成Limelight配置。
  • 上传管道、神经网络、场地地图等
  • 实时更改任何管道参数，可选择"写入磁盘"选项
  • 发送Python输入数据，设置机器人方向等。

从UI中移除相机方向设置（重大变更）​

  • 这已被"流方向"选项取代。校准和目标不会受到此选项的影响。
  • 新选项仅影响视频流。上下颠倒、顺时针90度、逆时针90度、水平镜像和垂直镜像
  • 团队现在需要在使用旋转相机时手动反转tx和ty。

移除GRIP支持（重大变更）​

移除"驾驶员"零处理模式（重大变更）​

  • 这已被"取景器"管道类型取代

添加"取景器"管道类型​

  • 取景器管道禁用所有处理以实现最小延迟
  • 这允许团队为仅查看模式设计自己的"驾驶员"管道

管道文件现在使用JSON格式（重大变更）​

  • 管道仍使用.vpr文件扩展名
  • （在2024.6中某些情况下存在问题）使用"上传"按钮时，UI将自动将管道转换为JSON。
  • （完全功能）您也可以使用https://tools.limelightvision.io/pipeline-upgrade 升级您的管道

校准用户体验改进​

  • 校准设置现在会被缓存。您不再需要每次校准时都输入校准设置。
  • 默认校准字典已更新，可与Calib.io推荐的800x600mm粗校准板配合使用。

校准马赛克​

  • 之前，很难确定校准图像的质量
  • 校准标签页现在有一个"下载校准马赛克"按钮。马赛克将准确显示每张图像对校准的贡献。

mosaic screenshot:

"质心"目标区域​

  • 在"输出"标签页中添加了质心目标模式，以改善颜色管道的物体跟踪

动态3D偏移（NT: fiducial_offset_set）​

  • 现在可以在不更改管道的情况下调整3D偏移。这对于"瞄准点"需要根据距离或其他属性变化的情况很有用。

添加Modbus支持​

  • Limelight OS现在有一个始终在线的modbus服务器，用于检查、物流和工业应用
  • 在此查看modbus寄存器规范：https://docs.limelightvision.io/docs/docs-limelight/apis/modbus
  • 默认modbus服务器端口可在UI的设置标签页中更改
  • 通过modbus和snapscript python管道，现在支持完全自定义的具有双向通信的视觉应用。

自定义NT服务器​

  • 设置标签页现在包含自定义NT服务器的条目。
  • 这支持新的工作流程，包括在PC上运行glass NT服务器，以及通过USB通信的Limelight 3G。

Rawfiducial更改​

  • 原始基准点的"面积"值现在是一个校准过的、标准化的值，范围约为0-1

所有NetworkTables和JSON更改​

  • 添加NT getpipetype - 获取当前管道类型字符串（如pipe_color, pipe_fiducial）

  • 添加NT tcclass - 分类器管道检测到的类名

  • 添加NT tdclass - 检测器管道检测到的类名

  • 添加NT t2d用于保证原子2d目标 - [valid,targetcount, targetlatency, capturelatency, tx, ty, txnc, tync, ta, targetid, classifierID, detectorID, tlong, tshort, thor, tvert, ts(skew)]

  • 移除NT tlong, tshort, thor, tvert和ts

  • 添加NT 'crosshairs'数组[cx0,cy0,cx1,cy1]

  • 移除NT cx0, cy0, cx1和cy1

  • 添加NT rawbarcodes - 条形码数据的NT字符串数组。最多32个条目。

  • 所有"raw"数组允许最多32个目标（从8个增加）

  • 添加fiducial_offset_set动态3d偏移设置器

  • 在json顶层结果中添加"pType"

  • 在json顶层结果中添加"stdev_mt1"和"stdev_mt2"（x,y,z,roll,pitch,yaw）（米，度）

其他文件格式和JSON转储的更改​

  • 校准文件格式已简化。上传时旧校准会自动转换为新格式
  • 从结果和状态JSON转储中移除了一层嵌套

错误修复​

  • 之前，如果在神经管道活动时拔出Google Coral，管道会永久恢复为"color/retro"模式
    • 现在，将在图像上打印"CHECK CORAL"或"CHECK MODEL"。管道类型永远不会改变
  • 之前，成功通过基准点ID过滤器的标签有时会用红色轮廓而不是绿色轮廓绘制。这个可视化问题已修复。
  • Apriltag管道填充tcornxy NT数组
  • Apriltag管道现在完全遵守最小-最大面积滑块。之前，AprilTag管道会基于标签面积过滤2D结果，但不会过滤3D/定位结果。

Limelight OS 2024.5.0 (4/9/24)​

  • 升级到 Linux 6.1

相机系统更新​

  • 整个相机系统已更新，以修复 Limelight3G 上的相机外设锁死问题
    • 症状包括
  • 应用此更新后请务必重新调整曝光和增益设置。

动态缩放​

  • 团队现在可以设置 "fiducial_downscale_set" 来覆盖当前管道的缩放设置
  • 0:UI控制, 1:1倍, 2:1.5倍, 3:2倍, 4:3倍, 5:4倍
  • 使用新的 Helpers 方法，参数为 0.0 (UI控制), 1.0, 1.5, 2.0, 3.0, 4.0
  • 这是一个零开销操作
  • 通过结合动态缩放和动态裁剪，团队可以在不管理多个管道的情况下最大化帧率

MegaTag2 改进​

  • MT2 现在可以在任何 Limelight 方向下工作，包括带有 90 度和 -90 度翻转的"纵向"模式

"rawdetections" nt 数组​

  • [classID, txnc, tync, ta, corner0x, corner0y, corner1x, corner2y, corner3x, corner3y, corner4x, corner4y]
  • 角点位于像素空间中，未应用校准

腐蚀/膨胀更新​

  • 颜色管道现在支持最多 10 步膨胀和 10 步腐蚀
  • 颜色管道现在有一个"反向形态"选项，可以反转膨胀和腐蚀步骤的顺序

LimelightLib 1.6 (4/9/24)​

  • 添加 void SetFiducialDownscalingOverride(float downscale)

设置为0以使用管道控制，或使用以下值之一来覆盖管道的缩减设置： 1, 1.5, 2, 3, 4

  • 添加 RawFiducial[] GetRawFiducials()
  • 添加 RawDetection[] GetRawDetections()

Limelight OS 2024.4.0 (2024年4月3日)​

感谢所有为此更新贡献想法的团队。

Megatag 2​

Megatag 2是一个无歧义的定位器。它比Megatag1具有更高的准确性和精确度，它的构建基于以下要求：

  • 消除姿态歧义问题并提高对图像/角点噪声的鲁棒性
  • 无论视角如何，只要有一个或多个标签就能提供出色的姿态估计
  • 提高对物理AprilTag放置不准确的鲁棒性
  • 减少获得良好姿态估计结果所需的机器人端过滤量

注意在这个高度模糊的单标签情况下，MegaTag2（红色机器人）和Megatag（蓝色机器人）之间的区别：

Megatag2需要您使用新的方法调用来设置机器人的朝向。这里是一个完整的示例：

      LimelightHelpers.SetRobotOrientation("limelight", m_poseEstimator.getEstimatedPosition().getRotation().getDegrees(), 0, 0, 0, 0, 0);
      LimelightHelpers.PoseEstimate mt2 = LimelightHelpers.getBotPoseEstimate_wpiBlue_MegaTag2("limelight");
      if(Math.abs(m_gyro.getRate()) > 720) // 如果我们的角速度大于每秒720度，忽略视觉更新
      {
        doRejectUpdate = true;
      }
      if(mt2.tagCount == 0)
      {
        doRejectUpdate = true;
      }
      if(!doRejectUpdate)
      {
        m_poseEstimator.setVisionMeasurementStdDevs(VecBuilder.fill(.6,.6,9999999));
        m_poseEstimator.addVisionMeasurement(
            mt2.pose,
            mt2.timestampSeconds);
      }

Megatag2在任何距离下都能提供出色的、无歧义的单标签结果。 这意味着您可以完全专注于相关的且在您期望放置容差范围内的标签。 如果标签位置不正确或无关，可以使用新的动态过滤功能将其过滤掉。

动态AprilTag过滤​

  • 由于MegaTag2不需要急于累积尽可能多的AprilTag，您可以安全地过滤出放置良好且相关的标签：
int[] validIDs = {3,4};
LimelightHelpers.SetFiducialIDFiltersOverride("limelight", validIDs);

过渡到MegaTag2​

Megatag2需要您的机器人朝向才能正常工作。0度、360度、720度等朝向表示您的机器人面向红方联盟墙。 这与PathPlanner、Chorero、Botpose和Botpose_wpiblue使用的约定相同。

一旦您在代码中添加了SetRobotOrientation()，请检查内置的3D可视化器。在近距离时，Megatag2和Megatag1应该非常接近或完全匹配。在远距离时，Megatag 2（红色机器人）应该比Megatag1（蓝色机器人）更准确和更稳定。

一旦内置可视化器显示良好结果，您就可以安全地使用Megatag2在自动阶段引导您的机器人。

我们建议添加的唯一过滤器是"最大角速度"过滤器。您可能会发现在高角速度下，姿态估计会变得略微不太可靠。

示例代码库中有一个包含此过滤器的Megatag2示例。

    if(Math.abs(m_gyro.getRate()) > 720) // 如果我们的角速度大于每秒720度，忽略视觉更新
    {
      doRejectUpdate = true;
    }
    if(mt2.tagCount == 0)
    {
      doRejectUpdate = true;
    }

LimelightLib 1.5 (4/3/24)​

添加

getBotPoseEstimate_wpiRed_MegaTag2()
getBotPoseEstimate_wpiBlue_MegaTag2()
SetRobotOrientation()

Limelight OS 2024.3.4 (2024年3月20日)​

感谢所有为此更新贡献想法的团队。

更高精度的单标签求解器​

MegaTag的单标签3D求解器已得到改进。在远距离时比以前更加稳定。

JSON默认禁用（重大变更）​

  • 默认禁用JSON以减少带宽使用，这适用于所有使用自动订阅仪表板(如Shuffleboard)的团队。
  • 这也应该减少RoboRIO NT负载和CPU使用率。
  • 可在输出选项卡中重新启用每个管道的JSON。
  • 此更新包含的更改应该能让更多团队在位姿估计时摆脱对JSON的依赖。

未失真面积（重大变更）​

在计算任何目标的面积之前，角点已进行失真校正。

在botpose、botpose_wpiblue和botpose_wpired中包含每个基准标记的指标​

[tx, ty, tz, roll, pitch, yaw, tagCount, tagSpan (米), averageDistance (米), averageArea (图像百分比), (tags)]

对于megatag定位使用的每个标签，以上数组现在包含(tagID, txnc, tync, ta, distanceToCamera, distanceToRobot, ambiguity)

模糊度是一个新的0-1范围内的指标，用于表示当前标签视角的模糊程度。模糊度>0.9的单标签更新可能应该被拒绝。

"rawtargets"和"rawfiducials" nt数组（重大变更）​

  • rawtargets - 每个目标的(txnc,tync,ta)
  • rawfiducials - 每个目标的(tagID, txnc, tync, ta, distanceToCamera, distanceToRobot, ambiguity)
  • 之前的rawtargets NT条目(tx0,ty0等)已被移除。

错误修复​

  • 当未找到优先级ID时，将所有单标签3D信息归零。此前，当未找到优先级标签时，只有Tx、Ta、Ty和Tv会归零
  • 如果唯一可见的标签被UI的"ID过滤器"功能过滤，则将botpose归零。此前，如果唯一可见的标签是被过滤的标签，botpose会重置到场地中心而不是(0,0,0)
  • 2024.2版本在某些罕见情况下会向某些网络表条目发送NAN值。这种情况将不再发生。

LimelightLib 1.4 (3/21/24)​

  • 增加对2024.3.4原始基准标记的支持。姿态估计现在包含一个原始基准标记数组，其中包含id、txnc、tync、ta、到相机距离、到机器人距离和模糊度

Limelight 硬件管理器 1.4 (3/18/24)​

错误修复​

修复了 USB Limelight 设备显示为两个部分条目的问题，现在正确显示为单个条目。

Limelight OS 2024.2.2 (2024年3月17日)​

错误修复​

TX和TY在NT条目中正确遵循准星位置。

Limelight OS 2024.2 (2024年3月8日)​

使用Json (tx_nocross, ty_nocross) 和 NT (txnc, tync) 的零准星瞄准​

如果您正在使用tx/ty瞄准并进行自定义内参校准，由于Limelight准星与相机的主点像素不对齐，您可能仍然会看到相机之间的差异。需要更高tx/ty精度的团队可以选择将准星配置为与主点像素匹配，或使用这些新的指标。

tx/ty中的潜在重大变更​

本赛季早期引入的一个bug破坏了专门用于json中tx、ty和tx + ty的自定义校准。在多种情况下，Limelight OS会回退到默认校准。

校准升级​

现在校准几乎是即时的，无论捕获了多少图像。我们还修复了在某些情况下由超过30张图像导致的崩溃问题。

使用15-20张纸质目标图像，我们持续获得约1像素的重投影误差，而使用我们高质量的calib.io目标时，误差为0.3像素。

Fiducial过滤器UI修复​

Fiducial过滤器文本框现在接受任意数量的过滤器。

其他​

AprilTag生成器默认为"无边框"，以防止165.1 mm标签的缩放。

Limelight OS 2024.1.1 (2024年2月24日)​

  • 修复 priorityID

Limelight OS 2024.1 (2024年2月24日)​

硬件指标 (networktables中的hw键, /status GET请求)​

校准改进​

  • 修复了当校准图像恰好包含一个有效检测时可能发生的崩溃。改进了web界面反馈。

机器人定位改进（标签计数等）​

  • 所有networktables中的botpose数组（botpose、botpose_wpiblue和botpose_wpired）现在包含标签计数、标签跨度（米）、平均距离（米）和平均面积（图像百分比）

  • 这些指标是根据上传的场地地图中包含的标签计算的。自定义和/或移动AprilTag不会影响这些指标。

  • 通过设备校准和这次botpose数组升级，我们认为今年绝大多数使用场景都不需要使用JSON。

  • JSON转储现在包含botpose_avgarea、botpose_avgdist、botpose_span和botpose_tagcount以方便使用。

[tx,ty,tz,rx,ry,rz,latency,tagcount,tagspan,avgdist,avgarea]

新功能：优先ID（NT键 priorityid）​

  • 如果你的机器人同时使用基于里程计的功能和基于tx/ty的功能，你可能遇到过以下用户体验问题：

  • 在此次更新之前，没有简单的方法来切换tx/ty目标的首选标签ID。

  • 虽然UI中有ID过滤器，但它

    • 不是动态的
    • 会从megaTag定位中移除标签

  • 这意味着团队需要创建多个管道：一个用于3D定位，每个tx/ty标签一个（蓝方射击用标签7一个，蓝方增幅用标签6一个，等等）。

  • 新的优先ID功能（NT键 priorityid）允许你告诉Limelight"在所有标签检测、过滤和排序完成后，专注于匹配优先ID的标签。"

  • 这不会以任何方式影响定位，只会稍微改变JSON结果中标签的顺序。

  • 如果你的优先id不是-1，除非选中的标签可见，否则tx/ty/ta将返回0。

其他​

  • 修复了在3D apriltag管道中使用双目标模式时屏幕上的"x"
  • REST API扩展了神经网络标签上传功能（/uploadlabels）
  • 在/status json中包含设备昵称

LimelightLib 1.3​

  • LimelightLib（Java和CPP）已更新，使定位比以往更容易。
  LimelightHelpers.PoseEstimate limelightMeasurement = LimelightHelpers.getBotPoseEstimate_wpiBlue("limelight");
    if(limelightMeasurement.tagCount >= 2)
    {
      m_poseEstimator.setVisionMeasurementStdDevs(VecBuilder.fill(.7,.7,9999999));
      m_poseEstimator.addVisionMeasurement(
          limelightMeasurement.pose,
          limelightMeasurement.timestampSeconds);
    }

团队新资源​

Limelight 反馈和问题追踪: https://github.com/LimelightVision/limelight-feedback/issues​

示例代码库: https://github.com/LimelightVision/limelight-examples​

全向轮瞄准和测距示例: https://docs.limelightvision.io/docs/docs-limelight/tutorials/tutorial-swerve-aiming-and-ranging​

MegaTag 定位示例: https://docs.limelightvision.io/docs/docs-limelight/tutorials/tutorial-swerve-pose-estimation​

感谢最近的贡献者 jasondaming、Gold876、JosephTLockwood、Andrew Gasser 和 virtuald

Limelight 2024 更新 (2024年2月6日)

Limelight文档升级​

  • 文档已经重写，以简化设置流程

Limelight AprilTag 生成器​

  • https://tools.limelightvision.io/ 现已推出首个在线AprilTag生成器。
  • 选择纸张尺寸、标记尺寸和标签ID即可生成可打印的PDF。
  • Safari浏览器目前可能无法正确显示标签。

Limelight 地图构建器​

新硬件管理器​

  • Finder工具现已更名为Limelight硬件管理器
  • 它已经完全重写。现在可以可靠地检测Limelight设备，提供更多有用的诊断信息，并且无需重启即可正常工作。
  • 现在就从下载页面获取 notebook截图:

训练你自己的神经网络​

笔记本截图:

2024 AprilTag地图和Note检测器​

  • 地图和检测器模型已添加到下载页面和最新的Limelight操作系统镜像中。

Limelight OS 2024.0 (2024年2月6日)​

ChArUco 标定修复​

  • 提高了我们的 ChArUco 检测器的亚像素精度。使用写字板目标和20张图像，现在可以实现1-2像素的重投影误差。
  • 使用相同的相机和相同的目标，2023.6版本的重投影误差为20像素，而2024.0版本达到了1.14像素。
  • 输入字段不再接受字母和特殊字符。这消除了潜在的崩溃可能。

开箱即用的 Megatag 精度改进​

  • 在此更新之前，Limelight的内部 Megatag 地图生成器参考的是UI的标签尺寸滑块，而不是.fmap文件提供的标签尺寸。
  • Megatag 现在遵循 fmap 文件中配置的标签尺寸，并忽略尺寸滑块。
  • 如果您的尺寸滑块未设置为165.1毫米，您将立即注意到定位精度的改进。

性能升级和错误修复​

  • 更高帧率的 AprilTag 管道
  • 显著改进了场地空间可视化器的性能。

错误修复​

  • 3D可视化器中的 Apriltags 有时会显示不正确或损坏的标签图像。现在标签始终能正确显示。
  • "v" / tv / "valid" 现在只有在有有效检测时才会返回"1"。此前，tv 始终为"1"。