ArUco与AprilTag简介 / 开普饭

无论是aruco还是apriltag二维码标定板检测的思路是提取一块四边形的区域，这个区域具有比周围亮度更低的特点。这个思路的主要优点是尽可能多的检测出所有可能的二维码，但是根据采集数据的环境极有可能出现异常线段，然后再根据二维码的编码值可以对野值进行剔除实现识别与定位。

ArUco

ArUco是一个开源的小型的AR虚拟现实增强库，已经集成在OpenCV3.0以上的版本，它除了用于现实增强，还很用于实现一些机器视觉方面的应用。

ArUco下载地址：https://sourceforge.net/projects/aruco/files/

ArUco开源库的几个特点如下：

1.基于C++；

2.仅依赖于OpenCV（≥2.4.9）和Eigen3；

3.BDS开源。

一个ArUco标记外围都有一组黑色边框，同时内部有着确定该标记ID的二维矩阵组合而成。黑色的边框能加速标记在图像中的检测速度，内部的二维编码能唯一识别该标记，同时进行错误检测和错误修复。标记的大小确定了内部矩阵的大小，例如4x4大小的标记有16个bit

aruco标志在环境中通常存在旋转，然而，检测的过程需要确定旋转的初始方向，因此，每一个角点在二维编码的过程中就会被唯一确定。

标记字典是一组被用来进行特殊应用的标记，它大大简化了每个marker二维码列表。字典的主要属性就是字典的大小和标志的大小：

字典大小：合成字典的marker的数量 (50 100 250 1000)

标志大小：marker的大小(bits 16 25 49 ...)

aruco模块中包含了一些已经预先定义好不同大小和数量的字典集

Aruco标记物生成

在检测之前，往往我们需要打印一些marker放到我们的环境中。Marker图案我们能通过drawMarker函数产生：

Aruco标记物检测

在包含ArUco标志的图片中，检测过程通常能返回被检测到的marker序列。每一个检测的Marker结果包括：

marker四个角点在图片中的位置
marker的id

Marker检测过程主要有两个步骤：

检测Marker的候选区域。
通过分析二维码确定marker

在opencv的ArUco模块中，主要通过detectMarkers()函数来完成，这个函数是整个模块中最重要的函数了，因为后续的函数处理几乎都依赖于该函数的检测结果。

位姿估计

当获取得到Marker的识别结果之后，就是确定相机姿态了。为了确定相机姿态，首先得知道相机的标定参数，内参和畸变。在估计每个ArUco标记的时候，我们能单独估计每个marker。如果你希望能从一系列的marker中估计一个pose，此时就需要ArUco Boards.

相机相对于marker的姿态是一个3d的旋转，从marker坐标系到camera坐标系。这个通过一个旋转和一个平移向量和描述。

标记坐标系统是假设z轴是朝外的，x是朝右边，y朝前进方向。标志角点在左上角点。

该库主要的类主要有：

aruco::Marker----视觉标志类；

aruco::MarkerDetector----视觉标志检测类；

aruco::MarkerPoseTracker----视觉标志姿态预估类；

aruco::MarkerMap-----视觉标志地图类；

aruco::MarkerMapPoseTracker----视觉标志地图姿态预估类；

aruco::CvDrawingUtils----绘图类；

注意：

aruco中的字典比如DICT_4X4_50是什么意思？

每个字典式表示位数和包含的标记数标准的标记5×5位，0最小距离，4*4位表示marker标记要被划分的位数，边界为1比特位，所以4×4的marker识别时候会被分割为6×6的格子，最后面的数字表示字典里包含marker的个数，比如50个。

AprilTag

AprilTag是一个视觉基准系统，可用于各种任务，包括增强现实、机器人和摄像机校准。AprilTag检测可以计算标定板相对于相机的精确三维位置、方向和id。AprilTag库是用C实现的，没有外部依赖关系。该库可以很容易地包含在其他应用程序中，也可以移植到嵌入式设备上。即使在手机级处理器上也可以实现实时性能。

AprilTag的地址：

https://github.com/AprilRobotics/apriltag

AprilTag开源库的几个特点如下：

1.基于C；

2.不依赖其他第三方库；

3.BDS开源。