無論是aruco還是apriltag二維碼標定板檢測的思路是提取一塊四邊形的區域，這個區域具有比周圍亮度更低的特點。這個思路的主要優點是盡可能多的檢測出所有可能的二維碼，但是根據采集數據的環境極有可能出現異常線段，然后再根據二維碼的編碼值可以對野值進行剔除實現識別與定位。

ArUco

ArUco是一個開源的小型的AR虛擬現實增強庫，已經集成在OpenCV3.0以上的版本，它除了用于現實增強，還很用于實現一些機器視覺方面的應用。

?ArUco下載地址：https://sourceforge.net/projects/aruco/files/

?ArUco開源庫的幾個特點如下：?

1.基于C++；?

2.僅依賴于OpenCV（≥2.4.9）和Eigen3；?

3.BDS開源。??

一個ArUco標記外圍都有一組黑色邊框，同時內部有著確定該標記ID的二維矩陣組合而成。黑色的邊框能加速標記在圖像中的檢測速度，內部的二維編碼能唯一識別該標記，同時進行錯誤檢測和錯誤修復。標記的大小確定了內部矩陣的大小，例如4x4大小的標記有16個bit

aruco標志在環境中通常存在旋轉，然而，檢測的過程需要確定旋轉的初始方向，因此，每一個角點在二維編碼的過程中就會被唯一確定。

標記字典是一組被用來進行特殊應用的標記，它大大簡化了每個marker二維碼列表。字典的主要屬性就是字典的大小和標志的大小：

字典大小：合成字典的marker的數量 (50 100 250 1000)

標志大小：marker的大小(bits 16 25 49 ...)

aruco模塊中包含了一些已經預先定義好不同大小和數量的字典集

Aruco標記物生成

在檢測之前，往往我們需要打印一些marker放到我們的環境中。Marker圖案我們能通過drawMarker函數產生：

Aruco標記物檢測

在包含ArUco標志的圖片中，檢測過程通常能返回被檢測到的marker序列。每一個檢測的Marker結果包括：

• marker四個角點在圖片中的位置

• marker的id

Marker檢測過程主要有兩個步驟：

• 檢測Marker的候選區域。

• 通過分析二維碼確定marker

在opencv的ArUco模塊中，主要通過detectMarkers()函數來完成，這個函數是整個模塊中最重要的函數了，因為后續的函數處理幾乎都依賴于該函數的檢測結果。

位姿估計

當獲取得到Marker的識別結果之后，就是確定相機姿態了。為了確定相機姿態，首先得知道相機的標定參數，內參和畸變。在估計每個ArUco標記的時候，我們能單獨估計每個marker。如果你希望能從一系列的marker中估計一個pose，此時就需要ArUco Boards.

相機相對于marker的姿態是一個3d的旋轉，從marker坐標系到camera坐標系。這個通過一個旋轉和一個平移向量和描述。

標記坐標系統是假設z軸是朝外的，x是朝右邊，y朝前進方向。標志角點在左上角點。

該庫主要的類主要有：?

aruco::Marker----視覺標志類；?

aruco::MarkerDetector----視覺標志檢測類；?

aruco::MarkerPoseTracker----視覺標志姿態預估類；

aruco::MarkerMap-----視覺標志地圖類；

aruco::MarkerMapPoseTracker----視覺標志地圖姿態預估類；?

aruco::CvDrawingUtils----繪圖類；

注意：

aruco中的字典比如DICT_4X4_50是什么意思？

每個字典式表示位數和包含的標記數 標準的標記5×5位，0最小距離，4*4位表示marker標記要被劃分的位數，邊界為1比特位，所以4×4的marker識別時候會被分割為6×6的格子，最后面的數字表示字典里包含marker的個數，比如50個。

AprilTag

AprilTag是一個視覺基準系統，可用于各種任務，包括增強現實、機器人和攝像機校準。AprilTag檢測可以計算標定板相對于相機的精確三維位置、方向和id。AprilTag庫是用C實現的，沒有外部依賴關系。該庫可以很容易地包含在其他應用程序中，也可以移植到嵌入式設備上。即使在手機級處理器上也可以實現實時性能。

AprilTag的地址：

https://github.com/AprilRobotics/apriltag

?AprilTag開源庫的幾個特點如下：?

1.基于C；?

2.不依賴其他第三方庫；?

3.BDS開源。?

AprilTags在概念上類似于QR碼，因為它們是一種二維條形碼。然而，它們被設計成編碼更小的數據有效載荷（4到12位之間），允許它們更可靠地被檢測到，并且可以從更長的范圍內被檢測到。此外，他們是為高定位精度設計的，用戶可以計算精確的AprilTag相對于相機三維位置。

所以一般AprilTag用于機器人領域比較多。

AprilTag的種類

AprilTag的種類叫家族（family）,有下面的幾種：

TAG16H5 → 0 to 29

TAG25H7 → 0 to 241

TAG25H9 → 0 to 34

TAG36H10 → 0 to 2319

TAG36H11 → 0 to 586

ARTOOLKIT → 0 to 511

也就是說TAG16H5的家族（family）有30個，每一個都有對應的id，從0~29。

相關的論文

AprilTag: A robust and flexible visual fiducial system, ICRA 2011;?

AprilTag 2: Efficient and robust fiducial detection, IROS 2016;?

One useful application of AprilTags is camera calibration (AprilCal: Assisted and repeatable camera calibration, IROS 2013).

兩者優劣比較

Aruco（在OpenCV中實現）

優點

• 易于設置（使用現成的aruco標記生成器、opencv和ros實現等）

• 更少的錯誤檢測（使用默認參數）

缺點

• 較新版本的aruco是GPL許可的，因此opencv在aruco還是BSD的時候仍然停留在舊的實現上。

• 更容易在中長距離旋轉模糊

• 更多適配參數

• 計算量更大

AprilTag（在AprilTag? ros中實現）

優點

• 更少的適配參數

• 即使在遠距離也能很好地工作

• 美國宇航局使用

• 更靈活的標記設計（例如，標記可以不一定是正方形）

• 計算量較少

缺點

• 不太直接地進行配置和設置（沒有opencv實現AFAIK，只有ros實現，獲得標記的步驟稍微多一些）

• 更多錯誤檢測（使用默認參數）

接下來本公眾號將從opencv的中aruco模塊中給的教程從理論到實踐進行講解。敬請期待ing...

資源

三維點云論文及相關應用分享

【點云論文速讀】基于激光雷達的里程計及3D點云地圖中的定位方法

3D目標檢測：MV3D-Net

三維點云分割綜述（上）

3D-MiniNet: 從點云中學習2D表示以實現快速有效的3D LIDAR語義分割（2020）

win下使用QT添加VTK插件實現點云可視化GUI

JSNet：3D點云的聯合實例和語義分割

大場景三維點云的語義分割綜述

PCL中outofcore模塊---基于核外八叉樹的大規模點云的顯示

基于局部凹凸性進行目標分割

基于三維卷積神經網絡的點云標記

點云的超體素(SuperVoxel)

基于超點圖的大規模點云分割

更多文章可查看：點云學習歷史文章大匯總

SLAM及AR相關分享

【開源方案共享】ORB-SLAM3開源啦！

【論文速讀】AVP-SLAM：自動泊車系統中的語義SLAM

【點云論文速讀】StructSLAM:結構化線特征SLAM

SLAM和AR綜述

常用的3D深度相機

AR設備單目視覺慣導SLAM算法綜述與評價

SLAM綜述(4)激光與視覺融合SLAM

Kimera實時重建的語義SLAM系統

SLAM綜述(3)-視覺與慣導，視覺與深度學習SLAM

易擴展的SLAM框架-OpenVSLAM

高翔：非結構化道路激光SLAM中的挑戰

SLAM綜述之Lidar SLAM

基于魚眼相機的SLAM方法介紹

往期線上分享錄播匯總

第一期B站錄播之三維模型檢索技術

第二期B站錄播之深度學習在3D場景中的應用

第三期B站錄播之CMake進階學習

第四期B站錄播之點云物體及六自由度姿態估計

第五期B站錄播之點云深度學習語義分割拓展

第六期B站錄播之Pointnetlk解讀

[線上分享錄播]點云配準概述及其在激光SLAM中的應用

[線上分享錄播]cloudcompare插件開發

[線上分享錄播]基于點云數據的?Mesh重建與處理

[線上分享錄播]機器人力反饋遙操作技術及機器人視覺分享

[線上分享錄播]地面點云配準與機載點云航帶平差

如果你對本文感興趣，請點擊“原文閱讀”獲取知識星球二維碼，務必按照“姓名+學校/公司+研究方向”備注加入免費知識星球，免費下載pdf文檔，和更多熱愛分享的小伙伴一起交流吧！

以上內容如有錯誤請留言評論，歡迎指正交流。如有侵權，請聯系刪除

掃描二維碼

? ? ? ? ? ? ? ? ? ?關注我們

讓我們一起分享一起學習吧！期待有想法，樂于分享的小伙伴加入免費星球注入愛分享的新鮮活力。分享的主題包含但不限于三維視覺，點云，高精地圖，自動駕駛，以及機器人等相關的領域。

分享及合作：群主微信“920177957”（需要按要求備注） 聯系郵箱：dianyunpcl@163.com，歡迎企業來聯系公眾號展開合作。

點一下“在看”你會更好看耶

總結

以上是生活随笔為你收集整理的ArUco与AprilTag简介的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。