這篇博客將介紹Aruco標記是什么，以及如何使用Python，OpenCV生成Aruco標記。本文提供倆種生成方式：在線生成和代碼生成；

使用OpenCV處理ArUco標簽非常簡單，因為OpenCV庫中內置的子模塊cv2.aruco（即不需要任何額外的Python包或依賴項來檢測ArUco標記）。生成了Aruco標簽，下一篇博客將介紹如何獲取生成的標簽，并在圖像和實時視頻流中實際檢測它們。

1. 效果圖

DICT_5X5_100_id88.png 生成DICT_5X5_100類型的唯一id88的Aruco標記

多個DICT_5X5_100類型標記的概覽效果圖

2. 原理

2.1 ArUco標記是什么，為什么使用它？

與AprilTags類似，ArUco標記是計算機視覺算法可以輕易檢測到的二進制圖案。主要使用場景有：相機校準、物體大小估計、測量相機和物體之間的距離、三維位置估計、物體方向、機器人學和自主導航。

與AprilTags相比，使用ArUco標記的主要好處包括：

• ArUco標記內嵌于cv2.ruco子模塊；
• OpenCV庫本身可以通過cv2.aluco.drawMarker函數生成ArUco標記；
• 有一些在線的ArUco生成器，而AprilTags的在線生成器不好找到；
• 有ROS（Robot Operating System機器人操作系統）對ArUco標記的實現；
• ArUco標記的檢測更準確

2.2 cv2.ruco.drawMarker函數

OpenCV庫有一個內置的ArUco標記生成器（cv2.ruco.drawMarker）。這個函數的參數包括

• arucoDict: 指定所使用的ArUco標記類型的字典
• id: 要畫的標記的ID（必須是ArUco字典中的有效ID)
• sidePixels: 將繪制ArUco標記的（方形）圖像的像素大小
• borderBits: 邊框的寬度和高度（像素），表示生成標記外邊框便于檢測；
  drawMarker函數返回畫有ArUco標記的輸出圖像。

ArUco字典指定了正在生成和檢測的ArUco標記的類型。如果沒有字典將無法生成和檢測這些標記。

2.3 ArUco字典的種類及命名規則

ARUCO_DICT = {
“DICT_4X4_50”: cv2.aruco.DICT_4X4_50,
“DICT_4X4_100”: cv2.aruco.DICT_4X4_100,
“DICT_4X4_250”: cv2.aruco.DICT_4X4_250,
“DICT_4X4_1000”: cv2.aruco.DICT_4X4_1000,
“DICT_5X5_50”: cv2.aruco.DICT_5X5_50,
“DICT_5X5_100”: cv2.aruco.DICT_5X5_100,
“DICT_5X5_250”: cv2.aruco.DICT_5X5_250,
“DICT_5X5_1000”: cv2.aruco.DICT_5X5_1000,
“DICT_6X6_50”: cv2.aruco.DICT_6X6_50,
“DICT_6X6_100”: cv2.aruco.DICT_6X6_100,
“DICT_6X6_250”: cv2.aruco.DICT_6X6_250,
“DICT_6X6_1000”: cv2.aruco.DICT_6X6_1000,
“DICT_7X7_50”: cv2.aruco.DICT_7X7_50,
“DICT_7X7_100”: cv2.aruco.DICT_7X7_100,
“DICT_7X7_250”: cv2.aruco.DICT_7X7_250,
“DICT_7X7_1000”: cv2.aruco.DICT_7X7_1000,
“DICT_ARUCO_ORIGINAL”: cv2.aruco.DICT_ARUCO_ORIGINAL,
“DICT_APRILTAG_16h5”: cv2.aruco.DICT_APRILTAG_16h5,
“DICT_APRILTAG_25h9”: cv2.aruco.DICT_APRILTAG_25h9,
“DICT_APRILTAG_36h10”: cv2.aruco.DICT_APRILTAG_36h10,
“DICT_APRILTAG_36h11”: cv2.aruco.DICT_APRILTAG_36h11
}

cv2.aruco.DICT_NxN_M，NxN值是ArUco標記的2D位大小。例如，對于6×6標記總共有36位，網格大小后面的整數M指定了可以使用該字典生成的唯一ArUco ID的總數。
如：cv2.aruco.DICT_4X4_50 表示要生成一個二進制的4×4平方阿魯科標記。使用這個字典能生成50個獨特的阿魯科標記ID。

2.4 如何決定要使用哪種阿魯科標記詞典呢？

首先查看需要的字典中有多少個唯一值；然后查看輸入的圖像/視頻分辨率大小。
OpenCV的ArUco檢測實現利用錯誤校正來提高標記檢測的準確性和魯棒性。 糾錯取決于標記間距離。
較小的字典大小和較大的NxN標記大小會增加標記間的距離，從而降低錯誤讀數的可能性。

阿魯科詞典的理想設置包括：

• 需要生成和讀取的唯一ArUco ID數量較少
• 包含將被檢測到的阿魯科標記的高質量圖像輸入
• 更大的NxN網格大小，與少量獨特的ArUco ID相平衡，以便標記間距離可用于糾正誤讀標記

3. 源碼

在線生成Aruco標記
在線svg轉png

# 三部曲——使用Python，Opencv生成Aruco標記，檢測圖像和視頻流中的Aruco標記，檢測標記的類型# 使用Python，Opencv生成Aruco標記
# 與AprilTags類似，ArUco標記是計算機視覺算法可以輕易檢測到的二進制圖案。主要使用場景有：相機校準、物體大小估計、測量相機和物體之間的距離、三維位置估計、物體方向、機器人學和自主導航
# 與AprilTags相比，使用ArUco標記的主要好處包括：ArUco標記內嵌于cv2.ruco子模塊；OpenCV庫可以通過cv2.aluco.drawMarker函數生成ArUco標記；有在線的ArUco生成器，而AprilTags的在線生成器不好找到；有ROS（Robot Operating System機器人操作系統）對ArUco標記的實現；ArUco標記的檢測更準確；
# 生成ArUco標記的步驟：1. 選擇ArUco字典；2. 定義要繪制的ArUcoID; 3. 定義像素級別的ArUco圖像大小； 4. 調用drawMarker函數繪制ArUco標志；# python opencv_generate_aruco.py --id 24 --type DICT_5X5_100 --output tags/DICT_5X5_100_id24.png
# 導入必要的包
import numpy as np  # 定義空數組保存生成好的Aruco標記
import argparse
import cv2
import sys# 構建命令行參數及解析
# -o 輸出保存Aruco標記的圖片路徑
# -i ArUco標簽的唯一標識符--該ID必須是用于生成標簽的ArUco字典中的有效ID
# -t 用于生成標簽的ArUco字典的名稱；默認情況下將使用原始的ArUco字典
ap = argparse.ArgumentParser()
ap.add_argument("-o", "--output", required=True,help="path to output image containing ArUCo tag")
ap.add_argument("-i", "--id", type=int, required=True,help="ID of ArUCo tag to generate")
ap.add_argument("-t", "--type", type=str,default="DICT_ARUCO_ORIGINAL",help="type of ArUCo tag to generate")
args = vars(ap.parse_args())# 定義opencv支持的Aruco標記名稱映射字典
ARUCO_DICT = {"DICT_4X4_50": cv2.aruco.DICT_4X4_50,"DICT_4X4_100": cv2.aruco.DICT_4X4_100,"DICT_4X4_250": cv2.aruco.DICT_4X4_250,"DICT_4X4_1000": cv2.aruco.DICT_4X4_1000,"DICT_5X5_50": cv2.aruco.DICT_5X5_50,"DICT_5X5_100": cv2.aruco.DICT_5X5_100,"DICT_5X5_250": cv2.aruco.DICT_5X5_250,"DICT_5X5_1000": cv2.aruco.DICT_5X5_1000,"DICT_6X6_50": cv2.aruco.DICT_6X6_50,"DICT_6X6_100": cv2.aruco.DICT_6X6_100,"DICT_6X6_250": cv2.aruco.DICT_6X6_250,"DICT_6X6_1000": cv2.aruco.DICT_6X6_1000,"DICT_7X7_50": cv2.aruco.DICT_7X7_50,"DICT_7X7_100": cv2.aruco.DICT_7X7_100,"DICT_7X7_250": cv2.aruco.DICT_7X7_250,"DICT_7X7_1000": cv2.aruco.DICT_7X7_1000,"DICT_ARUCO_ORIGINAL": cv2.aruco.DICT_ARUCO_ORIGINAL,"DICT_APRILTAG_16h5": cv2.aruco.DICT_APRILTAG_16h5,"DICT_APRILTAG_25h9": cv2.aruco.DICT_APRILTAG_25h9,"DICT_APRILTAG_36h10": cv2.aruco.DICT_APRILTAG_36h10,"DICT_APRILTAG_36h11": cv2.aruco.DICT_APRILTAG_36h11
}# 驗證Aruco標簽存在且opencv支持
if ARUCO_DICT.get(args["type"], None) is None:print("[INFO] ArUCo tag of '{}' is not supported".format(args["type"]))sys.exit(0)# 加載ArUCo字典
arucoDict = cv2.aruco.Dictionary_get(ARUCO_DICT[args["type"]])# 定義內存數組以存儲繪制了Aruco標記的圖片
print("[INFO] generating ArUCo tag type '{}' with ID '{}'".format(args["type"], args["id"]))
tag = np.zeros((300, 300, 1), dtype="uint8")
cv2.aruco.drawMarker(arucoDict, args["id"], 300, tag, 1)# 保存生成的Aruco標簽圖片到磁盤并顯示
cv2.imwrite(args["output"], tag)
cv2.imshow("ArUCo Tag", tag)
cv2.waitKey(0)

參考

• https://pyimagesearch.com/2020/12/14/generating-aruco-markers-with-opencv-and-python/

總結

以上是生活随笔為你收集整理的使用Python,OpenCV生成Aruco标记的全部內容，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。