01 read Aruco
start of the new tool chain
This commit is contained in:
chk
272
programs/01_read_ArUco_jpg_to_json.py
Normal file
272
programs/01_read_ArUco_jpg_to_json.py
Normal file
@@ -0,0 +1,272 @@
|
||||
#!/usr/bin/env python3
|
||||
|
||||
import argparse
|
||||
import json
|
||||
import os
|
||||
import hashlib
|
||||
import time
|
||||
from typing import Dict, Any
|
||||
|
||||
import cv2
|
||||
import numpy as np
|
||||
|
||||
|
||||
# ------------------------------------------------------------
|
||||
# Utilities
|
||||
# ------------------------------------------------------------
|
||||
|
||||
def load_intrinsics_npz(npz_path: str):
|
||||
data = np.load(npz_path)
|
||||
|
||||
for k in ('camera_matrix', 'mtx', 'K'):
|
||||
if k in data:
|
||||
K = data[k].astype(np.float32)
|
||||
break
|
||||
else:
|
||||
raise KeyError('Camera matrix not found in npz')
|
||||
|
||||
for k in ('dist_coeffs', 'dist', 'D'):
|
||||
if k in data:
|
||||
D = data[k].astype(np.float32).reshape(-1, 1)
|
||||
break
|
||||
else:
|
||||
D = np.zeros((5,1), dtype=np.float32)
|
||||
|
||||
return K, D
|
||||
|
||||
|
||||
# ------------------------------------------------------------
|
||||
|
||||
def get_aruco_detector(dict_name: str):
|
||||
mapping = {
|
||||
'DICT_4X4_250': cv2.aruco.DICT_4X4_250,
|
||||
'DICT_5X5_100': cv2.aruco.DICT_5X5_100,
|
||||
'DICT_6X6_250': cv2.aruco.DICT_6X6_250,
|
||||
'DICT_ARUCO_ORIGINAL': cv2.aruco.DICT_ARUCO_ORIGINAL,
|
||||
}
|
||||
|
||||
dict_id = mapping.get(dict_name, cv2.aruco.DICT_4X4_250)
|
||||
|
||||
dictionary = cv2.aruco.getPredefinedDictionary(dict_id)
|
||||
|
||||
try:
|
||||
params = cv2.aruco.DetectorParameters()
|
||||
except Exception:
|
||||
params = cv2.aruco.DetectorParameters_create()
|
||||
|
||||
try:
|
||||
detector = cv2.aruco.ArucoDetector(dictionary, params)
|
||||
return detector, None
|
||||
except Exception:
|
||||
return None, (dictionary, params)
|
||||
|
||||
|
||||
# ------------------------------------------------------------
|
||||
|
||||
def detect_markers(image, detector_tuple):
|
||||
detector, fallback = detector_tuple
|
||||
|
||||
if detector is not None:
|
||||
corners, ids, rejected = detector.detectMarkers(image)
|
||||
else:
|
||||
dictionary, params = fallback
|
||||
corners, ids, rejected = cv2.aruco.detectMarkers(
|
||||
image,
|
||||
dictionary,
|
||||
parameters=params
|
||||
)
|
||||
|
||||
return corners, ids, rejected
|
||||
|
||||
|
||||
# ------------------------------------------------------------
|
||||
|
||||
def compute_sharpness(gray_roi):
|
||||
if gray_roi.size == 0:
|
||||
return 0.0
|
||||
|
||||
return float(cv2.Laplacian(gray_roi, cv2.CV_64F).var())
|
||||
|
||||
|
||||
# ------------------------------------------------------------
|
||||
|
||||
def compute_local_stats(gray_roi):
|
||||
if gray_roi.size == 0:
|
||||
return 0.0, 0.0
|
||||
|
||||
mean = float(np.mean(gray_roi))
|
||||
std = float(np.std(gray_roi))
|
||||
|
||||
return mean, std
|
||||
|
||||
|
||||
# ------------------------------------------------------------
|
||||
|
||||
def hash_file(path):
|
||||
sha = hashlib.sha256()
|
||||
|
||||
with open(path, 'rb') as f:
|
||||
while True:
|
||||
chunk = f.read(1024 * 1024)
|
||||
if not chunk:
|
||||
break
|
||||
sha.update(chunk)
|
||||
|
||||
return sha.hexdigest()
|
||||
|
||||
|
||||
# ------------------------------------------------------------
|
||||
|
||||
def main():
|
||||
|
||||
parser = argparse.ArgumentParser()
|
||||
|
||||
parser.add_argument('-i', '--image', required=True)
|
||||
parser.add_argument('-npz', '--intrinsics', required=True)
|
||||
parser.add_argument('-cameraId', '--cameraId', required=True)
|
||||
|
||||
parser.add_argument(
|
||||
'--dict',
|
||||
default='DICT_4X4_250'
|
||||
)
|
||||
|
||||
parser.add_argument(
|
||||
'-o',
|
||||
'--output',
|
||||
default=None
|
||||
)
|
||||
|
||||
args = parser.parse_args()
|
||||
|
||||
image = cv2.imread(args.image)
|
||||
|
||||
if image is None:
|
||||
raise RuntimeError(f'Cannot read image: {args.image}')
|
||||
|
||||
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
|
||||
|
||||
h, w = gray.shape[:2]
|
||||
|
||||
K, D = load_intrinsics_npz(args.intrinsics)
|
||||
|
||||
detector_tuple = get_aruco_detector(args.dict)
|
||||
|
||||
corners_list, ids, rejected = detect_markers(gray, detector_tuple)
|
||||
|
||||
observations = []
|
||||
|
||||
if ids is not None:
|
||||
|
||||
ids = ids.flatten().tolist()
|
||||
|
||||
for i, marker_id in enumerate(ids):
|
||||
|
||||
corners = corners_list[i].reshape((4,2)).astype(np.float32)
|
||||
|
||||
center = corners.mean(axis=0)
|
||||
|
||||
area_px = float(cv2.contourArea(corners))
|
||||
|
||||
perimeter_px = float(cv2.arcLength(corners, True))
|
||||
|
||||
x_min = float(np.min(corners[:,0]))
|
||||
x_max = float(np.max(corners[:,0]))
|
||||
y_min = float(np.min(corners[:,1]))
|
||||
y_max = float(np.max(corners[:,1]))
|
||||
|
||||
bbox_x = int(max(0, np.floor(x_min)))
|
||||
bbox_y = int(max(0, np.floor(y_min)))
|
||||
bbox_w = int(min(w - bbox_x, np.ceil(x_max - x_min)))
|
||||
bbox_h = int(min(h - bbox_y, np.ceil(y_max - y_min)))
|
||||
|
||||
roi = gray[
|
||||
bbox_y:bbox_y+bbox_h,
|
||||
bbox_x:bbox_x+bbox_w
|
||||
]
|
||||
|
||||
sharpness = compute_sharpness(roi)
|
||||
|
||||
mean_gray, std_gray = compute_local_stats(roi)
|
||||
|
||||
edge_lengths = []
|
||||
|
||||
for k in range(4):
|
||||
p1 = corners[k]
|
||||
p2 = corners[(k+1)%4]
|
||||
edge_lengths.append(float(np.linalg.norm(p1 - p2)))
|
||||
|
||||
edge_ratio = (
|
||||
max(edge_lengths) / max(1e-6, min(edge_lengths))
|
||||
)
|
||||
|
||||
obs = {
|
||||
'marker_id': int(marker_id),
|
||||
|
||||
'corners_px': corners.tolist(),
|
||||
|
||||
'center_px': center.tolist(),
|
||||
|
||||
'bbox_px': {
|
||||
'x': x_min,
|
||||
'y': y_min,
|
||||
'w': x_max - x_min,
|
||||
'h': y_max - y_min
|
||||
},
|
||||
|
||||
'quality': {
|
||||
'area_px': area_px,
|
||||
'perimeter_px': perimeter_px,
|
||||
'sharpness_laplacian': sharpness,
|
||||
'mean_gray': mean_gray,
|
||||
'std_gray': std_gray,
|
||||
'edge_ratio': edge_ratio,
|
||||
'edge_lengths_px': edge_lengths
|
||||
}
|
||||
}
|
||||
|
||||
observations.append(obs)
|
||||
|
||||
output = {
|
||||
'schema_version': '1.0',
|
||||
|
||||
'created_utc': time.strftime('%Y-%m-%dT%H:%M:%SZ', time.gmtime()),
|
||||
|
||||
'camera': {
|
||||
'camera_id': args.cameraId,
|
||||
'intrinsics_file': os.path.abspath(args.intrinsics),
|
||||
'camera_matrix': K.tolist(),
|
||||
'distortion_coefficients': D.reshape(-1).tolist()
|
||||
},
|
||||
|
||||
'image': {
|
||||
'image_file': os.path.abspath(args.image),
|
||||
'image_sha256': hash_file(args.image),
|
||||
'width_px': int(w),
|
||||
'height_px': int(h)
|
||||
},
|
||||
|
||||
'aruco': {
|
||||
'dictionary': args.dict,
|
||||
'num_detected_markers': len(observations),
|
||||
'num_rejected_candidates': int(len(rejected))
|
||||
},
|
||||
|
||||
'observations': observations
|
||||
}
|
||||
|
||||
if args.output is None:
|
||||
base = os.path.splitext(args.image)[0]
|
||||
out_json = f'{base}_aruco_detection.json'
|
||||
else:
|
||||
out_json = args.output
|
||||
|
||||
with open(out_json, 'w', encoding='utf-8') as f:
|
||||
json.dump(output, f, indent=2)
|
||||
|
||||
print(f'Saved: {out_json}')
|
||||
|
||||
|
||||
# ------------------------------------------------------------
|
||||
|
||||
if __name__ == '__main__':
|
||||
main()
|
||||
Reference in New Issue
Block a user