AprilTag视觉定位的Android实现

AprilTag是一个视觉基准库，在AR，机器人，相机校准领域广泛使用。通过特定的标志（与二维码相似，但是降低了复杂度以满足实时性要求），可以快速地检测标志，并计算相对位置。

Apriltag提供了C编写的识别库，在github上找到AprilTag for Android项目，但是该项目把识别跟UI绑定在一起，不方便作为SDK引入到别的项目。

于是尝试把识别能力提取成独立的Lib，然后生成aar就能轻松放到其它项目中了。整理后的SDK Lib项目地址：https://gitee.com/petrochina-2/apriltag-detector-android-lib ，本文首发于 https://blog.csdn.net/keeng2008

Apriltag使用步骤：

1. 使用该识别能力需要把 apriltag 生成 aar
   在gradle中找到 apriltag模块找到 assembleDebug 就能会在output目录中生成好 apriltag-1.0-debug.aar。
2. 把 apriltag-1.0-debug.aar 复制到需要使用的项目中。
3. 识别前需要初始化：

        val tagFamily = "tag16h5"
        val maxHammingError = 1   // 允许的错误的格子数
        val decimation = 8.0      // (抽帧)宽和高都会按比例抽取,数字越大则图越小。
        val sigma = 0.8           // 对分割图像应应用何种高斯模糊。参数是像素中的标准偏差。
        val nthreads = 4
        ApriltagNative.apriltag_init(tagFamily, maxHammingError, decimation, sigma, nthreads)

这里使用最简单的编译格式 tag16h5， 因为它的格子最少，更容易识别；但是它的标识数据也少，就31个不同的码，具体可以在这里下载 https://blog.csdn.net/zhuoqingjoking97298/article/details/122250204 。
如果要识别其它tag格式，修改参数即可。

4. 识别Bitmap图片
   它的接口是识别YUV格式数据的，所以需要先把Bitmap转化为YUV再调用 ApriltagNative.apriltag_detect_yuv。

        val width = bitmap.width
        val height = bitmap.height
        val nv21 = BitmapUtil.bitmapToNv21(bitmap, width, height)
        val tagRes: List<ApriltagDetection> =
            ApriltagNative.apriltag_detect_yuv(nv21, width, height)

返回的是识别到的视觉码列表数据, 每个视觉码包含4个坐标点, 左上角为原点（0，0），依次顺序是

// 返回 [x0, y0, x1, y1, x2, y2, x3, y3]
   3  <---  2
            ↑
            ·
   0  -->   1

对应的YUV转换代码

    /**
     * Bitmap转化为ARGB数据，再转化为NV21数据
     *
     * @param src    传入的Bitmap，格式为Bitmap.Config.ARGB_8888
     * @param width  NV21图像的宽度
     * @param height NV21图像的高度
     * @return nv21数据
     */
    public static byte[] bitmapToNv21(Bitmap src, int width, int height) {
        if (src != null && src.getWidth() >= width && src.getHeight() >= height) {
            int[] argb = new int[width * height];
            src.getPixels(argb, 0, width, 0, 0, width, height);
            return argbToNv21(argb, width, height);
        } else {
            return null;
        }
    }
    /**
     * ARGB数据转化为NV21数据
     *
     * @param argb   argb数据
     * @param width  宽度
     * @param height 高度
     * @return nv21数据
     */
    private static byte[] argbToNv21(int[] argb, int width, int height) {
        int frameSize = width * height;
        int yIndex = 0;
        int uvIndex = frameSize;
        int index = 0;
        byte[] nv21 = new byte[width * height * 3 / 2];
        for (int j = 0; j < height; ++j) {
            for (int i = 0; i < width; ++i) {
                int R = (argb[index] & 0xFF0000) >> 16;
                int G = (argb[index] & 0x00FF00) >> 8;
                int B = argb[index] & 0x0000FF;
                int Y = (66 * R + 129 * G + 25 * B + 128 >> 8) + 16;
                int U = (-38 * R - 74 * G + 112 * B + 128 >> 8) + 128;
                int V = (112 * R - 94 * G - 18 * B + 128 >> 8) + 128;
                nv21[yIndex++] = (byte) (Y < 0 ? 0 : (Y > 255 ? 255 : Y));
                if (j % 2 == 0 && index % 2 == 0 && uvIndex < nv21.length - 2) {
                    nv21[uvIndex++] = (byte) (V < 0 ? 0 : (V > 255 ? 255 : V));
                    nv21[uvIndex++] = (byte) (U < 0 ? 0 : (U > 255 ? 255 : U));
                }
                ++index;
            }
        }
        return nv21;
    }

关于性能提升：如果识别的视频帧可以获取到YUV格式的，最好直接使用YUV格式，就能节省一次转换的性能开销。
本文引入这个是为了在无人机中截取帧用于识别，无人机是支持获取到YUV数据的；同时Camera中也是能获取YUV的，直接使用YUV进行调用能节省这部分处理。