AprilTag简介与简单实用（自用资料整理）

AprilTag是由University of Michigan的APRIL Robotics Laboratory提出的，官网是这里。官方自己对AprilTag的描述是视觉基准系统(Visual Fiducial System)，其应用领域包括AR、机器人、相机校正等。通过对AprilTag Marker的识别，可以确定相机的位姿(相对于Marker)。AprilTag除了常规的方形，还可以包含其它“奇形怪状”的样子，如下。.

一个普通的AprilTag大约长下面这个样子。

 

AprilTag

优点：

• (1) BSD许可
• (2) 更少的可调节参数
• (3) 在长距离场景中表现依然较好
• (4) 被NASA采用
• (5) 更加灵活的marker设计(maker不一定是方形的)
• (6) 计算量更少
• (7) 支持Tag bundle，减少旋转歧义性
• (8) 更多的误检测(默认参数)

apriltag_ros功能包简介

【注意：apriltags2_ros这个包已经被重新命名为apriltag_ros，所以如果去ROS-wiki官网上搜索apriltags2_ros会自动跳转到apriltag_ros上，但是其教程和内容还是写的apriltag2_ros，但是并不影响其使用，在此说明一下。】

由上图可知，此包通过接收

/camera/image_rect

和 /camera/camera_info

两个话题，并且通过自身的两个配置文件

tags.yaml 和 settings.yaml ，

通过算法处理以后，发布

/tf 、/tag_detections

和 /tag_detections_image

三个话题。

其中：

/camera/image_rect

话题发布消息类型为

/sensor_msgs/Image，该消息包含了从相机采集到的图像数据。

/camera/camera_info

话题发布消息类型为

/sensor_msgs/CameraInfo ，

该消息包含了相机的内参矩阵K和其他的一些标定参数。可以通过 camera_calibration

（camera_calibration - ROS Wiki）或者kalibr（GitHub - ethz-asl/kalibr: The Kalibr visual-inertial calibration toolbox）获得标定参数。

tag.yaml

文件中包含了用于检测的二维码信息。

settings.yaml

文件中包含了apriltag算法核心配置。

/tf 话题包含了每个被检测到的二维码相对于相机的位置和方向的数据。只有在settings.yaml文件中将 publish_tf 设置为 true 才会发布。

/tag_detections

话题发布的内容和 /tf 一样，只是包含了一个自定义消息 tag ID，该消息主要用于一簇标签（tag bundles）的检测。

/tag_detections_image

话题发布的内容和 /camera/image_rect 内容一样，只是包含了标签绑定的内容（即在输出的图像上实时高亮显示标签的位置）。只有在continuous_detection.launch文件中，设置publish_tag_detections_image==true才会发布。

2.AprilTag的使用(opencv)

2.1 AprilTag的生成

 apriltag功能包的使用

【注意：该包的使用需要

OpenCV库，Eigen3库，以及 cv_bridge包、usb_cam包、camera_calibration包】

1. 二维码的生成

下载

openmv（https://openmv.io/pages/download）

这里选用的是linux版本

找到下载的源文件，赋予运行权限

sudo chmod +x openmv-ide-linux-x86_64-2.6.5.run （这里要修改为自己下载的版本名称）

运行openmv./openmv-ide-linux-x86_64-2.6.5.run

然后选择 工具---机器视觉---ApirlTag生成器---TAG36H11，在弹出的对话框中选择需要的标签数量和对应的ID【这里选择的是TAG36H11，在

apriltag_ros/config/settings.yaml

文件中也要设置成对应的标签名称，否则算法将无法识别】

2. 启动相机

roslaunch usb_cam usb_cam-test.launch

3. 启动camera_calibration

校准相机

rosrun camera_calibration cameracalibrator.py --size 11x9 --square 0.100 image:=/usb_cam/image_raw camera:=/usb_cam

size 为棋盘标定板的大小，square为棋盘的边长，image为相机发布的图像信息（此处需要根据实际情况修改为自己相机发布的话题，可以通过 rostopic list 查看）

camera 为相机发布的相机消息，同样，根据实际情况修改为自己的相机

4. 启动apriltag_ros

roslaunch apriltag_ros continuous_detection.launch

需要注意的是，在

apriltag_ros/launch/continuous_detection.launch 文件下，

<arg name="camera_name" default="/usb_cam" />

<arg name="camera_frame" default="usb_cam" />

<arg name="image_topic" default="image_raw" />

将上面三个参数改为自己相机参数。

在apriltag_ros/config/tags.yaml 文件中修改为自己的标签设置。

standalone_tags:

[

{id: 0, size: 0.05},

{id: 1, size: 0.05},

{id: 2, size: 0.05},

{id: 3, size: 0.05},

{id: 4, size: 0.05},

{id: 5, size: 0.05},

{id: 6, size: 0.05},

{id: 7, size: 0.05},

{id: 8, size: 0.05},

{id: 9, size: 0.05},

]

上面为此次测试时用的标签参数，包含了标签的ID和每个标签的大小0.05m

5. 启动rqt_image_view

话题选择 /tag_detectios_image，就可以观看到带有标签高亮的图像

6. 启动rviz

将固定坐标设置为 相机的坐标系（这里为 /usb_cam），并且添加TF模块，就可以实时看见每个tag相对于相机的位置和方向了

3. ros上实现Apriltags位姿输出

在github上我们可以找到很多相关的代码，我用的是https://github.com/shijiwensjw/apriltags2_ros 下的代码实现了Apriltags位姿输出，既然有了算法，那麽我们需要通过摄像头输入图像，既然有了摄像头引入，我们便需要进行相机内参的标定，只有这样才可以保证精度。

具体实现：
首先下载usb_cam的包，然后在在launch文件修改如下：
“/dev/video1” /是插入usb摄像头具体的设备口
相机标定实现参考网址：https://blog.csdn.net/harrycomeon/article/details/91126256

然后在ros下，建立工作空间，将apriltags2，apriltags2_ros,camera_calibration,usb_cam文件夹复制到所建的工作空间的src目录下。catkin_make编译通过后，便可以依次运行
 

roslaunch usb_cam usb_cam-test.launch
roslaunch apriltags2_ros continuous_detection.launch

然后自己将两个launch文件整合到一起，只需要运行一个就可以

 roslaunch apriltags2_ros continuous_detection.launch

此时已经发布了话题，然后我们便可以查看话题下的内容，其中在/tag_detections和/tf话题下，发布了tag相对于相机的相对位姿。

注意下面文件下有指定识别tag的标号和实际大小

 参考博客：

技术分享 | apriltag_ros的基础讲解 - 知乎 (zhihu.com)

(8条消息) Apriltags+Ros+Ur5项目--Apriltags位姿输出_光头明明的博客-CSDN博客_apriltags