程序员经验分享-hwhale

SLAM学习——使用ARUCO_marker进行AR投影

2023-05-16

转载自：https://blog.csdn.net/Kalenee/article/details/90148599

SLAM学习——使用ARUCO_marker进行AR投影

white_Learner 2020-06-06 15:24:03 556 收藏 1

分类专栏： SLAM

最后发布:2020-06-06 15:24:03首次发布:2020-06-06 15:24:03

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/Kalenee/article/details/90148599

版权

一、简介

1.1 目标

增强现实技术（Augmented Reality，简称 AR），是一种实时地计算摄影机影像的位置及角度并加上相应图像、视频、3D模型的技术，这种技术的目标是在屏幕上把虚拟世界套在现实世界并进行互动。

将三维模型投影到ARUCO marker上，并获取投影效果。

1.2 实现思路

  1. 制作并识别ARUCO marker
  2. 估计旋转矩阵和平移矩阵
  3. 获取模型数据，并根据需要进行缩放和坐标调整
  4. 通过projectPoints重投影将三维坐标转换到图像二维坐标
  5. 显示图像

二、ARUCO marker

2.1 简介

ARUCO marker为汉明(海明)码的格子图，如下所示：
在这里插入图片描述

汉明码（Hamming Code）利用奇偶校验位的概念，通过在数据位后面增加一些比特，可以验证数据的有效性。利用一个以上的校验位，汉明码不仅可以验证数据是否有效，还能在数据出错的情况下指明错误位置。

2.2 原理解析

一个ArUco marker是一个二进制平方标记，它由一个宽的黑边和一个内部的二进制矩阵组成，内部的矩阵决定了它们的id。黑色的边界有利于快速检测到图像，二进制编码可以验证id，并且允许错误检测和矫正技术的应用。marker的大小决定了内部矩阵的大小。例如，一个4x4的marker由16bits组成。
在这里插入图片描述

上图为一个典型的ArUco marker，去除白色边框后为5X5的格子（黑色表示0，白色表示1），5X5的格子的外边缘为黑色。

黑白格子遵循下面的排列规则
p d p d p p d p d p p d p d p p d p d p p d p d p \begin{matrix} p & d & p &d &p\\ p & d & p &d &p\\ p & d & p &d &p\\ p & d & p &d &p\\ p & d & p &d &p\\ \end{matrix} ppppp​ddddd​ppppp​ddddd​ppppp​

  • p为校验位：1,3,5列
  • d为数据位：2,4列，共10位能表示0-1023的数字

用数字01可表示为下面的排列，去除验位后可获得右侧排列，
0 1 0 0 1 1 0 1 1 1 1 0 0 0 0 1 0 1 1 1 0 1 0 0 1 ⇒ 1 0 0 1 0 0 0 1 1 0 \begin{matrix} 0 & 1 & 0 &0 &1\\ 1 & 0 & 1 &1 &1\\ 1 & 0 & 0 &0 &0\\ 1 & 0 & 1 &1 &1\\ 0 & 1 & 0 &0 &1\\ \end{matrix}\Rightarrow \begin{matrix} 1 & 0 \\ 0 & 1 \\ 0 & 0 \\ 0 & 1 \\ 1 & 0 \\ \end{matrix} 01110​10001​01010​01010​11011​⇒10001​01010​
将数据行行首尾相接后可获得该ArUco marker的id为582
1001000110 ⇒ 582 10 01 00 01 10\Rightarrow582 1001000110⇒582

2.3 ARUCO marker的生成

注意：此处采用opencv的aruco库实现，opencv版本需要3以上，此处使用的是OpenCV3.3.1，下同

  1. 函数解析
void cv::aruco::drawMarker(const Ptr< Dictionary > & dictionary,
						   int 	id,
						   int 	sidePixels,
						   OutputArray 	img,
						   int 	borderBits = 1)

  • dictionary，包含marker对象的字典：

    cv::Ptr dictionary = cv::aruco::getPredefinedDictionary(cv::aruco::DICT_6X6_250);

    DICT_6X6_250为6x6的marker，该字典包含id为0-249的marker。

  • id，返回marker的id，需要在设置的字典的范围内。

  • sidePixels，返回图像的像素值。

  • img，输出marker图像。

  • borderBits，marker图像边缘向像素值。

  1. 完整程序
#include <opencv2/aruco.hpp>
#include <opencv2/calib3d.hpp>
#include <opencv2/highgui.hpp>

#include <fstream>
#include <iostream>
#include <sstream>

using namespace std;
using namespace cv;

void createArucoMarkers() {
  Mat outputMarker;
  int marker_nums = 10;

  // 6x6,id:0~249
  Ptr<aruco::Dictionary> markerDictionary =
      aruco::getPredefinedDictionary(aruco::DICT_6X6_250);

  for (int i = 0; i < marker_nums; i++) {
    // generate
    cv::aruco::drawMarker(markerDictionary, i, 200, outputMarker, 1);

    // save
    ostringstream convent;
    string imageName = "6X6_Marker_";
    convent << "marker/" << imageName << i << ".jpg";
    imwrite(convent.str(), outputMarker);
  }
}

int main(int argc, char *argv[]) {
  createArucoMarkers();
  return 0;
}

三、姿态估计

姿态估计（Pose estimation）在计算机视觉领域扮演着十分重要的角色：机器人导航、增强现实以及其它。这一过程的基础是找到现实世界和图像投影之间的对应点。

最为常用的方法是基于二进制平方的标记，这种Marker的主要便利之处在于，一个Marker提供了足够多的对应（四个角）来获取相机的信息。同样的，内部的二进制编码使得算法非常健壮，允许应用错误检测和校正技术的可能性。

此处的姿态估计采用PnP（Perspective-n-Point）的方法获得Marker相对相机的旋转矩阵和平移矩阵。

PnP（Perspective-n-Point）是求解3D到2D点对运动的方法。它描述了当我们知道n个3D空间点以及它们的投影位置时，如何估计相机所在的位姿。

3.1 关键函数解析

1. 识别Marker

void cv::aruco::detectMarkers(InputArray 	image,
							  Dictionary 	dictionary,
							  OutputArrayOfArrays 	corners,
							  OutputArray 	ids,
							  DetectorParameters 	parameters = DetectorParameters(),
							  OutputArrayOfArrays 	rejectedImgPoints = noArray()
                              InputArray 	cameraMatrix = noArray(),
							  InputArray 	distCoeff = noArray())
  • image，待检测marker的图像。
  • dictionary，字典对象，为需要识别的marker类型，与生成marker时设置的字典对象一致即可。
  • corners，检测marker获得的包含所有marker四个角点的数组，数据类型为std::vector<std::vector<cv::Point2f> >，若检测到N个marker，则数组大小为Nx4，角点顺序为顺时针，第一个点为左上角。
  • ids，检测marker获得的id，大小与corners一致，只能检测包含在字典内的id。
  • parameters，marker检测所需参数，输入对象类型为 DetectionParameters。
  • rejectedCandidates，返回被检测出来但不是有效编码的marker，每个返回的marker同样通过四个角点定义，数据格式与corners一致，该参数可忽略，参用于debug模式和refineDetectedMarkers()
  • cameraMatrix，相机内参数，可省略。
  • distCoeff，相机畸变参数，可省略。

2. 姿态估计

void cv::aruco::estimatePoseSingleMarkers(InputArrayOfArrays 	corners,
										  float 	markerLength,
										  InputArray 	cameraMatrix,
										  InputArray 	distCoeffs,
										  OutputArrayOfArrays 	rvecs,
										  OutputArrayOfArrays 	tvecs)
  • corners，识别的包含marker的角点的数组，为detectMarkers() 函数中corners参数的返回值。
  • markerLength，marker的边长，单位为米。
  • cameraMatrix，相机内参数，标定获得。
  • distCoeffs，相机畸变参数，标定获得。
  • rvecs，markers相对相机的旋转矩阵。
  • tvecs，markers相对相机的平移矩阵。

markers的坐标系为：矩形中心为坐标原点，红色为X轴，绿色为Y轴，蓝色为Z轴，轴的指向为该轴的正方向。
在这里插入图片描述

3.2 程序实现

  • 姿态估计
bool poseEstimation(Mat image, Vec3d &markerRvec, Vec3d &markerTvec, int detectID) {
  // detect marker
  vector<int> ids;
  vector<vector<Point2f>> corners;
  aruco::detectMarkers(image, dictionary, corners, ids);

  // if at least one marker detected
  if (ids.size() > 0) {
    // estimate Pose
    vector<Vec3d> rvecs, tvecs;
    aruco::estimatePoseSingleMarkers(corners, 0.05, cameraMatrix, distCoeffs,
                                     rvecs, tvecs);

    // screen out designed marker rvecs and tvecs
    for (int i = 0; i < ids.size(); i++) {
      if (ids[i] == detectID) {
        // save pose
        markerRvec = rvecs[i];
        markerTvec = tvecs[i];
        return true;
      } else
        return false;
    }
  } else
    return false;
}

四、显示模型

4.1 模型准备与读入

三维模型采用普林斯顿三维模型库的数据，该数据库的模型为.off格式，程序内部通过fstream读入。读入前需对文件进行修改处理：直接修改.off格式为.txt，同时删除首行的OFF。

  • off文件简析

    Object File Format(off)文件通过描述物体表面的多边形来表示一个模型的几何结构

    格式为：

    OFF

    顶点数 面数 边数

    x y z

    x y z

    …

    n个顶点 顶点1的索引 顶点2的索引 … 顶点n的索引

    …

  • 程序实现

  // model data
  vector<Point3f> pointData;
  vector<vector<int>> plantData;
 
  // read model
  fstream modelfile;
  modelfile.open("./marker/m100.txt");
  int pointSize, plantSize, lineSize;
  modelfile >> pointSize;
  modelfile >> plantSize;
  modelfile >> lineSize;

  // point data
  for (int i = 0; i < pointSize; i++) {
    Point3f pointTmp;
    modelfile >> pointTmp.x;
    modelfile >> pointTmp.y;
    modelfile >> pointTmp.z;

    // resize model
    pointTmp.x = pointTmp.x / 0.5 * markerLength - (markerLength / 2.0);
    pointTmp.y = pointTmp.y / 0.5 * markerLength - (markerLength / 2.0);
    pointTmp.z = pointTmp.z / 0.5 * markerLength - (markerLength / 2.0);
    pointData.push_back(pointTmp);
  }

  // plant data
  for (int i = 0; i < plantSize; i++) {
    vector<int> plantTmp;
    for (int j = 0; j < 4; j++) {
      int data;
      modelfile >> data;
      plantTmp.push_back(data);
    }
    plantData.push_back(plantTmp);
  }

4.2 重投影

projectPoints()可根据所给的三维坐标和已知的相机内外参数求解投影到图像坐标系上的二维坐标。

void projectPoints(InputArray objectPoints, 
                   InputArray rvec, 
                   InputArray tvec, 
                   InputArray cameraMatrix, 
                   InputArray distCoeffs, 
                   OutputArray imagePoints, 
                   OutputArray jacobian=noArray(), 
                   double aspectRatio=0 )
  • objectPoints，三维坐标数组。
  • rvec，旋转向量，通过estimatePoseSingleMarkers获得。
  • tvec，平移向量，通过estimatePoseSingleMarkers获得。
  • cameraMatrix，相机内参数。
  • distCoeffs，相机畸变参数。
  • imagePoints，返回图像坐标数组。
  • jacobian，雅克比行列式，
  • aspectRatio，相机传感器的感光单元有关的可选参数，如果设置为非0，则函数默认感光单元的dx/dy是固定的，会依此对雅可比矩阵进行调整。

4.3 绘制模型

4.3.1 绘制函数解析

1. 绘制坐标

void cv::aruco::drawAxis(InputOutputArray 	image,
						 InputArray 	cameraMatrix,
						 InputArray 	distCoeffs,
						 InputArray 	rvec,
						 InputArray 	tvec,
						 float 	length)

  • image ，是输入/输出图像，坐标将会绘制在该图像上（通常就是检测marker的那张图像）。

  • cameraMatrix，相机内参数，标定获得。

  • distCoeffs ，相机畸变参数，标定获得。

  • rvec ，外参数，旋转向量。

  • tvec ，外参数，平移向量。

  • length，坐标轴的长度，单位为米。

 

2. 绘制轮廓

void drawContours(InputOutputArray image, 
                  InputArrayOfArrays contours, 
                  int contourIdx, 
                  const Scalar& color, 
                  int thickness=1, 
                  int lineType=LINE_8, 
                  InputArray hierarchy=noArray(), 
                  int maxLevel=INT_MAX, 
                  Point offset=Point() )

3. 绘制线

void line(InputOutputArray img, 
          Point pt1, 
          Point pt2, 
          const Scalar& color, 
          int thickness=1, 
          int lineType=LINE_8, 
          int shift=0 )

4. 绘制点

void circle(InputOutputArray img, 
            Point center, 
            int radius, 
            const Scalar& color, 
            int thickness=1, 
            int lineType=LINE_8, 
            int shift=0 )

4.3.2 程序实现

#include <opencv2/aruco.hpp>
#include <opencv2/calib3d.hpp>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/opencv.hpp>

#include <fstream>
#include <iostream>
#include <sstream>
#include <vector>

#include <cv_bridge/cv_bridge.h>
#include <ros/ros.h>
#include <sensor_msgs/Image.h>

using namespace std;
using namespace cv;

#define markerLength 0.05 // ar码实际边长，单位m
#define modelSize 1       //模型大小0-1

ros::Publisher image_pub;

// init data
Mat cameraMatrix, distCoeffs;
Ptr<cv::aruco::Dictionary> dictionary =
    cv::aruco::getPredefinedDictionary(cv::aruco::DICT_6X6_250);

// model data
vector<Point3f> pointData;
vector<vector<int>> plantData;

// 绘制模型
Mat drawModel(Mat image, Vec3d rvec, Vec3d tvec, vector<Point3f> modelPoints,
              vector<vector<int>> modelPlants, bool judge) {
  Mat showImage;
  cvtColor(image, showImage, CV_GRAY2BGR);

  if (judge) {
    // draw axis
    aruco::drawAxis(showImage, cameraMatrix, distCoeffs, rvec, tvec, 0.05);

    // draw model
    // projectPoints
    std::vector<cv::Point2f> imagePoints;
    projectPoints(modelPoints, rvec, tvec, cameraMatrix, distCoeffs,
                  imagePoints);

    // draw plant
    vector<vector<Point>> plantPoints(modelPlants.size());
    vector<Point> tmpPoints(3);
    for (int i = 0; i < modelPlants.size(); i++) {
      tmpPoints[0] = imagePoints[modelPlants[i][1]];
      tmpPoints[1] = imagePoints[modelPlants[i][2]];
      tmpPoints[2] = imagePoints[modelPlants[i][3]];
      plantPoints[i] = tmpPoints;
    }
    for (int i = 0; i < plantPoints.size(); i++) {
      drawContours(showImage, plantPoints, i, Scalar(203, 192, 255), FILLED);
    }

    // draw line
    for (int i = 0; i < modelPlants.size(); i++) {
      line(showImage, imagePoints[modelPlants[i][1]],
           imagePoints[modelPlants[i][2]], Scalar(0, 0, 0), 1);
      line(showImage, imagePoints[modelPlants[i][2]],
           imagePoints[modelPlants[i][3]], Scalar(0, 0, 0), 1);
      line(showImage, imagePoints[modelPlants[i][3]],
           imagePoints[modelPlants[i][1]], Scalar(0, 0, 0), 1);
    }

    // draw point
    for (int i = 0; i < imagePoints.size(); i++) {
      circle(showImage, imagePoints[i], 1, Scalar(0, 0, 0), 1);
    }
  }
  return showImage;
}

// 状态估计
bool poseEstimation(Mat image, Vec3d &markerRvec, Vec3d &markerTvec) {
  Mat imageCopy = image.clone();

  // detect marker
  vector<int> ids;
  vector<vector<Point2f>> corners;
  aruco::detectMarkers(imageCopy, dictionary, corners, ids);

  // if at least one marker detected
  if (ids.size() > 0) {
    // aruco::drawDetectedMarkers(showImage, corners, ids);
    vector<Vec3d> rvecs, tvecs;
    aruco::estimatePoseSingleMarkers(corners, 0.05, cameraMatrix, distCoeffs,
                                     rvecs, tvecs);

    // screen out designed marker rvecs and tvecs
    for (int i = 0; i < ids.size(); i++) {
      if (ids[i] == 2) {
        markerRvec = rvecs[i];
        markerTvec = tvecs[i];
        return true;
      } else
        return false;
    }
  } else
    return false;
}

// 回调函数
void imageCb(const sensor_msgs::ImageConstPtr &msg) {
  // get image
  cv_bridge::CvImagePtr cv_ptr =
      cv_bridge::toCvCopy(msg, sensor_msgs::image_encodings::MONO8);
  Mat cameraImage = cv_ptr->image;

  // estimate pose
   Vec3d markerRvec, markerTvec;
   bool judge = poseEstimation(cameraImage, markerRvec, markerTvec);

  // draw model
   Mat showImage = drawModel(cameraImage, markerRvec, markerTvec, pointData,
                            plantData, judge);

  // pub result
  cv_bridge::CvImage out_msg;
  out_msg.encoding = sensor_msgs::image_encodings::BGR8;
  out_msg.image = showImage;
  image_pub.publish(out_msg.toImageMsg());
}

int main(int argc, char *argv[]) {
  // init ros
  ros::init(argc, argv, "aruco");
  ros::NodeHandle nh;
  ros::Subscriber image_sub =
      nh.subscribe<sensor_msgs::Image>("/camera/image", 1, imageCb);
  image_pub = nh.advertise<sensor_msgs::Image>("/camera/aruco", 1);

  // init parms
  vector<double> cameraMatrixData, distCoeffsData;
  ros::param::get("/camera_matrix/data", cameraMatrixData);
  ros::param::get("/distortion_coefficients/data", distCoeffsData);

  Mat cameraMatrixTmp =
      (Mat_<double>(3, 3) << cameraMatrixData[0], cameraMatrixData[1],
       cameraMatrixData[2], cameraMatrixData[3], cameraMatrixData[4],
       cameraMatrixData[5], cameraMatrixData[6], cameraMatrixData[7],
       cameraMatrixData[8]);
  cameraMatrix = cameraMatrixTmp;

  Mat distCoeffsTmp =
      (Mat_<double>(1, 5) << distCoeffsData[0], distCoeffsData[1],
       distCoeffsData[2], distCoeffsData[3], distCoeffsData[4]);
  distCoeffs = distCoeffsTmp;

  // read model
  fstream modelfile;
  modelfile.open("./marker/m100.txt");
  int pointSize, plantSize, lineSize;
  modelfile >> pointSize;
  modelfile >> plantSize;
  modelfile >> lineSize;

  for (int i = 0; i < pointSize; i++) {
    Point3f pointTmp;
    modelfile >> pointTmp.x;
    modelfile >> pointTmp.y;
    modelfile >> pointTmp.z;

    // resize model
    pointTmp.x = pointTmp.x / 0.5 * markerLength - (markerLength / 2.0);
    pointTmp.y = pointTmp.y / 0.5 * markerLength - (markerLength / 2.0);
    pointTmp.z = pointTmp.z / 0.5 * markerLength - (markerLength / 2.0);
    pointData.push_back(pointTmp);
  }

  for (int i = 0; i < plantSize; i++) {
    vector<int> plantTmp;
    for (int j = 0; j < 4; j++) {
      int data;
      modelfile >> data;
      plantTmp.push_back(data);
    }
    plantData.push_back(plantTmp);
  }

  ros::spin();
  return 0;
}

4.4 实现效果

在这里插入图片描述

在这里插入图片描述

参考

  • aruco

    ARUCO marker的解释

    [OpenCV] aruco Markers识别

    tutorial_aruco_detection

  • 程序参考

    https://github.com/fdcl-gwu/aruco-markers

    https://github.com/jeradesign/ar-challenge

  • 原理参考

    《视觉SLAM十四讲》——第7讲 视觉里程计1

  • 模型数据

    off文件格式(Object File Format)

    常见的三维点云数据下载链接

    普林斯顿三维模型库

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

Slam

ArUco

MARKER

SLAM学习——使用ARUCO_marker进行AR投影 的相关文章

  • 【SLAM】libQGLViewer：VS 2019 + Qt 5.14.2 + Win 10 配置

    libQGLViewer 2 7 2 VS 2019 Qt 5 14 2 Win 10 配置 注意 这次配置没有完全成功 编译25个成功 一个失败 失败的是 qglviewerplugin qglviewerplugin 是一个可选控件 不

  • 深度相机Kinect2.0三维点云拼接实验（一）

    文章目录 摘要 Kinect2 0简介 工作原理 RGB相机成像原理 深度相机成像原理 总结 参考文献 摘要 Kinect2 0是微软推出的一款RGB D相机 它即支持普通相机的拍摄 也支持脉冲测量深度信息 本系列文章基于该传感器给出基本的

  • 激光SLAM7-基于已知位姿的构图算法

    1 通过覆盖栅格建图算法进行栅格地图的构建 1 1 Theory 1 2 code 这里没有判断idx和hitPtIndex是否有效 start of TODO 对对应的map的cell信息进行更新 1 2 3题内容 GridIndex h

  • 互转（经纬度、地心坐标、东北天坐标）

    Part1三种坐标系介绍 经纬度坐标 假设空间某点P 用经纬度表示的话 你们B代表纬度 L代表经度 H代表大地高 纬度B P点沿着地球法线方向与赤道面的夹角 向北为正称为北纬 0 90 向南为负称为南纬 0 90 实际表示可以用 90 90

  • 动态场景下基于实例分割的SLAM（毕业设计开题及语义分割部分）

    动态场景下基于实例分割的SLAM 毕业论文设计思路及流水 前言 今年选了个比较难的毕设题目 这里记录一下自己思路和流程 为之后的学弟学妹 划掉 铺个方向 会按日期不定期的更新 一 开题 2019 12 24 考研前选择课题是 利用深度学习对

  • PnP 问题

    欢迎访问我的博客首页 PnP 问题 1 DLT 2 P3P 3 G2O 求解 PnP 3 1 单目 3 2 双目 4 自定义顶点与边优化内参 4 1 二元边 4 2 三元边 4 3 总结 5 参考 PnP Perspective n Poi

  • Eigen::aligned_allocator

    如果STL容器中的元素是Eigen库数据结构 例如这里定义一个vector容器 元素是Matrix4d 如下所示 vector

  • Ubuntu20.04安装各种库----简洁版

    目录 Eigen3 Sophus Pangolin Ceres g2o 建议先装anaconda再装ros python opencv啥该有的都有了 下面仅仅安装ros没有的库 Eigen3 作用 线性代数开源库 提供了有关线性代数 矩阵和

  • SLAM--三角测量SVD分解法、最小二乘法及R t矩阵的判断

    目录 一 三角测量 方法一 SVD分解法的推导 方法二 最小二乘法求解 二 ORB SLAM2 三角测量源码 三 利用Eigen源码实现三角测量 方法一 SVD分解法 方法二 最小二乘法求解 速度最快 方法三 利用OpenCV自带函数 四

  • Ceres Solver从零开始手把手教学使用

    目录 一 简介 二 安装 三 介绍 四 Hello Word 五 导数 1 数值导数 2解析求导 六 实践 Powell函数 一 简介 笔者已经半年没有更新新的内容了 最近学习视觉SLAM的过程中发现自己之前学习的库基础不够扎实 Ceres

  • Object SLAM: An Object SLAM Framework for Association, Mapping, and High-Level Tasks 论文解读

    是一篇来自机器人顶刊T RO的文章 发表于2023 5 An Object SLAM Framework for Association Mapping and High Level Tasks 论文 An Object SLAM Fram

  • BLAM跑自己的数据包无法显示全局点云地图解决（速腾聚创RS-LiDAR-16 雷达 ）-SLAM不学无术小问题

    BLAM算法跑自己的数据包无法显示全局点云地图解决 适配速腾聚创RS LiDAR 16 雷达 提示 本文笔者使用环境Ubuntu18 04 ROS melodic版本 首先放一个效果链接 由b站up VladimirDuan上传 非官方 官

  • Android MapView 无法删除标记

    我正在使用 locationManager 和 ItemizedOverlay 来绘制 我的位置 标记 问题是当触发 onLocationChanged 时 我正在绘制新标记 而不是最后一个移动到新位置的标记 这是我的 onLocation

  • 如何调整散点图的标记大小，使其与给定的半径匹配？ （使用 matplotlib 转换）

    我想让散点图的标记与数据坐标中给出的半径相匹配 我读过pyplot散点图标记大小 标记大小以标记面积 以点 2 为单位 给出 我尝试将给定的半径转换为点axes transData然后通过计算面积pi r 2 但我没有成功 也许我的转变是错

  • Google Maps API v3 多个标记信息窗口

    我使用下面的代码来显示带有多个标记和信息窗口的地图 现在我遇到了所有标记上显示最后一个信息窗口的非常常见的问题 我尝试过各种解决方案 包括 http you arenot me 2010 06 29 google maps api v3 0

  • 如何在 JFreeChart 散点图中创建空心形状

    使用的 JFreeChart 版本 1 5 0 我尝试了以下方法来获得散点图中的空心形状 PlotFrame java文件内容 package javaapplication1 import javax swing JFrame impor

  • 自定义Android地图pin

    您好 我想添加一个动态显示 其中包含我的观点中的数字 如图所示 我已经在地图上有了图标 将点中的数字相加 您可以使用android maps utils http googlemaps github io android maps util

  • 通过触摸或点击在 Android Google 地图上添加标记

    我想在 Android 上使用 Google 地图开发地图应用程序 现在 我想通过触摸或点击地图在地图上添加标记 如何应用触摸事件将标记放在地图上 尝试使用新的谷歌地图 API v2 https developers google com

  • KITTI校准文件中参数的格式

    我从以下位置访问了校准文件KITTI 的部分里程计 http www cvlibs net datasets kitti eval odometry php 其中一个校准文件的内容如下 P0 7 188560000000e 02 0 000

  • Android 标记自定义信息窗口

    我正在使用谷歌地图V2 我需要展示ListView 风俗ListView带图像 自定义InfoWindow 我尝试过并且只在以下方面取得了成功View 问题是我无法得到listItemClick event googleMap setInf

随机推荐

热门标签