Qual câmera eu quero utilizar?

Qual câmera eu quero utilizar?


A primeira pergunta que devemos fazer quando escolher uma câmera ou um co-processador é "o quê eu quero que ela faça?"

AprilTags

Na escolha de um sistema para trabalhar com AprilTags, é importante considerar fatores como: desempenho em tempo real e integração com o robô.

Comparação de soluções para Detecção de AprilTags

Solução Prós Contras
Limelight 4 com o Hailo-8 - Localização de AprilTags Acelerada pelo Hailo (2x-3x mais rápida que a localização de AprilTags em CPU)

- Projetada para a detecção de AprilTags

- IMU interno para algoritmo de estimação de posição

- Amplo FOV (80 x 56 graus)

- Algoritmos de estimação de posição da Limelight

- Câmera monocromática (não enxerga cores)
- Investimento mais alto

- Dependência das atualizações feitas pela equipe da Limelight

Limelight 4 - IMU interno para algoritmo de estimação de posição

- Projetada para a detecção de AprilTags

- Amplo FOV (80 x 56 graus)

- Maior poder de processamento

- Algoritmos de estimação de posição da Limelight

- Câmera monocromática (não enxerga cores)
- Investimento mais alto

- Dependência das atualizações feitas pela equipe da Limelight

Limelight 3G - Projetada para a detecção de AprilTags

- Amplo FOV (80 x 56 graus)

- Excelente desempenho em baixa luz

- Algoritmos de estimação de posição da Limelight

- Câmera monocromática (não enxerga cores)
- Limitada a tarefa de deteção de Apriltag

- Dependência das atualizações feitas pela equipe da Limelight

Limelight 3 - Desempenho extremamente confiável

- Mesmos algoritmos de estimação de posição da Limelight 3G
- Menos poder de processamento que a versão 3G para Apriltags

- Não foi criada especificamente para detecção de Apriltags

- Dependência das atualizações feitas pela equipe da Limelight

- FOV um pouco menor que a 3G
Orange PI 5 com PhotonVision - Extremamente versátil

Suporta até 3 Câmeras fazendo detecção ao mesmo tempo

- Podem ser utilizadas câmeras monocromáticas
- Configuração mais complexa

- Requer otimização manual para melhor desempenho.

Detalhes das Soluções

Detecção de Objetos

A detecção de objetos é um recurso importante para robôs na FRC, especialmente quando se trata de identificar e rastrear game pieces, obstáculos e outras entidades no campo. Utilizando algoritmos baseados em redes neurais e processamento de imagens, os sistemas de detecção de objetos podem trazer precisão e rapidez às ações do robô.

Sistema Prós Contras
Limelight 4 com o Hailo-8 - Detecção de objeto com YoloV8 na Hailo-8 em 80FPS

- Amplo FOV (80 x 56 graus)

- Algoritmos de estimação de posição da Limelight

- Câmera monocromática (não enxerga cores)
- Investimento mais alto

- Dependência das atualizações feitas pela equipe da Limelight

Limelight 4 - Detecção de Objetos com MobileNet na CPU a 20 FPS

- Amplo FOV (80 x 56 graus)

- Maior poder de processamento

- Algoritmos de estimação de posição da Limelight
- Investimento mais alto

- Dependência das atualizações feitas pela equipe da Limelight

Limelight 3 com Google Coral - Integração nativa com redes neurais prontas ou customizáveis

- Pipelines Python customizáveis

- Fácil configuração.
- Utiliza apenas 1 câmera
PhotonVision com Orange Pi 5/5+ - Suporte a redes neurais avançadas distribuidas pelo time da Photonvision

- Suporta até 3 câmeras fazendo detecção
- Configuração técnica necessária.

Detalhes das Soluções

A Limelight DEVE ser utilizada com o Google Coral para uma detecção de objetos robusta

O Co-processador DEVE ser a para uma detecção de objetos robusta