仅用于记录自己使用aruco过程中遇到的问题与解决方法。
0. 参考资料
github一个参考：https://github.com/opencv/opencv_contrib/blob/master/modules/aruco/samples/create_board.cpp
opencv aruco教程（但有问题）：https://docs.opencv.org/4.5.3/db/da9/tutorial_aruco_board_detection.html
opencv docs：https://docs.opencv.org/3.2.0/d9/d6a/group__aruco.html#gaa871fca5f7f75f0e94deba8c417a296e
1. 编译aruco库
需要下载opencv对应的contrib模块，然后编译opencv时指定extra module。可以把其他不相关的module直接在contrib中删除。
编译后，将libaruco.so等复制到对应的路径。
代码编译时，CMakeLists.txt需link到libaruco，原始的${OpenCV_LIBS}没有包含这个库。
2. 生成Grid
aruco可以检测单独的mark，也可以检测一个阵列，进行相机标定或更精确的相机定位。所以需要首先生成Grid。所采用的代码如下：
#include <iostream>
#include <vector>
#include "opencv2/opencv.hpp"
#include "opencv2/aruco.hpp"
using namespace std;
using namespace cv;
int main(int argc, char **argv){
Mat markerImage;
cv::Ptr<aruco::Dictionary> dict = aruco::getPredefinedDictionary(aruco::PREDEFINED_DICTIONARY_NAME(aruco::DICT_4X4_100));
// board: aruco map. create(x_num, y_num, size(m), gap, diction, (index=1))
cv::Ptr<aruco::GridBoard> board = aruco::GridBoard::create(7, 10, 0.04, 0.01, dict);
Mat img;
board->draw(Size(7000, 10000), img, 100); // 上一步设置的大小没有太多的意义，draw时和实际尺寸无关
// board->draw: 第三册参数为：marginSize, minimum margins (in pixels) of the board in the output image
imshow("img", img);
imwrite("/home/larrydong/Desktop/aruco.png", img);
return 0;
}
说明：
dictionary指mark的形式，对应4X4_100表示用内部长宽为4x4的mark，100为这个字典的大小是100，即从0-99。如果生成的阵列超过100，可以选用250/1000这种。
Board是mark构成的一个板子，不要求必须是标注的阵列形式，指定每个mark的坐标即可生成一个board。但一般采用阵列形式。
GridBoard是便捷生成一个阵列，在create时有六个参数如下：
需要注意虽然给定了markerLength，但这个数值基本没有用。只需要保证length和separation的比例即可。
最后的firstMarker为整个grid的起始的id是多少，比如设置为5，那么就是5-75。
之后需要进行绘制draw()，参数如下：
首先指定图片的size，之后margin是最小的marker需要多少个像素。如果最小值*阵列的长宽超过了图片的size，运行会报错。
但这里图片的size如果远大于设定的最小margin，会自动缩放grid的大小，并放在图片中间。所以之前的markerLength并没有什么用。
3. 检测与相机定位
#include <iostream>
#include <vector>
#include "opencv2/opencv.hpp"
#include "opencv2/aruco.hpp"
using namespace std;
using namespace cv;
int main(void){
Mat inputImage = imread("/home/larrydong/output/eb_record/aruco/0.bmp", 1);
if(inputImage.empty()){
cout << "Error. Cannot load images" << endl;
return -1;
}
// load intrinsics
cv::Mat cameraMatrix, distCoeffs;
FileStorage f_calib;
f_calib.open("/home/larrydong/eb_record_ws/src/HIKROBOT-MVS-CAMERA-ROS/config/calib.yaml", FileStorage::READ);
if(!f_calib.isOpened()){
cout << "Cannot open f_calib" << endl;
return -1;
}
f_calib["intrinsics"] >> cameraMatrix;
f_calib["distortion_coeffs"] >> distCoeffs;
Ptr<aruco::Dictionary> dict = aruco::getPredefinedDictionary(aruco::PREDEFINED_DICTIONARY_NAME(aruco::DICT_4X4_100));
// board: aruco map. create(x_num, y_num, size(m), gap, diction, (index=1))
Ptr<aruco::GridBoard> board = aruco::GridBoard::create(7, 10, 0.0272, 0.00518, dict); // real distance in meters.
vector<int> markerIds; // detected ids.
vector<vector<Point2f>> markerCorners;
aruco::detectMarkers(inputImage, board->dictionary, markerCorners, markerIds);
if(markerIds.size() > 0) {
// if at least one marker detected
aruco::drawDetectedMarkers(inputImage, markerCorners, markerIds);
cv::Vec3d rvec, tvec;
int valid = cv::aruco::estimatePoseBoard(markerCorners, markerIds, board, cameraMatrix, distCoeffs, rvec, tvec);
if(valid){
aruco::drawAxis(inputImage, cameraMatrix, distCoeffs, rvec, tvec, 0.1);
cout << "rvec: " << rvec << endl;
cout << "tvec: " << tvec << endl;
}
imshow("aruco", inputImage);
}
else{
cout << "cannot find anymarks" << endl;
}
}
检测时，传入一张图片，采用detectMarkers函数。函数需要传入图像、对应的dictionary是什么样的，输出检测到的marker交点，和对应marker的id。需要注意，这里的dictionary对应的marker的大小，应该是打印出来的实际尺寸，并非生成时指定的理论值。
检测后，能够获取所有marker的角点和id。之后进一步通过检测到的角点确定相机的位姿estimatePoseBoard，此时需要知道之前给定的dictionary的markder大小，以及相机的内参和畸变。
也可以再画出来坐标轴drawAxis。需要注意，Board的原点定义为“最左下角的marker”，z向相机方向。所以在标定时需要保证marker的原点一直在左下角。和marker的id没有任何卵关系。
A Board of marker has a single world coordinate system which is defined by the board layout. The coordinate system in a Grid Board is positioned in the board plane, centered in the bottom left corner of the board and with the Z pointing out
小结
一天的时间基本搞清楚了这个aruco。网上的资料真的乱七八糟，还是自己瞎凑多试整的明白。