foothold_candidates — DRIVE walkterrain op

• 데이터 종류: depth → table

• 호출: import fullseye as fs; fs.ledger.foothold_candidates(grid, cell: 'float' = 0.05, window: 'int' = 3, min_score: 'float' = 0.6, min_dist: 'float' = 0.15, max_n: 'int' = 50, extent=None)(구현을 직접 호출하려면 import terrain; terrain.foothold_candidates(grid, cell: 'float' = 0.05, window: 'int' = 3, min_score: 'float' = 0.6, min_dist: 'float' = 0.15, max_n: 'int' = 50, extent=None), 원장에서 가져오려면 opsdrive.get("foothold_candidates"))

• GPU: 없음(CPU 참조 구현만)

사용법

지형에서 이산적인 안전한 발 디딤 목표를 고른다.

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

Scores every cell with foothold_score, keeps local maxima above *min_score*, and greedily suppresses candidates within *min_dist* (world units) of a better one — turning the continuous flatness field into a short list of "here are places you may put a foot". Returns a list of dicts sorted best-first, each with cell (row, col), score, and xy (world) when *extent* is given. The actionable output a foot-placement planner consumes.

참고(샘플 데이터·문헌)

• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.

• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.

• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• consumer_hillco — py -3.11 examples/consumer_hillco.py

• physical_ai_perception — py -3.11 examples/physical_ai_perception.py

• walking_ops_tour — py -3.11 examples/walking_ops_tour.py

타입이 이어지는 다음 연산자(table 를 입력으로 받는 것)

course_layout · course_occupancy · course_contains · world_build · world_camera · world_move · lidar_scan · rss_longitudinal_same

같은 카테고리(walkterrain)

elevation_map · fill_gaps · elevation_traversability · foothold_score · ground_surface · ground_plane · detect_obstacles · fuse_elevation

*Provenance: terrain.py — DRIVE 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.