swarmflow op• 数据种类:any × scalar × scalar → table
• 调用: import fullseye as fs; fs.ledger.swarm_field_from_piv(frames, res: 'float', frame_dt: 'float', center=(0.0, 0.0), window: 'int' = 24, overlap: 'float' = 0.5, min_peak_ratio: 'float' = 1.1, outlier_threshold=3.0) -> 'dict'(要直接调用实现,import swarmflow; swarmflow.swarm_field_from_piv(frames, res: 'float', frame_dt: 'float', center=(0.0, 0.0), window: 'int' = 24, overlap: 'float' = 0.5, min_peak_ratio: 'float' = 1.1, outlier_threshold=3.0) -> 'dict';从台账取用则 opsdrive.get("swarm_field_from_piv"))
俯视帧序列 → 相邻帧之间的互相关 PIV(pivops.piv_cross_correlate)→ 所有帧对取平均 → 世界的速度场。
不逐个区分个体(重叠时也能用),代价是比窗口(window px)更细的扰动被平均掉。峰比小于 min_peak_ratio 的窗口记为缺测(NaN)。★群体容易排成格子状(相互推挤使间距整齐),相关峰也会出现在相邻格点位置,因此峰比接近 1。实测(间距 7.5 px,窗口 24):阈值 0 时混入认错的窗口,与个体速度的 rms 为 U 的 13.7 %,1.1 时为 1.9 %(可测窗口 85 %),1.3 时可测窗口降至 18 % —— 默认为 1.1。此外,再用逐对归一化的中位数检验(pivops.piv_outlier_mask,阈值 outlier_threshold,None 则不施加)将离群窗口记为缺测后再平均。按 pivops 的注意事项,为避免把陡峭梯度(障碍物的肩部)当作离群,取比惯例的 2 更宽松的 3。将 pivops 的分量 (dy, dx) [px/帧] 换算为 u = dx·res/Δt、v = −dy·res/Δt。
Returns:
速度场的 dict + valid_fraction(窗口中可测的比例)、n_pairs。
• 示例数据目录(下载 URL / 许可证) —— 2-D 用 skimage.data(BSD/公有领域)加合成图,3-D 给出真实数据源(Stanford/PDS 等)的下载 URL。
• 算子来历与参考文献 —— 该算子族所依据的研究/方法出处。
• 算法的正典(作者、年份)与用途见上面的族使用指南。
• poc_swarm_obstacle_from_flow — py -3.11 examples/poc_swarm_obstacle_from_flow.py
table 作为输入)course_layout · course_occupancy · course_contains · world_build · world_camera · world_move · lidar_scan · rss_longitudinal_same
swarmflow)sph_kernel · sph_density_pressure · swarm_simulate · swarm_render_overhead · swarm_field_from_tracks · potential_flow_cylinder · velocity_deficit_map · stagnation_from_centerline
*Provenance: swarmflow.py — DRIVE 算子登记表。本条目由 tools/opdocs.py md 自动生成(请勿手工编辑)。*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.