tacscalib op• Datenarten: rgb × table × image2d → normalmap
• Aufruf: import fullseye as fs; fs.ledger.gradient_lut_invert(rgb, table: 'dict', mask=None, min_count: 'int' = 1, method: 'str' = 'coarse', coarse: 'int' = 3, topk: 'int' = 2, chunk: 'int' = 1024) -> 'np.ndarray' (die Implementierung direkt: import tacscalib; tacscalib.gradient_lut_invert(rgb, table: 'dict', mask=None, min_count: 'int' = 1, method: 'str' = 'coarse', coarse: 'int' = 3, topk: 'int' = 2, chunk: 'int' = 1024) -> 'np.ndarray'; aus dem Register: opsdrive.get("gradient_lut_invert"))
RGB (H, W, 3) → Normalen (H, W, 3): die Mittelnormale desjenigen belegten Bins (count ≥ min_count), dessen Farbe am nächsten liegt. Bei der positionsabhängigen Tabelle (gradient_lut_build mit positions) wird die Farbe jedes Bins zuerst an der Pixelposition vorhergesagt und dann verglichen.
method="coarse" (Standard): Für jeden Block aus coarse × coarse Bins wird ein Repräsentant (der Bin mit den meisten Zeilen) gesetzt, die topk farblich nächsten Blöcke werden gewählt, und nur in den 3 × 3 Blöcken um jeden von ihnen werden alle Bins verglichen (grob → fein). "exact": Brute Force über alle Bins (Referenz). Farbe → Normale ist multimodal (weit entfernte Bins haben fast dieselbe Farbe), daher wählt grob → fein nicht unbedingt denselben Bin wie Brute Force: Am ersten realen Gerät stimmen etwa 90 % überein, und auch für die abweichenden Pixel ist der Median des Winkelfehlers fast gleich (per Gate gemessen). Außerhalb von mask ist das Ergebnis (0, 0, 1). min_count ist die Untergrenze der Zeilenzahl der verwendeten Bins: Bei rauschfreien synthetischen Daten genügt 1, am realen Gerät aber ist der Farbmittelwert von Bins mit nur 1 Zeile (624 davon in den 24 Kalibrierbildern des ersten Geräts) reines Rauschen, und bei 1 ist die rekonstruierte Tiefe um +18 % verzerrt (+6 % ab 10 Zeilen). Umgekehrt wird beim Nachschlagen nur in Bins mit angepassten Positionstermen (min_count=min_rows_poly) eine Neigung von 0–15° zur Totzone. Raises ValueError: Form / Form von mask / falsch geschriebene method / coarse, topk oder chunk kleiner als 1 / 0 verwendbare Bins / abweichende Bildgröße in der positionsabhängigen Variante.
• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).
• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.
• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.
• poc_tacscalib_sphere_lut — py -3.11 examples/poc_tacscalib_sphere_lut.py
normalmap als Eingabe)spin_from_marker_sequence · carla_transform_matrix · carla_pose_to_world · carla_camera_pose · carla_xy_yaw · carla_scene_load · town_chain · osm_parse
tacscalib)calib_pack_load · sphere_normals_known · lights_fit_from_sphere · membrane_predict_rgb · gradient_lut_build · normal_error_map · sphere_cap_height · field_position_sweep
*Provenance: tacscalib.py — DRIVE Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.