swarmflow op• 資料種類:any × scalar × scalar → table
• 呼叫: 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'(要直接呼叫實作,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';從台帳取用則 opsdrive.get("swarm_field_from_piv"))
俯視影格序列 → 相鄰影格之間的互相關 PIV(pivops.piv_cross_correlate)→ 所有影格對取平均 → 世界的速度場。
不逐個區分個體(重疊時也能用),代價是比視窗(window px)更細的擾動被平均掉。峰比小於 min_peak_ratio 的視窗記為缺測(NaN)。★群體容易排成格子狀(相互推擠使間距整齊),相關峰也會出現在相鄰格點位置,因此峰比接近 1。實測(間距 7.5 px,視窗 24):閾值 0 時混入認錯的視窗,與個體速度的 rms 為 U 的 13.7 %,1.1 時為 1.9 %(可測視窗 85 %),1.3 時可測視窗降至 18 % —— 預設為 1.1。此外,再用逐對正規化的中位數檢驗(pivops.piv_outlier_mask,閾值 outlier_threshold,None 則不施加)將離群視窗記為缺測後再平均。依 pivops 的注意事項,為避免把陡峭梯度(障礙物的肩部)當作離群,取比慣例的 2 更寬鬆的 3。將 pivops 的分量 (dy, dx) [px/幀] 換算為 u = dx·res/Δt、v = −dy·res/Δt。
Returns:
速度場的 dict + valid_fraction(視窗中可測的比例)、n_pairs。
• 範例資料目錄(下載 URL / 授權) —— 2-D 用 skimage.data(BSD/公有領域)加合成圖,3-D 給出真實資料源(Stanford/PDS 等)的下載 URL。
• 運算子來歷與參考文獻 —— 該運算子族所依據的研究/方法出處。
• 演算法的正典(作者、年份)與用途見上面的族使用指南。
• poc_swarm_obstacle_from_flow — py -3.11 examples/poc_swarm_obstacle_from_flow.py
table 作為輸入)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 運算子登記表。本條目由 tools/opdocs.py md 自動產生(請勿手動編輯)。*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.