ttc_truth — DRIVE `ttc` op

• Datenarten: image2d × matrix × matrix → table

• Aufruf: import fullseye as fs; fs.ledger.ttc_truth(depth, K, T_rel, dt: 'float') -> 'dict' (die Implementierung direkt: import drivettc; drivettc.ttc_truth(depth, K, T_rel, dt: 'float') -> 'dict'; aus dem Register: opsdrive.get("ttc_truth"))

Verwendung

Pixelweises wahres τ (Sekunden, zum Zeitpunkt des ersten Frames) und Annäherungsgeschwindigkeit: {"tau", "closing_speed", "depth1", "valid"}.

τ₀ = Z₀ · Δt / (Z₀ − Z₁) (Lees Z / (−Ż) von 1976 als Differenz zweier Bilder; bei konstanter Geschwindigkeit exakt). Pixel, die sich nicht nähern (Z₁ ≥ Z₀), erhalten inf. closing_speed = (Z₀ − Z₁) / Δt (m/s, positiv = Annäherung).

Leere Eingabe (depth mit 0 Elementen) löst ValueError aus.

Referenzen (Beispieldaten, Literatur)

• 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.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• poc_ttc_rss — py -3.11 examples/poc_ttc_rss.py

Typkompatible Folge-Operatoren (nehmen `table` als Eingabe)

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

Gleiche Kategorie (`ttc`)

relative_motion · foe_from_motion · flow_from_depth_motion · ttc_from_flow · ttc_from_scale · ttc_from_range · label_extent · foe_from_flow

*Provenance: drivettc.py — DRIVE Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

ttc_truth — DRIVE ttc op