| ############ 971 Spartan Robotics |
| # |
| # This JeVois configuration file works with the 2019 image_streamer program |
| # on the ODROID that is used to send images back to the driverstation. Each uncomented |
| # line in this file is a camera configuration. The JeVois camaera can have |
| # many configurations. I think it can have as many as 50. The default configuration |
| # has a '*' at the end of the line. To avoid confusion and make it clear which |
| # configuration to use, only one configuration is active in this file. |
| # |
| # This file resides on the JeVois in /JEVOIS/config/videomappings.cfg |
| # It can be editted by mounting the microSD card on a computer and editting it. |
| # It can also be editted by mounting the JeVois disk under Debian. This |
| # is done by running |
| # sudo y2019/vision/tools/jevois-cmd usbsd |
| # This mounts the disk in /media/${USER}/JEVOIS |
| # |
| # Michael, Bahar, and Jay. March 1, 2019. |
| # |
| # |
| ###################################################################################################################### |
| # |
| # JeVois Smart Embedded Machine Vision Toolkit - Copyright (C) 2016 by Laurent Itti, the University of Southern |
| # California (USC), and iLab at USC. See http://iLab.usc.edu and http://jevois.org for information about this project. |
| # |
| # This file is part of the JeVois Smart Embedded Machine Vision Toolkit. This program is free software; you can |
| # redistribute it and/or modify it under the terms of the GNU General Public License as published by the Free Software |
| # Foundation, version 2. This program is distributed in the hope that it will be useful, but WITHOUT ANY WARRANTY; |
| # without even the implied warranty of MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the GNU General Public |
| # License for more details. You should have received a copy of the GNU General Public License along with this program; |
| # if not, write to the Free Software Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301, USA. |
| # |
| # Contact information: Laurent Itti - 3641 Watt Way, HNB-07A - Los Angeles, CA 90089-2520 - USA. |
| # Tel: +1 213 740 3527 - itti@pollux.usc.edu - http://iLab.usc.edu - http://jevois.org |
| ###################################################################################################################### |
| # |
| # JeVois smart camera operation modes and video mappings |
| # |
| # Format is: <USBmode> <USBwidth> <USBheight> <USBfps> <CAMmode> <CAMwidth> <CAMheight> <CAMfps> <Vendor> <Module> [*] |
| # |
| # CamMode can be only one of: YUYV, BAYER, RGB565 |
| # USBmode can be only one of: YUYV, GREY, MJPG, BAYER, RGB565, BGR24, NONE |
| |
| # USB to camera mode mappings (when USBmode is not NONE) are organized according to output format, which should be |
| # unique (no two entries in this file should have same USBmode/USBwidth/USBheight/USBfps). Indeed, these modes can only |
| # be selected by the host computer's video grabbing software, and they are selected by picking an output format in that |
| # software. These modes cannot be chosen by the JeVois system itself. For these modes, the Module's process(inframe, |
| # outframe) function will be called on every frame. Beware that Macs will not accept modes for which USBwidth is not a |
| # multiple of 16. |
| |
| # Camera-only modes (when USBmode is NONE) mode mappings have no video output over USB, and are selected by interacting |
| # with the JeVois hardware over serial ports. When USBmode is NONE, USBwidth, USBHeight, and USBfps are ignored and |
| # should be set to 0 here. For these modes, the Module's process(inframe) function will be called on every frame. These |
| # modes are usually the ones you would use when interfacing the JeVois camera to an Arduino or similar system that |
| # cannot stream video over USB and will just receive data from the JeVois camera over a serial port. |
| |
| # The optional * at the end of one line indicates the format that should be the default one announced by the device to |
| # the USB host. This is the one that most webcam programs will select by default when you start them. Note that the |
| # guvcview program on linux seems to ignore this and to instead select the last mode you had selected the last time you |
| # used the camera. This * cannot be on a mapping that has NONE USBmode. There should be only one * in the whole file. |
| |
| # Model JeVois-A33 camera sensor supported resolutions and frame rates: |
| # |
| # SXGA (1280 x 1024): up to 15 fps |
| # VGA ( 640 x 480): up to 30 fps |
| # CIF ( 352 x 288): up to 60 fps |
| # QVGA ( 320 x 240): up to 60 fps |
| # QCIF ( 176 x 144): up to 120 fps |
| # QQVGA ( 160 x 120): up to 60 fps |
| # QQCIF ( 88 x 72): up to 120 fps |
| |
| # Frame rates can be set to any value from 0.1fps to the maximum supported for the selected resolution. This is very |
| # useful to avoid dropping frames. For example if you have an algorithm that runs at 26.3fps after all possible |
| # optimizations, you can set the camera (and usb) frame rate to 26.3 and you will not drop frames (unless your algorithm |
| # momentarily performs slower, hence adding a small margin may be a good idea, e.g., select 26.1fps camera and usb |
| # rates). This is better than setting the frame rate to 30.0 as this would mean that every so often you would miss the |
| # next camera frame and then have to wait for the next one to be captured. If your algorithm really runs at 26.3fps but |
| # you specify 30.0fps camera frame rate, then the frames will actually end up being pumped to USB at only 15.0fps (i.e., |
| # by the time you finish processing the current frame, you have missed the next one from the camera, and you need to |
| # wait for the following one). |
| |
| # Note on USB transfer rate: the maximum actual pixel data transfer rate is 3070*8000 = 23.9 Mbytes/s (which is 3kb/USB |
| # microframe, max "high bandwidth" setting). Although USB 2.0 has a maximum theoretical rate of 480 Mbit/s, this |
| # includes protocol overhead and not all of the bandwidth is available for isochronous (real-time stream) transfers, |
| # which we use. This means that SXGA YUYV (2 bytes/pixel) can only transfer at a max rate of ~9.3 fps over the USB |
| # link, although the camera can grab SXGA YUYV at 15 fps. SXGA in Bayer can achieve 15 fps transfer over USB since it |
| # only uses 1 byte/pixel. |
| |
| # To test various video formats on a Linux host, the best is usually to use guvcview. However, this has two issues: 1) |
| # it adds some formats which we do not natively support, like RGB3, YU12, YV12, etc, probably by doing some pixel |
| # conversion internally over the actual supported modes; 2) support for RGB565 seems brittle, guvcview often crashes |
| # when changing resolutions in RGB565 (called RGBP for RGB Packed). |
| # |
| # Hence, you may want to also try ffplay from the ffmpeg project, which can display all our supported modes and will |
| # reject a mode if it does not exactly match what the hardware supports. Example: |
| # |
| # ffplay /dev/video0 -pixel_format yuyv422 -video_size 640x480 |
| # |
| # The pixel_format values are: 'yuyv422' for YUYV, 'gray' for GRAY, 'rgb565' for RGB565, 'mjpeg' for MJPG, 'bgr24' for |
| # BGR24, and 'bayer_rggb8' for BAYER. You can run 'ffplay -pix_fmts' to see the list of pixel formats that ffplay |
| # supports. |
| # |
| # Here is another example where we record the output of JeVois to a file: |
| # |
| # ffmpeg -f v4l2 -pixel_format rgb565 -video_size 320x240 -framerate 22 -i /dev/video0 output.mp4 |
| |
| # On Mac OSX, we recommend using the CamTwist app, as described in the JeVois documentation. You can also use ffplay for |
| # OSX: Download the pre-compiled ffplay binary from the ffmpeg web site, and then run: |
| # |
| # ~/bin/ffplay -f avfoundation -i "JeVois" -video_size 640x300 -framerate 60 -pixel_format yuyv422 |
| # |
| # (assuming you saved ffplay into your ~/bin/ directory). |
| |
| # Mac compatibility notes: The JeVois smart camera is correctly detected on Macs and works with PhotoBooth as long as: |
| # 1) you have a mapping that outputs YUYV 640x480 (this is the one that PhotoBooth will select (at least on recent OSX |
| # like El Capitan, etc); beware that it will also flip the image horizontally); 2) you have no active (not |
| # commented-out) mapping with BAYER, RGB565, or BGR24 output. If you have any un-commented mapping with BAYER, RGB565, |
| # or BGR24 in your videomappings.cfg, your JeVois smart camera will still be detected by your Mac, PhotoBooth will start |
| # and try to use the camera, but it will only display a black screen. Our guess is that this is a bug in the Mac camera |
| # driver. It is ok to have additional mappings with YUYV output, as well as mappings with MJPG or GREY output. |
| |
| ##################################################################################################### |
| #### Pass-through and simple pixel format conversion modes: |
| ##################################################################################################### |
| # |
| ##YUYV 1280 960 15.0 BAYER 1280 960 15.0 JeVois Convert |
| ##YUYV 1280 720 15.0 BAYER 1280 720 15.0 JeVois Convert |
| ##YUYV 640 480 30.0 BAYER 640 480 30.0 JeVois Convert |
| ##YUYV 640 360 30.0 BAYER 640 360 30.0 JeVois Convert |
| ##YUYV 320 240 60.0 BAYER 320 240 60.0 JeVois Convert |
| ##YUYV 320 180 60.0 BAYER 320 180 60.0 JeVois Convert |
| ##YUYV 160 120 60.0 BAYER 160 120 60.0 JeVois Convert |
| ##YUYV 160 90 60.0 BAYER 160 90 60.0 JeVois Convert |
| # |
| ##BAYER 1280 960 15.0 BAYER 1280 960 15.0 JeVois PassThrough |
| ##BAYER 1280 720 15.0 BAYER 1280 720 15.0 JeVois PassThrough |
| ##BAYER 640 480 30.0 BAYER 640 480 30.0 JeVois PassThrough |
| ##BAYER 640 360 30.0 BAYER 640 360 30.0 JeVois PassThrough |
| ##BAYER 320 240 60.0 BAYER 320 240 60.0 JeVois PassThrough |
| ##BAYER 320 180 60.0 BAYER 320 180 60.0 JeVois PassThrough |
| ##BAYER 160 120 60.0 BAYER 160 120 60.0 JeVois PassThrough |
| ##BAYER 160 90 60.0 BAYER 160 90 60.0 JeVois PassThrough |
| # |
| ##BAYER 640 480 26.8 YUYV 640 480 26.8 JeVois Convert |
| ##BGR24 640 480 26.8 YUYV 640 480 26.8 JeVois Convert |
| ##GREY 640 480 26.8 YUYV 640 480 26.8 JeVois Convert |
| ##RGB565 640 480 26.8 YUYV 640 480 26.8 JeVois Convert |
| # |
| ##MJPG 640 480 20.0 YUYV 640 480 20.0 JeVois Convert |
| ##MJPG 352 288 60.0 BAYER 352 288 60.0 JeVois Convert |
| ##MJPG 320 240 30.0 RGB565 320 240 30.0 JeVois Convert |
| ##MJPG 320 240 15.0 YUYV 320 240 15.0 JeVois Convert |
| ##MJPG 320 240 60.0 RGB565 320 240 60.0 JeVois Convert |
| ##MJPG 176 144 120.0 BAYER 176 144 120.0 JeVois Convert |
| ##MJPG 160 120 60.0 YUYV 160 120 60.0 JeVois Convert |
| ##MJPG 88 72 120.0 RGB565 88 72 120.0 JeVois Convert |
| # |
| ##BAYER 1280 1024 15.0 BAYER 1280 1024 15.0 JeVois PassThrough |
| ##BAYER 640 480 30.0 BAYER 640 480 30.0 JeVois PassThrough |
| ##BAYER 352 288 60.0 BAYER 352 288 60.0 JeVois PassThrough |
| ##BAYER 320 240 60.0 BAYER 320 240 60.0 JeVois PassThrough |
| ##BAYER 176 144 120.0 BAYER 176 144 120.0 JeVois PassThrough |
| ##BAYER 160 120 60.0 BAYER 160 120 60.0 JeVois PassThrough |
| ##BAYER 88 72 120.0 BAYER 88 72 120.0 JeVois PassThrough |
| # |
| ##RGB565 1280 1024 15.0 RGB565 1280 1024 15.0 JeVois PassThrough |
| ##RGB565 640 480 30.0 RGB565 640 480 30.0 JeVois PassThrough |
| ##RGB565 320 240 60.0 RGB565 320 240 60.0 JeVois PassThrough |
| ##RGB565 176 144 120.0 RGB565 176 144 120.0 JeVois PassThrough |
| ##RGB565 160 120 60.0 RGB565 160 120 60.0 JeVois PassThrough |
| ##RGB565 88 72 120.0 RGB565 88 72 120.0 JeVois PassThrough |
| # |
| ##YUYV 1280 1024 7.5 YUYV 1280 1024 7.5 JeVois PassThrough |
| ## Bahar and Michael uncommented the following line. 2/27/2019 |
| ##YUYV 640 480 30.0 YUYV 640 480 30.0 JeVois PassThrough |
| # BAYER looked good. |
| #MJPG 640 480 30.0 BAYER 640 480 30.0 JeVois Convert * |
| MJPG 640 480 30.0 RGB565 640 480 30.0 JeVois Convert * |
| ##YUYV 640 480 30.0 YUYV 640 480 30.0 JeVois SaveVideo |
| ##YUYV 640 480 19.6 YUYV 640 480 19.6 JeVois PassThrough |
| ##YUYV 640 480 12.0 YUYV 640 480 12.0 JeVois PassThrough |
| ##YUYV 640 480 8.3 YUYV 640 480 8.3 JeVois PassThrough |
| ##YUYV 640 480 7.5 YUYV 640 480 7.5 JeVois PassThrough |
| ##YUYV 640 480 5.5 YUYV 640 480 5.5 JeVois PassThrough |
| # |
| #YUYV 320 240 60.0 YUYV 320 240 60.0 JeVois SaveVideo |
| ##YUYV 320 240 30.0 YUYV 320 240 30.0 JeVois SaveVideo |
| ##YUYV 320 240 15.0 YUYV 320 240 15.0 JeVois SaveVideo |
| # |
| ##YUYV 160 120 60.0 YUYV 160 120 60.0 JeVois SaveVideo |
| ##YUYV 160 120 30.0 YUYV 160 120 30.0 JeVois PassThrough |
| # |
| ##YUYV 352 288 60.0 YUYV 352 288 60.0 JeVois SaveVideo |
| ##YUYV 352 288 30.0 YUYV 352 288 30.0 JeVois PassThrough |
| # |
| #YUYV 176 144 120.0 YUYV 176 144 120.0 JeVois SaveVideo |
| ##YUYV 176 144 60.0 YUYV 176 144 60.0 JeVois PassThrough |
| ##YUYV 176 144 30.0 YUYV 176 144 30.0 JeVois PassThrough |
| # |
| ##YUYV 88 72 120.0 YUYV 88 72 120.0 JeVois SaveVideo |
| ##YUYV 88 72 60.0 YUYV 88 72 60.0 JeVois PassThrough |
| ##YUYV 88 72 30.0 YUYV 88 72 30.0 JeVois PassThrough |
| # |
| ##################################################################################################### |
| #### Save video to disk, no preview over USB |
| ##################################################################################################### |
| # |
| #NONE 0 0 0 YUYV 320 240 60.0 JeVois SaveVideo |
| #NONE 0 0 0 YUYV 320 240 30.0 JeVois SaveVideo |
| #NONE 0 0 0 YUYV 176 144 120.0 JeVois SaveVideo |
| # |
| ##################################################################################################### |
| #### Demo: Saliency + gist + face detection + object recognition |
| ##################################################################################################### |
| # |
| #YUYV 640 312 50.0 YUYV 320 240 50.0 JeVois DemoSalGistFaceObj |
| # |
| ##################################################################################################### |
| #### Demo: JeVois intro movie, then Saliency + gist + face detection + object recognition |
| ##################################################################################################### |
| # |
| #YUYV 640 360 30.0 YUYV 320 240 30.0 JeVois JeVoisIntro |
| #YUYV 640 480 30.0 YUYV 320 240 30.0 JeVois JeVoisIntro |
| # |
| ##################################################################################################### |
| #### Demo: Saliency and gist |
| ##################################################################################################### |
| # |
| ##YUYV 176 90 120.0 YUYV 88 72 120.0 JeVois DemoSaliency |
| ##YUYV 320 150 60.0 YUYV 160 120 60.0 JeVois DemoSaliency |
| ##YUYV 352 180 120.0 YUYV 176 144 120.0 JeVois DemoSaliency |
| ##YUYV 352 180 100.0 YUYV 176 144 100.0 JeVois DemoSaliency |
| ## Michael and Bahar removed the ' *' from the end of the following line. 2/27/2019 |
| #YUYV 640 300 60.0 YUYV 320 240 60.0 JeVois DemoSaliency |
| ##YUYV 704 360 30.0 YUYV 352 288 30.0 JeVois DemoSaliency |
| ##YUYV 1280 600 15.0 YUYV 640 480 15.0 JeVois DemoSaliency |
| # |
| ##################################################################################################### |
| #### Production: Saliency and gist |
| ##################################################################################################### |
| # |
| ## saliency + feature maps + gist |
| ##GREY 120 25 60.0 YUYV 320 240 60.0 JeVois SaliencyGist |
| # |
| ## saliency + feature maps |
| ##GREY 120 15 60.0 YUYV 320 240 60.0 JeVois SaliencyGist |
| # |
| ## saliency + gist |
| ##GREY 20 73 60.0 YUYV 320 240 60.0 JeVois SaliencyGist |
| # |
| ## saliency only |
| ##GREY 20 15 60.0 YUYV 320 240 60.0 JeVois SaliencyGist |
| # |
| ## gist only |
| ##GREY 72 16 60.0 YUYV 320 240 60.0 JeVois SaliencyGist |
| # |
| ##################################################################################################### |
| #### Demo: Background subtraction |
| ##################################################################################################### |
| # |
| ##YUYV 640 240 15.0 YUYV 320 240 15.0 JeVois DemoBackgroundSubtract |
| #YUYV 320 120 30.0 YUYV 160 120 30.0 JeVois DemoBackgroundSubtract |
| # |
| ##################################################################################################### |
| #### Demo: QR-code and barcode detection and decoding |
| ##################################################################################################### |
| # |
| ##YUYV 640 526 15.0 YUYV 640 480 15.0 JeVois DemoQRcode |
| #YUYV 320 286 30.0 YUYV 320 240 30.0 JeVois DemoQRcode |
| ##NONE 0 0 0 YUYV 640 480 15.0 JeVois DemoQRcode |
| ##NONE 0 0 0 YUYV 320 240 30.0 JeVois DemoQRcode |
| # |
| ##################################################################################################### |
| #### Road following using vanishing point |
| ##################################################################################################### |
| # |
| #NONE 0 0 0 YUYV 320 240 30.0 JeVois RoadNavigation |
| ##NONE 0 0 0 YUYV 176 144 120.0 JeVois RoadNavigation |
| #YUYV 320 256 30.0 YUYV 320 240 30.0 JeVois RoadNavigation |
| ##YUYV 176 160 120.0 YUYV 176 144 120.0 JeVois RoadNavigation |
| # |
| ##################################################################################################### |
| #### Demo of ARM-Neon SIMD image processing |
| ##################################################################################################### |
| # |
| #YUYV 960 240 30.0 YUYV 320 240 30.0 JeVois DemoNeon |
| # |
| ##################################################################################################### |
| #### Dense SIFT using VLfeat library |
| ##################################################################################################### |
| # |
| ## very slow, min keypoint step is 17 |
| ##YUYV 448 240 5.0 YUYV 320 240 5.0 JeVois DenseSift |
| # |
| ## slow too, min keypoint step is 11 |
| ##YUYV 288 120 5.0 YUYV 160 120 5.0 JeVois DenseSift |
| # |
| ## raw keypoints only, assuming step=11, binsize=8 |
| #GREY 128 117 5.0 YUYV 160 120 5.0 JeVois DenseSift |
| # |
| ##################################################################################################### |
| #### Salient regions |
| ##################################################################################################### |
| # |
| #YUYV 64 192 25.0 YUYV 320 240 25.0 JeVois SalientRegions |
| ##YUYV 100 400 10.0 YUYV 640 480 10.0 JeVois SalientRegions |
| # |
| ##################################################################################################### |
| #### Superpixel image segmentation/clustering |
| ##################################################################################################### |
| # |
| #GREY 320 240 30.0 YUYV 320 240 30.0 JeVois SuperPixelSeg |
| # |
| ##################################################################################################### |
| #### Eye tracking using the openEyes toolkit |
| ##################################################################################################### |
| # |
| ##GREY 640 480 30.0 YUYV 640 480 30.0 JeVois DemoEyeTracker |
| ##GREY 320 240 60.0 YUYV 320 240 60.0 JeVois DemoEyeTracker |
| #GREY 176 144 120.0 YUYV 176 144 120.0 JeVois DemoEyeTracker |
| # |
| ##################################################################################################### |
| #### Demo: ArUco augmented-reality markers detection and decoding |
| ##################################################################################################### |
| # |
| #NONE 0 0 0.0 YUYV 320 240 30.0 JeVois DemoArUco |
| #YUYV 320 260 30.0 YUYV 320 240 30.0 JeVois DemoArUco |
| #YUYV 640 500 20.0 YUYV 640 480 20.0 JeVois DemoArUco |
| # |
| ##################################################################################################### |
| #### Edge detection using Canny |
| ##################################################################################################### |
| # |
| #GREY 640 480 29.0 YUYV 640 480 29.0 JeVois EdgeDetection |
| #GREY 320 240 59.0 YUYV 320 240 59.0 JeVois EdgeDetection |
| ##GREY 176 144 119.0 YUYV 176 144 119.0 JeVois EdgeDetection |
| # |
| ##################################################################################################### |
| #### Edge detection using 4 Canny filters in parallel, with different settings |
| ##################################################################################################### |
| # |
| #GREY 320 960 45.0 YUYV 320 240 45.0 JeVois EdgeDetectionX4 |
| # |
| ##################################################################################################### |
| #### Color-based object tracker |
| ##################################################################################################### |
| # |
| #NONE 0 0 0.0 YUYV 320 240 60.0 JeVois ObjectTracker |
| #YUYV 320 254 60.0 YUYV 320 240 60.0 JeVois ObjectTracker |
| # |
| ##################################################################################################### |
| #### GPU color image processing demo |
| ##################################################################################################### |
| # |
| ##RGB565 320 240 22.0 YUYV 320 240 22.0 JeVois DemoGPU |
| # |
| ##################################################################################################### |
| #### Combo CPU multithreaded saliency/gist + 4x GPU grayscale image processing demo |
| ##################################################################################################### |
| # |
| #GREY 160 495 60.0 YUYV 160 120 60.0 JeVois DemoCPUGPU |
| # |
| ##################################################################################################### |
| #### Fast optical flow computation |
| ##################################################################################################### |
| # |
| #GREY 176 288 100 YUYV 176 144 100 JeVois OpticalFlow |
| # |
| ##################################################################################################### |
| #### Object detection using SURF keypoints |
| ##################################################################################################### |
| # |
| #YUYV 320 252 30.0 YUYV 320 240 30.0 JeVois ObjectDetect |
| # |
| ##################################################################################################### |
| #### Salient region detection and identification using SURF keypoints |
| ##################################################################################################### |
| # |
| #YUYV 320 288 30.0 YUYV 320 240 30.0 JeVois SaliencySURF |
| # |
| ##################################################################################################### |
| #### CPU + GPU + NEON burn test |
| ##################################################################################################### |
| # |
| ##YUYV 640 300 10.0 YUYV 320 240 10.0 JeVois BurnTest |
| # |
| ##################################################################################################### |
| #### Python tests |
| ##################################################################################################### |
| # |
| #YUYV 640 480 15.0 YUYV 640 480 15.0 JeVois PythonTest |
| #GREY 640 480 20.0 YUYV 640 480 20.0 JeVois PythonOpenCV |
| #YUYV 352 288 30.0 YUYV 352 288 30.0 JeVois PythonSandbox |
| # |
| ##################################################################################################### |
| #### Image color filtering |
| ##################################################################################################### |
| # |
| #YUYV 640 240 30.0 YUYV 320 240 30.0 JeVois ColorFiltering |
| # |
| ##################################################################################################### |
| #### Dice counting tutorial |
| ##################################################################################################### |
| # |
| #YUYV 640 480 7.5 YUYV 640 480 7.5 JeVois DiceCounter |
| # |
| ##################################################################################################### |
| #### Augmented reality markers with ARtoolkit |
| ##################################################################################################### |
| # |
| #NONE 0 0 0 YUYV 320 240 60.0 JeVois DemoARtoolkit |
| #NONE 0 0 0 YUYV 640 480 30.0 JeVois DemoARtoolkit |
| #NONE 0 0 0 YUYV 1280 1024 15.0 JeVois DemoARtoolkit |
| #YUYV 320 258 60.0 YUYV 320 240 60.0 JeVois DemoARtoolkit |
| ##YUYV 640 498 30.0 YUYV 640 480 30.0 JeVois DemoARtoolkit |
| # |
| ##################################################################################################### |
| #### Augmented reality markers with ARtoolkit, ArUco, and QR-Code |
| ##################################################################################################### |
| # |
| ##YUYV 320 306 50.0 YUYV 320 240 50.0 JeVois MarkersCombo |
| #YUYV 640 546 20.0 YUYV 640 480 20.0 JeVois MarkersCombo |
| # |
| ##################################################################################################### |
| #### Detect objects in scenes using darknet YOLO deep neural network |
| ##################################################################################################### |
| # |
| #YUYV 1280 480 15.0 YUYV 640 480 15.0 JeVois DarknetYOLO |
| # |
| ##################################################################################################### |
| #### Detect objects in scenes using darknet deep neural network |
| ##################################################################################################### |
| # |
| #YUYV 544 240 15.0 YUYV 320 240 15.0 JeVois DarknetSingle |
| ##YUYV 448 240 15.0 YUYV 320 240 15.0 JeVois DarknetSingle |
| ##YUYV 864 480 15.0 YUYV 640 480 15.0 JeVois DarknetSingle |
| ##YUYV 1088 480 15.0 YUYV 640 480 15.0 JeVois DarknetSingle |
| # |
| ##################################################################################################### |
| #### Detect salient objects in scenes using saliency + darknet deep neural network |
| ##################################################################################################### |
| # |
| ##YUYV 460 240 15.0 YUYV 320 240 15.0 JeVois DarknetSaliency # not for mac (width not multiple of 16) |
| ##YUYV 560 240 15.0 YUYV 320 240 15.0 JeVois DarknetSaliency |
| #YUYV 880 480 10.0 YUYV 640 480 10.0 JeVois DarknetSaliency |
| # |
| ##################################################################################################### |
| #### FIRST robotics object detection example in C++ |
| ##################################################################################################### |
| # |
| ##YUYV 352 194 120.0 YUYV 176 144 120.0 JeVois FirstVision |
| ##YUYV 176 194 120.0 YUYV 176 144 120.0 JeVois FirstVision |
| #YUYV 640 290 60.0 YUYV 320 240 60.0 JeVois FirstVision |
| #YUYV 320 290 60.0 YUYV 320 240 60.0 JeVois FirstVision |
| #NONE 0 0 0.0 YUYV 320 240 60.0 JeVois FirstVision |
| #NONE 0 0 0.0 YUYV 176 144 120.0 JeVois FirstVision |
| # |
| ##################################################################################################### |
| #### FIRST robotics object detection example in Python |
| ##################################################################################################### |
| # |
| #YUYV 640 252 60.0 YUYV 320 240 60.0 JeVois FirstPython |
| ##YUYV 320 252 60.0 YUYV 320 240 60.0 JeVois FirstPython |
| #NONE 0 0 0.0 YUYV 320 240 60.0 JeVois FirstPython |
| #NONE 0 0 0.0 YUYV 176 144 120.0 JeVois FirstPython |
| # |
| ##################################################################################################### |
| #### Object detection using SURF and 6D pose estimation |
| ##################################################################################################### |
| # |
| #YUYV 320 262 15.0 YUYV 320 240 15.0 JeVois PythonObject6D |
| ##YUYV 640 502 10.0 YUYV 640 480 10.0 JeVois PythonObject6D |
| #NONE 0 0 0.0 YUYV 320 240 15.0 JeVois PythonObject6D |
| # |
| ##################################################################################################### |
| #### Edge detection using 4 Canny filters in parallel, with different settings, example python parallel |
| ##################################################################################################### |
| # |
| ## Disabled by default because Python multiprocessing is very buggy. Note that enabling this mapping may also |
| ## render your JeVois camera undetectable by OSX hosts. |
| # |
| ##YUYV 1280 240 30.0 YUYV 320 240 30.0 JeVois PythonParallel |
| # |
| ##################################################################################################### |
| #### Detect objects in scenes using tensorflow deep neural network |
| ##################################################################################################### |
| # |
| ##YUYV 560 240 15.0 YUYV 320 240 15.0 JeVois TensorFlowSingle |
| #YUYV 464 240 15.0 YUYV 320 240 15.0 JeVois TensorFlowSingle |
| ##YUYV 880 480 15.0 YUYV 640 480 15.0 JeVois TensorFlowSingle |
| ##YUYV 1104 480 15.0 YUYV 640 480 15.0 JeVois TensorFlowSingle |
| # |
| ##################################################################################################### |
| #### Detect salient objects in scenes using saliency + tensorflow deep neural network |
| ##################################################################################################### |
| # |
| ##YUYV 448 240 30.0 YUYV 320 240 30.0 JeVois TensorFlowSaliency |
| #YUYV 512 240 30.0 YUYV 320 240 30.0 JeVois TensorFlowSaliency |
| ##YUYV 544 240 30.0 YUYV 320 240 30.0 JeVois TensorFlowSaliency |
| # |
| ##################################################################################################### |
| #### Detect objects in scenes using tensorflow deep neural network, easy version |
| ##################################################################################################### |
| # |
| #YUYV 320 308 30.0 YUYV 320 240 30.0 JeVois TensorFlowEasy |
| ##YUYV 640 548 30.0 YUYV 640 480 30.0 JeVois TensorFlowEasy |
| #YUYV 1280 1092 7.0 YUYV 1280 1024 7.0 JeVois TensorFlowEasy |
| # |
| ##################################################################################################### |
| #### ArUco augmented-reality markers detection and decoding + color blob detection |
| ##################################################################################################### |
| # |
| #YUYV 320 266 30.0 YUYV 320 240 30.0 JeVois ArUcoBlob |
| # |
| ##################################################################################################### |
| #### Detect and identify objects in scenes using OpenCV DNN detection framework |
| ##################################################################################################### |
| # |
| #YUYV 640 502 20.0 YUYV 640 480 20.0 JeVois PyDetectionDNN |
| #YUYV 640 498 15.0 YUYV 640 480 15.0 JeVois DetectionDNN |
| # |
| ##################################################################################################### |
| #### Simple demo of the ICM-20948 IMU attached to the AR0135 global shutter sensor |
| ##################################################################################################### |
| # |
| #YUYV 640 512 40.0 YUYV 640 480 40.0 JeVois DemoIMU |
| # |
| ##################################################################################################### |
| #### Object classification using OpenCV DNN in Python |
| ##################################################################################################### |
| # |
| #YUYV 320 264 30.0 YUYV 320 240 30.0 JeVois PyClassificationDNN |
| # |
| ##################################################################################################### |
| ##################################################################################################### |
| ##################################################################################################### |
| ##################################################################################################### |
| ## Modules provided by jevoisextra |
| ##################################################################################################### |
| ##################################################################################################### |
| ##################################################################################################### |
| ##################################################################################################### |
| # |
| #YUYV 320 264 15.0 YUYV 320 240 15.0 JeVois FaceDetector |
| # |