Gitiles
Code Review Sign In
realtimeroboticsgroup.org / RealtimeRoboticsGroup / test / refs/heads/main / . / y2019 / image_streamer / videomappings.cfg
blob: 0c6c91b6286aa7ae79729f1524fb9d37cbe5783b [file] [log] [blame]
Michael Schuh5a1a7582019-03-01 13:03:47 -0800[diff] [blame]1############ 971 Spartan Robotics
2#
3# This JeVois configuration file works with the 2019 image_streamer program
4# on the ODROID that is used to send images back to the driverstation. Each uncomented
5# line in this file is a camera configuration. The JeVois camaera can have
6# many configurations. I think it can have as many as 50. The default configuration
7# has a '*' at the end of the line. To avoid confusion and make it clear which
8# configuration to use, only one configuration is active in this file.
9#
10# This file resides on the JeVois in /JEVOIS/config/videomappings.cfg
11# It can be editted by mounting the microSD card on a computer and editting it.
12# It can also be editted by mounting the JeVois disk under Debian. This
13# is done by running
14# sudo y2019/vision/tools/jevois-cmd usbsd
15# This mounts the disk in /media/${USER}/JEVOIS
16#
17# Michael, Bahar, and Jay. March 1, 2019.
18#
19#
20######################################################################################################################
21#
22# JeVois Smart Embedded Machine Vision Toolkit - Copyright (C) 2016 by Laurent Itti, the University of Southern
23# California (USC), and iLab at USC. See http://iLab.usc.edu and http://jevois.org for information about this project.
24#
25# This file is part of the JeVois Smart Embedded Machine Vision Toolkit. This program is free software; you can
26# redistribute it and/or modify it under the terms of the GNU General Public License as published by the Free Software
27# Foundation, version 2. This program is distributed in the hope that it will be useful, but WITHOUT ANY WARRANTY;
28# without even the implied warranty of MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the GNU General Public
29# License for more details. You should have received a copy of the GNU General Public License along with this program;
30# if not, write to the Free Software Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301, USA.
31#
32# Contact information: Laurent Itti - 3641 Watt Way, HNB-07A - Los Angeles, CA 90089-2520 - USA.
33# Tel: +1 213 740 3527 - itti@pollux.usc.edu - http://iLab.usc.edu - http://jevois.org
34######################################################################################################################
35#
36# JeVois smart camera operation modes and video mappings
37#
38# Format is: <USBmode> <USBwidth> <USBheight> <USBfps> <CAMmode> <CAMwidth> <CAMheight> <CAMfps> <Vendor> <Module> [*]
39#
40# CamMode can be only one of: YUYV, BAYER, RGB565
41# USBmode can be only one of: YUYV, GREY, MJPG, BAYER, RGB565, BGR24, NONE
42
43# USB to camera mode mappings (when USBmode is not NONE) are organized according to output format, which should be
44# unique (no two entries in this file should have same USBmode/USBwidth/USBheight/USBfps). Indeed, these modes can only
45# be selected by the host computer's video grabbing software, and they are selected by picking an output format in that
46# software. These modes cannot be chosen by the JeVois system itself. For these modes, the Module's process(inframe,
47# outframe) function will be called on every frame. Beware that Macs will not accept modes for which USBwidth is not a
48# multiple of 16.
49
50# Camera-only modes (when USBmode is NONE) mode mappings have no video output over USB, and are selected by interacting
51# with the JeVois hardware over serial ports. When USBmode is NONE, USBwidth, USBHeight, and USBfps are ignored and
52# should be set to 0 here. For these modes, the Module's process(inframe) function will be called on every frame. These
53# modes are usually the ones you would use when interfacing the JeVois camera to an Arduino or similar system that
54# cannot stream video over USB and will just receive data from the JeVois camera over a serial port.
55
56# The optional * at the end of one line indicates the format that should be the default one announced by the device to
57# the USB host. This is the one that most webcam programs will select by default when you start them. Note that the
58# guvcview program on linux seems to ignore this and to instead select the last mode you had selected the last time you
59# used the camera. This * cannot be on a mapping that has NONE USBmode. There should be only one * in the whole file.
60
61# Model JeVois-A33 camera sensor supported resolutions and frame rates:
62#
63# SXGA (1280 x 1024): up to 15 fps
64# VGA ( 640 x 480): up to 30 fps
65# CIF ( 352 x 288): up to 60 fps
66# QVGA ( 320 x 240): up to 60 fps
67# QCIF ( 176 x 144): up to 120 fps
68# QQVGA ( 160 x 120): up to 60 fps
69# QQCIF ( 88 x 72): up to 120 fps
70
71# Frame rates can be set to any value from 0.1fps to the maximum supported for the selected resolution. This is very
72# useful to avoid dropping frames. For example if you have an algorithm that runs at 26.3fps after all possible
73# optimizations, you can set the camera (and usb) frame rate to 26.3 and you will not drop frames (unless your algorithm
74# momentarily performs slower, hence adding a small margin may be a good idea, e.g., select 26.1fps camera and usb
75# rates). This is better than setting the frame rate to 30.0 as this would mean that every so often you would miss the
76# next camera frame and then have to wait for the next one to be captured. If your algorithm really runs at 26.3fps but
77# you specify 30.0fps camera frame rate, then the frames will actually end up being pumped to USB at only 15.0fps (i.e.,
78# by the time you finish processing the current frame, you have missed the next one from the camera, and you need to
79# wait for the following one).
80
81# Note on USB transfer rate: the maximum actual pixel data transfer rate is 3070*8000 = 23.9 Mbytes/s (which is 3kb/USB
82# microframe, max "high bandwidth" setting). Although USB 2.0 has a maximum theoretical rate of 480 Mbit/s, this
83# includes protocol overhead and not all of the bandwidth is available for isochronous (real-time stream) transfers,
84# 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
85# link, although the camera can grab SXGA YUYV at 15 fps. SXGA in Bayer can achieve 15 fps transfer over USB since it
86# only uses 1 byte/pixel.
87
88# To test various video formats on a Linux host, the best is usually to use guvcview. However, this has two issues: 1)
89# it adds some formats which we do not natively support, like RGB3, YU12, YV12, etc, probably by doing some pixel
90# conversion internally over the actual supported modes; 2) support for RGB565 seems brittle, guvcview often crashes
91# when changing resolutions in RGB565 (called RGBP for RGB Packed).
92#
93# Hence, you may want to also try ffplay from the ffmpeg project, which can display all our supported modes and will
94# reject a mode if it does not exactly match what the hardware supports. Example:
95#
96# ffplay /dev/video0 -pixel_format yuyv422 -video_size 640x480
97#
98# The pixel_format values are: 'yuyv422' for YUYV, 'gray' for GRAY, 'rgb565' for RGB565, 'mjpeg' for MJPG, 'bgr24' for
99# BGR24, and 'bayer_rggb8' for BAYER. You can run 'ffplay -pix_fmts' to see the list of pixel formats that ffplay
100# supports.
101#
102# Here is another example where we record the output of JeVois to a file:
103#
104# ffmpeg -f v4l2 -pixel_format rgb565 -video_size 320x240 -framerate 22 -i /dev/video0 output.mp4
105
106# On Mac OSX, we recommend using the CamTwist app, as described in the JeVois documentation. You can also use ffplay for
107# OSX: Download the pre-compiled ffplay binary from the ffmpeg web site, and then run:
108#
109# ~/bin/ffplay -f avfoundation -i "JeVois" -video_size 640x300 -framerate 60 -pixel_format yuyv422
110#
111# (assuming you saved ffplay into your ~/bin/ directory).
112
113# Mac compatibility notes: The JeVois smart camera is correctly detected on Macs and works with PhotoBooth as long as:
114# 1) you have a mapping that outputs YUYV 640x480 (this is the one that PhotoBooth will select (at least on recent OSX
115# like El Capitan, etc); beware that it will also flip the image horizontally); 2) you have no active (not
116# commented-out) mapping with BAYER, RGB565, or BGR24 output. If you have any un-commented mapping with BAYER, RGB565,
117# or BGR24 in your videomappings.cfg, your JeVois smart camera will still be detected by your Mac, PhotoBooth will start
118# 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
119# driver. It is ok to have additional mappings with YUYV output, as well as mappings with MJPG or GREY output.
120
121#####################################################################################################
122#### Pass-through and simple pixel format conversion modes:
123#####################################################################################################
124#
125##YUYV 1280 960 15.0 BAYER 1280 960 15.0 JeVois Convert
126##YUYV 1280 720 15.0 BAYER 1280 720 15.0 JeVois Convert
127##YUYV 640 480 30.0 BAYER 640 480 30.0 JeVois Convert
128##YUYV 640 360 30.0 BAYER 640 360 30.0 JeVois Convert
129##YUYV 320 240 60.0 BAYER 320 240 60.0 JeVois Convert
130##YUYV 320 180 60.0 BAYER 320 180 60.0 JeVois Convert
131##YUYV 160 120 60.0 BAYER 160 120 60.0 JeVois Convert
132##YUYV 160 90 60.0 BAYER 160 90 60.0 JeVois Convert
133#
134##BAYER 1280 960 15.0 BAYER 1280 960 15.0 JeVois PassThrough
135##BAYER 1280 720 15.0 BAYER 1280 720 15.0 JeVois PassThrough
136##BAYER 640 480 30.0 BAYER 640 480 30.0 JeVois PassThrough
137##BAYER 640 360 30.0 BAYER 640 360 30.0 JeVois PassThrough
138##BAYER 320 240 60.0 BAYER 320 240 60.0 JeVois PassThrough
139##BAYER 320 180 60.0 BAYER 320 180 60.0 JeVois PassThrough
140##BAYER 160 120 60.0 BAYER 160 120 60.0 JeVois PassThrough
141##BAYER 160 90 60.0 BAYER 160 90 60.0 JeVois PassThrough
142#
143##BAYER 640 480 26.8 YUYV 640 480 26.8 JeVois Convert
144##BGR24 640 480 26.8 YUYV 640 480 26.8 JeVois Convert
145##GREY 640 480 26.8 YUYV 640 480 26.8 JeVois Convert
146##RGB565 640 480 26.8 YUYV 640 480 26.8 JeVois Convert
147#
148##MJPG 640 480 20.0 YUYV 640 480 20.0 JeVois Convert
149##MJPG 352 288 60.0 BAYER 352 288 60.0 JeVois Convert
150##MJPG 320 240 30.0 RGB565 320 240 30.0 JeVois Convert
151##MJPG 320 240 15.0 YUYV 320 240 15.0 JeVois Convert
152##MJPG 320 240 60.0 RGB565 320 240 60.0 JeVois Convert
153##MJPG 176 144 120.0 BAYER 176 144 120.0 JeVois Convert
154##MJPG 160 120 60.0 YUYV 160 120 60.0 JeVois Convert
155##MJPG 88 72 120.0 RGB565 88 72 120.0 JeVois Convert
156#
157##BAYER 1280 1024 15.0 BAYER 1280 1024 15.0 JeVois PassThrough
158##BAYER 640 480 30.0 BAYER 640 480 30.0 JeVois PassThrough
159##BAYER 352 288 60.0 BAYER 352 288 60.0 JeVois PassThrough
160##BAYER 320 240 60.0 BAYER 320 240 60.0 JeVois PassThrough
161##BAYER 176 144 120.0 BAYER 176 144 120.0 JeVois PassThrough
162##BAYER 160 120 60.0 BAYER 160 120 60.0 JeVois PassThrough
163##BAYER 88 72 120.0 BAYER 88 72 120.0 JeVois PassThrough
164#
165##RGB565 1280 1024 15.0 RGB565 1280 1024 15.0 JeVois PassThrough
166##RGB565 640 480 30.0 RGB565 640 480 30.0 JeVois PassThrough
167##RGB565 320 240 60.0 RGB565 320 240 60.0 JeVois PassThrough
168##RGB565 176 144 120.0 RGB565 176 144 120.0 JeVois PassThrough
169##RGB565 160 120 60.0 RGB565 160 120 60.0 JeVois PassThrough
170##RGB565 88 72 120.0 RGB565 88 72 120.0 JeVois PassThrough
171#
172##YUYV 1280 1024 7.5 YUYV 1280 1024 7.5 JeVois PassThrough
173## Bahar and Michael uncommented the following line. 2/27/2019
174##YUYV 640 480 30.0 YUYV 640 480 30.0 JeVois PassThrough
175# BAYER looked good.
176#MJPG 640 480 30.0 BAYER 640 480 30.0 JeVois Convert *
177MJPG 640 480 30.0 RGB565 640 480 30.0 JeVois Convert *
178##YUYV 640 480 30.0 YUYV 640 480 30.0 JeVois SaveVideo
179##YUYV 640 480 19.6 YUYV 640 480 19.6 JeVois PassThrough
180##YUYV 640 480 12.0 YUYV 640 480 12.0 JeVois PassThrough
181##YUYV 640 480 8.3 YUYV 640 480 8.3 JeVois PassThrough
182##YUYV 640 480 7.5 YUYV 640 480 7.5 JeVois PassThrough
183##YUYV 640 480 5.5 YUYV 640 480 5.5 JeVois PassThrough
184#
185#YUYV 320 240 60.0 YUYV 320 240 60.0 JeVois SaveVideo
186##YUYV 320 240 30.0 YUYV 320 240 30.0 JeVois SaveVideo
187##YUYV 320 240 15.0 YUYV 320 240 15.0 JeVois SaveVideo
188#
189##YUYV 160 120 60.0 YUYV 160 120 60.0 JeVois SaveVideo
190##YUYV 160 120 30.0 YUYV 160 120 30.0 JeVois PassThrough
191#
192##YUYV 352 288 60.0 YUYV 352 288 60.0 JeVois SaveVideo
193##YUYV 352 288 30.0 YUYV 352 288 30.0 JeVois PassThrough
194#
195#YUYV 176 144 120.0 YUYV 176 144 120.0 JeVois SaveVideo
196##YUYV 176 144 60.0 YUYV 176 144 60.0 JeVois PassThrough
197##YUYV 176 144 30.0 YUYV 176 144 30.0 JeVois PassThrough
198#
199##YUYV 88 72 120.0 YUYV 88 72 120.0 JeVois SaveVideo
200##YUYV 88 72 60.0 YUYV 88 72 60.0 JeVois PassThrough
201##YUYV 88 72 30.0 YUYV 88 72 30.0 JeVois PassThrough
202#
203#####################################################################################################
204#### Save video to disk, no preview over USB
205#####################################################################################################
206#
207#NONE 0 0 0 YUYV 320 240 60.0 JeVois SaveVideo
208#NONE 0 0 0 YUYV 320 240 30.0 JeVois SaveVideo
209#NONE 0 0 0 YUYV 176 144 120.0 JeVois SaveVideo
210#
211#####################################################################################################
212#### Demo: Saliency + gist + face detection + object recognition
213#####################################################################################################
214#
215#YUYV 640 312 50.0 YUYV 320 240 50.0 JeVois DemoSalGistFaceObj
216#
217#####################################################################################################
218#### Demo: JeVois intro movie, then Saliency + gist + face detection + object recognition
219#####################################################################################################
220#
221#YUYV 640 360 30.0 YUYV 320 240 30.0 JeVois JeVoisIntro
222#YUYV 640 480 30.0 YUYV 320 240 30.0 JeVois JeVoisIntro
223#
224#####################################################################################################
225#### Demo: Saliency and gist
226#####################################################################################################
227#
228##YUYV 176 90 120.0 YUYV 88 72 120.0 JeVois DemoSaliency
229##YUYV 320 150 60.0 YUYV 160 120 60.0 JeVois DemoSaliency
230##YUYV 352 180 120.0 YUYV 176 144 120.0 JeVois DemoSaliency
231##YUYV 352 180 100.0 YUYV 176 144 100.0 JeVois DemoSaliency
232## Michael and Bahar removed the ' *' from the end of the following line. 2/27/2019
233#YUYV 640 300 60.0 YUYV 320 240 60.0 JeVois DemoSaliency
234##YUYV 704 360 30.0 YUYV 352 288 30.0 JeVois DemoSaliency
235##YUYV 1280 600 15.0 YUYV 640 480 15.0 JeVois DemoSaliency
236#
237#####################################################################################################
238#### Production: Saliency and gist
239#####################################################################################################
240#
241## saliency + feature maps + gist
242##GREY 120 25 60.0 YUYV 320 240 60.0 JeVois SaliencyGist
243#
244## saliency + feature maps
245##GREY 120 15 60.0 YUYV 320 240 60.0 JeVois SaliencyGist
246#
247## saliency + gist
248##GREY 20 73 60.0 YUYV 320 240 60.0 JeVois SaliencyGist
249#
250## saliency only
251##GREY 20 15 60.0 YUYV 320 240 60.0 JeVois SaliencyGist
252#
253## gist only
254##GREY 72 16 60.0 YUYV 320 240 60.0 JeVois SaliencyGist
255#
256#####################################################################################################
257#### Demo: Background subtraction
258#####################################################################################################
259#
260##YUYV 640 240 15.0 YUYV 320 240 15.0 JeVois DemoBackgroundSubtract
261#YUYV 320 120 30.0 YUYV 160 120 30.0 JeVois DemoBackgroundSubtract
262#
263#####################################################################################################
264#### Demo: QR-code and barcode detection and decoding
265#####################################################################################################
266#
267##YUYV 640 526 15.0 YUYV 640 480 15.0 JeVois DemoQRcode
268#YUYV 320 286 30.0 YUYV 320 240 30.0 JeVois DemoQRcode
269##NONE 0 0 0 YUYV 640 480 15.0 JeVois DemoQRcode
270##NONE 0 0 0 YUYV 320 240 30.0 JeVois DemoQRcode
271#
272#####################################################################################################
273#### Road following using vanishing point
274#####################################################################################################
275#
276#NONE 0 0 0 YUYV 320 240 30.0 JeVois RoadNavigation
277##NONE 0 0 0 YUYV 176 144 120.0 JeVois RoadNavigation
278#YUYV 320 256 30.0 YUYV 320 240 30.0 JeVois RoadNavigation
279##YUYV 176 160 120.0 YUYV 176 144 120.0 JeVois RoadNavigation
280#
281#####################################################################################################
282#### Demo of ARM-Neon SIMD image processing
283#####################################################################################################
284#
285#YUYV 960 240 30.0 YUYV 320 240 30.0 JeVois DemoNeon
286#
287#####################################################################################################
288#### Dense SIFT using VLfeat library
289#####################################################################################################
290#
291## very slow, min keypoint step is 17
292##YUYV 448 240 5.0 YUYV 320 240 5.0 JeVois DenseSift
293#
294## slow too, min keypoint step is 11
295##YUYV 288 120 5.0 YUYV 160 120 5.0 JeVois DenseSift
296#
297## raw keypoints only, assuming step=11, binsize=8
298#GREY 128 117 5.0 YUYV 160 120 5.0 JeVois DenseSift
299#
300#####################################################################################################
301#### Salient regions
302#####################################################################################################
303#
304#YUYV 64 192 25.0 YUYV 320 240 25.0 JeVois SalientRegions
305##YUYV 100 400 10.0 YUYV 640 480 10.0 JeVois SalientRegions
306#
307#####################################################################################################
308#### Superpixel image segmentation/clustering
309#####################################################################################################
310#
311#GREY 320 240 30.0 YUYV 320 240 30.0 JeVois SuperPixelSeg
312#
313#####################################################################################################
314#### Eye tracking using the openEyes toolkit
315#####################################################################################################
316#
317##GREY 640 480 30.0 YUYV 640 480 30.0 JeVois DemoEyeTracker
318##GREY 320 240 60.0 YUYV 320 240 60.0 JeVois DemoEyeTracker
319#GREY 176 144 120.0 YUYV 176 144 120.0 JeVois DemoEyeTracker
320#
321#####################################################################################################
322#### Demo: ArUco augmented-reality markers detection and decoding
323#####################################################################################################
324#
325#NONE 0 0 0.0 YUYV 320 240 30.0 JeVois DemoArUco
326#YUYV 320 260 30.0 YUYV 320 240 30.0 JeVois DemoArUco
327#YUYV 640 500 20.0 YUYV 640 480 20.0 JeVois DemoArUco
328#
329#####################################################################################################
330#### Edge detection using Canny
331#####################################################################################################
332#
333#GREY 640 480 29.0 YUYV 640 480 29.0 JeVois EdgeDetection
334#GREY 320 240 59.0 YUYV 320 240 59.0 JeVois EdgeDetection
335##GREY 176 144 119.0 YUYV 176 144 119.0 JeVois EdgeDetection
336#
337#####################################################################################################
338#### Edge detection using 4 Canny filters in parallel, with different settings
339#####################################################################################################
340#
341#GREY 320 960 45.0 YUYV 320 240 45.0 JeVois EdgeDetectionX4
342#
343#####################################################################################################
344#### Color-based object tracker
345#####################################################################################################
346#
347#NONE 0 0 0.0 YUYV 320 240 60.0 JeVois ObjectTracker
348#YUYV 320 254 60.0 YUYV 320 240 60.0 JeVois ObjectTracker
349#
350#####################################################################################################
351#### GPU color image processing demo
352#####################################################################################################
353#
354##RGB565 320 240 22.0 YUYV 320 240 22.0 JeVois DemoGPU
355#
356#####################################################################################################
357#### Combo CPU multithreaded saliency/gist + 4x GPU grayscale image processing demo
358#####################################################################################################
359#
360#GREY 160 495 60.0 YUYV 160 120 60.0 JeVois DemoCPUGPU
361#
362#####################################################################################################
363#### Fast optical flow computation
364#####################################################################################################
365#
366#GREY 176 288 100 YUYV 176 144 100 JeVois OpticalFlow
367#
368#####################################################################################################
369#### Object detection using SURF keypoints
370#####################################################################################################
371#
372#YUYV 320 252 30.0 YUYV 320 240 30.0 JeVois ObjectDetect
373#
374#####################################################################################################
375#### Salient region detection and identification using SURF keypoints
376#####################################################################################################
377#
378#YUYV 320 288 30.0 YUYV 320 240 30.0 JeVois SaliencySURF
379#
380#####################################################################################################
381#### CPU + GPU + NEON burn test
382#####################################################################################################
383#
384##YUYV 640 300 10.0 YUYV 320 240 10.0 JeVois BurnTest
385#
386#####################################################################################################
387#### Python tests
388#####################################################################################################
389#
390#YUYV 640 480 15.0 YUYV 640 480 15.0 JeVois PythonTest
391#GREY 640 480 20.0 YUYV 640 480 20.0 JeVois PythonOpenCV
392#YUYV 352 288 30.0 YUYV 352 288 30.0 JeVois PythonSandbox
393#
394#####################################################################################################
395#### Image color filtering
396#####################################################################################################
397#
398#YUYV 640 240 30.0 YUYV 320 240 30.0 JeVois ColorFiltering
399#
400#####################################################################################################
401#### Dice counting tutorial
402#####################################################################################################
403#
404#YUYV 640 480 7.5 YUYV 640 480 7.5 JeVois DiceCounter
405#
406#####################################################################################################
407#### Augmented reality markers with ARtoolkit
408#####################################################################################################
409#
410#NONE 0 0 0 YUYV 320 240 60.0 JeVois DemoARtoolkit
411#NONE 0 0 0 YUYV 640 480 30.0 JeVois DemoARtoolkit
412#NONE 0 0 0 YUYV 1280 1024 15.0 JeVois DemoARtoolkit
413#YUYV 320 258 60.0 YUYV 320 240 60.0 JeVois DemoARtoolkit
414##YUYV 640 498 30.0 YUYV 640 480 30.0 JeVois DemoARtoolkit
415#
416#####################################################################################################
417#### Augmented reality markers with ARtoolkit, ArUco, and QR-Code
418#####################################################################################################
419#
420##YUYV 320 306 50.0 YUYV 320 240 50.0 JeVois MarkersCombo
421#YUYV 640 546 20.0 YUYV 640 480 20.0 JeVois MarkersCombo
422#
423#####################################################################################################
424#### Detect objects in scenes using darknet YOLO deep neural network
425#####################################################################################################
426#
427#YUYV 1280 480 15.0 YUYV 640 480 15.0 JeVois DarknetYOLO
428#
429#####################################################################################################
430#### Detect objects in scenes using darknet deep neural network
431#####################################################################################################
432#
433#YUYV 544 240 15.0 YUYV 320 240 15.0 JeVois DarknetSingle
434##YUYV 448 240 15.0 YUYV 320 240 15.0 JeVois DarknetSingle
435##YUYV 864 480 15.0 YUYV 640 480 15.0 JeVois DarknetSingle
436##YUYV 1088 480 15.0 YUYV 640 480 15.0 JeVois DarknetSingle
437#
438#####################################################################################################
439#### Detect salient objects in scenes using saliency + darknet deep neural network
440#####################################################################################################
441#
442##YUYV 460 240 15.0 YUYV 320 240 15.0 JeVois DarknetSaliency # not for mac (width not multiple of 16)
443##YUYV 560 240 15.0 YUYV 320 240 15.0 JeVois DarknetSaliency
444#YUYV 880 480 10.0 YUYV 640 480 10.0 JeVois DarknetSaliency
445#
446#####################################################################################################
447#### FIRST robotics object detection example in C++
448#####################################################################################################
449#
450##YUYV 352 194 120.0 YUYV 176 144 120.0 JeVois FirstVision
451##YUYV 176 194 120.0 YUYV 176 144 120.0 JeVois FirstVision
452#YUYV 640 290 60.0 YUYV 320 240 60.0 JeVois FirstVision
453#YUYV 320 290 60.0 YUYV 320 240 60.0 JeVois FirstVision
454#NONE 0 0 0.0 YUYV 320 240 60.0 JeVois FirstVision
455#NONE 0 0 0.0 YUYV 176 144 120.0 JeVois FirstVision
456#
457#####################################################################################################
458#### FIRST robotics object detection example in Python
459#####################################################################################################
460#
461#YUYV 640 252 60.0 YUYV 320 240 60.0 JeVois FirstPython
462##YUYV 320 252 60.0 YUYV 320 240 60.0 JeVois FirstPython
463#NONE 0 0 0.0 YUYV 320 240 60.0 JeVois FirstPython
464#NONE 0 0 0.0 YUYV 176 144 120.0 JeVois FirstPython
465#
466#####################################################################################################
467#### Object detection using SURF and 6D pose estimation
468#####################################################################################################
469#
470#YUYV 320 262 15.0 YUYV 320 240 15.0 JeVois PythonObject6D
471##YUYV 640 502 10.0 YUYV 640 480 10.0 JeVois PythonObject6D
472#NONE 0 0 0.0 YUYV 320 240 15.0 JeVois PythonObject6D
473#
474#####################################################################################################
475#### Edge detection using 4 Canny filters in parallel, with different settings, example python parallel
476#####################################################################################################
477#
478## Disabled by default because Python multiprocessing is very buggy. Note that enabling this mapping may also
479## render your JeVois camera undetectable by OSX hosts.
480#
481##YUYV 1280 240 30.0 YUYV 320 240 30.0 JeVois PythonParallel
482#
483#####################################################################################################
484#### Detect objects in scenes using tensorflow deep neural network
485#####################################################################################################
486#
487##YUYV 560 240 15.0 YUYV 320 240 15.0 JeVois TensorFlowSingle
488#YUYV 464 240 15.0 YUYV 320 240 15.0 JeVois TensorFlowSingle
489##YUYV 880 480 15.0 YUYV 640 480 15.0 JeVois TensorFlowSingle
490##YUYV 1104 480 15.0 YUYV 640 480 15.0 JeVois TensorFlowSingle
491#
492#####################################################################################################
493#### Detect salient objects in scenes using saliency + tensorflow deep neural network
494#####################################################################################################
495#
496##YUYV 448 240 30.0 YUYV 320 240 30.0 JeVois TensorFlowSaliency
497#YUYV 512 240 30.0 YUYV 320 240 30.0 JeVois TensorFlowSaliency
498##YUYV 544 240 30.0 YUYV 320 240 30.0 JeVois TensorFlowSaliency
499#
500#####################################################################################################
501#### Detect objects in scenes using tensorflow deep neural network, easy version
502#####################################################################################################
503#
504#YUYV 320 308 30.0 YUYV 320 240 30.0 JeVois TensorFlowEasy
505##YUYV 640 548 30.0 YUYV 640 480 30.0 JeVois TensorFlowEasy
506#YUYV 1280 1092 7.0 YUYV 1280 1024 7.0 JeVois TensorFlowEasy
507#
508#####################################################################################################
509#### ArUco augmented-reality markers detection and decoding + color blob detection
510#####################################################################################################
511#
512#YUYV 320 266 30.0 YUYV 320 240 30.0 JeVois ArUcoBlob
513#
514#####################################################################################################
515#### Detect and identify objects in scenes using OpenCV DNN detection framework
516#####################################################################################################
517#
518#YUYV 640 502 20.0 YUYV 640 480 20.0 JeVois PyDetectionDNN
519#YUYV 640 498 15.0 YUYV 640 480 15.0 JeVois DetectionDNN
520#
521#####################################################################################################
522#### Simple demo of the ICM-20948 IMU attached to the AR0135 global shutter sensor
523#####################################################################################################
524#
525#YUYV 640 512 40.0 YUYV 640 480 40.0 JeVois DemoIMU
526#
527#####################################################################################################
528#### Object classification using OpenCV DNN in Python
529#####################################################################################################
530#
531#YUYV 320 264 30.0 YUYV 320 240 30.0 JeVois PyClassificationDNN
532#
533#####################################################################################################
534#####################################################################################################
535#####################################################################################################
536#####################################################################################################
537## Modules provided by jevoisextra
538#####################################################################################################
539#####################################################################################################
540#####################################################################################################
541#####################################################################################################
542#
543#YUYV 320 264 15.0 YUYV 320 240 15.0 JeVois FaceDetector
544#