姿势估计在许多计算机视觉应用中非常重要：机器人导航，增强现实等等。该过程基于发现真实环境中的点与其2d图像投影之间的对应关系。这通常是一个困难的步骤，因此通常使用合成或基准标记来简化操作。最受欢迎的方法之一是使用二进制方形基准标记。这些标记的主要优点是单个标记可以提供足够的对应关系（四个角）来获得相机的姿势。而且，内部二进制编码使它们特别健壮，从而允许应用错误检测和纠正技术。
最受欢迎的方法之一是使用二进制方形基准标记。 这些标记的主要优点是单个标记可以提供足够的对应关系（四个角）来获得相机的姿势。 而且，内部二进制编码使它们特别健壮，从而允许应用错误检测和纠正技术。
aruco模块基于ArUco库，该库是由RafaelMuñoz和Sergio Garrido开发的用于检测方形基准标记的流行库：
Aruco功能包括在：#include <opencv2/aruco.hpp>；ArUco标记是由宽黑色边框和确定其标识符（id）的内部二进制矩阵组成的合成正方形标记。 黑色边框有助于其在图像中的快速检测，并且二进制编码允许其识别以及错误检测和纠正技术的应用。 标记大小决定内部矩阵的大小。 例如，标记大小4x4由16位组成。
ArUco下载地址：https://sourceforge.net/projects/aruco/files/（可以下载2.0.19或3.0.0）
ArUco的Marker生成网址：http://terpconnect.umd.edu/~jwelsh12/enes100/markergen.html（可以定制Marker的size、ID以及Padding）
该库主要的类主要有：
aruco::Marker----视觉标志类；
aruco::MarkerDetector----视觉标志检测类；
aruco::MarkerPoseTracker----视觉标志姿态预估类；
aruco::MarkerMap-----视觉标志地图类；
aruco::MarkerMapPoseTracker----视觉标志地图姿态预估类；
aruco::CvDrawingUtils----绘图类；
Markers and Dirctionaries
一个ArUco标记外围都有一组黑色边框，同时内部有着确定该标记ID的二维矩阵组合而成。黑色的边框能加速标记在图像中的检测速度，内部的二维编码能唯一识别该标记，同时进行错误检测和错误修复。标记的大小确定了内部矩阵的大小，例如4x4大小的标记有16个bit。
Marker Creation
cv::Mat markerImage; cv::aruco::Dictionary dictionary = cv::aruco::getPredefinedDictionary(cv::aruco::DICT_6X6_250);
cv::aruco::drawMarker(dictionary, 23, 200, markerImage, 1);Marker Detection
cv::Mat inputImage; ... vector< int > markerIds; vector< vector<Point2f> > markerCorners, rejectedCandidates;
cv::aruco::DetectorParametersparameters; cv::aruco::Dictionary dictionary = cv::aruco::getPredefinedDictionary(cv::aruco::DICT_6X6_250); cv::aruco::detectMarkers(inputImage, dictionary, markerCorners, markerIds, parameters, rejectedCandidates);在包含ArUco标志的图片中，检测过程通常能返回被检测到的marker序列。每一个检测的Marker结果包括：
- marker四个角点在图片中的位置
- marker的id
Marker检测过程主要有两个步骤：
- 检测Marker的候选区域。
- 通过分析二维码确定marker
在opencv的ArUco模块中，主要通过detectMarkers()函数来完成，这个函数是整个模块中最重要的函数了，因为后续的函数处理几乎都依赖于该函数的检测结果。
Pose Estiimation
当获取得到Marker的识别结果之后，就是确定相机姿态了。为了确定相机姿态，首先得知道相机的标定参数，内参和畸变。在估计每个ArUco标记的时候，我们能单独估计每个marker。如果你希望能从一系列的marker中估计一个pose，你需要了解ArUco Boards.相机相对于marker的姿态是一个3d的旋转，从marker坐标系到camera坐标系。这个通过一个旋转和一个平移向量和描述。
Mat cameraMatrix, distCoeffs; ... vector< Vec3d > rvecs, tvecs;
cv::aruco::estimatePoseSingleMarkers(corners, 0.05, cameraMatrix, distCoeffs, rvecs, tvecs);