OpenCV 版本导致 AprilTag 检测数量不同

结论

同一段视频、同一字典DICT_APRILTAG_25h9，仅切换 OpenCV 版本，AprilTag 检测数量可能明显不同。

本项目的实测结果如下：

三个版本都解码出 813 帧，而且逐帧 BGR 像素哈希一致。因此，这次差异不是视频帧数变化或 H.265 解码差异，而是 AprilTag/ArUco 的候选解码逻辑变化。

完整结果见：

• opencv_version_comparison.csv
• opencv_version_comparison.json
• compare_opencv_versions.py

主要源码变化

1. AprilTag 字典从不纠错变为允许纠错

OpenCV 4.13 中，DICT_APRILTAG_25h9的字典初始化使用了：

Dictionary(...,markerSize=5,maxCorrectionBits=0);

默认检测参数为：

errorCorrectionRate = 0.6 有效纠错位数 = int(0 * 0.6) = 0

因此 4.13 基本要求候选 Tag 的内部 bit 全部严格匹配。

OpenCV 4.14 改成：

Dictionary(...,markerSize=5,maxCorrectionBits=(9-1)/2);

于是：

maxCorrectionBits = 4 有效纠错位数 = int(4 * 0.6) = 2

4.14 默认允许候选中存在少量错误或不确定的 cell，这会提高召回率，也可能提高误检风险。

相关 OpenCV 修复提交：8c8b266b7，主题为fix maxCorrectionBits in predefined dictionaries。

源码位置：

• OpenCV 4.14 aruco_dictionary.cpp
• OpenCV 4.14 DetectorParameters

2. cell 从硬二值化变为保留白像素比例

DICT_APRILTAG_25h9是5 x 5数据区域，外加一圈 marker border，因此透视校正后会按7 x 7网格采样。

这里的“白像素比例”是某一个采样 cell 内部，经过二值化后被判为白色的像素比例，不是 Tag 外部的白色背景，也不是专门指白框。

例如一个4 x 4的 cell：

8 个白像素 + 8 个黑像素 -> 白色比例 50% 9 个白像素 + 7 个黑像素 -> 白色比例 56.25%

OpenCV 4.13 直接把 cell 压缩成 0/1：

bit=white_pixel_count>total_pixels/2;

所以：

白色比例 <= 50% -> bit 0 白色比例 > 50% -> bit 1

OpenCV 4.14 新增：

validBitIdThreshold=0.49f;

它先保留cellPixelRatio，再判断 cell 是否足够接近黑色或白色。接近 50/50 的 cell 会被视为不确定，再交给字典匹配和纠错逻辑处理。

相关提交：5e91b461b，主题为Identify ArUco markers based on threshold to reduce false positives。

源码位置：

• _extractCellPixelRatio
• CellBitMasks

参数消融结果

在 OpenCV 4.14 中对video_left.h265关闭或恢复新逻辑：

对video_right.h265，OpenCV 4.14 设置：

params.errorCorrectionRate=0.0params.validBitIdThreshold=0.50

得到的结果也是：

Tag 0 = 781 Tag 1 = 741

与 OpenCV 4.13 默认结果完全一致。

这说明本项目中最大的数量变化来源是 4.14 修复后的 AprilTag 字典纠错能力；validBitIdThreshold则改变了模糊 cell 的边界判断。

当前检测路径的含义

当前代码使用：

dictionary=cv2.aruco.getPredefinedDictionary(cv2.aruco.DICT_APRILTAG_25h9)detector=cv2.aruco.ArucoDetector(dictionary)

这不是完整的 AprilTag 专用 quad detector，而是：

OpenCV ArUco 候选轮廓检测 + AprilTag 25h9 字典 + OpenCV 的 cell 解码和错误纠正

除非显式设置CORNER_REFINE_APRILTAG，否则aprilTagQuadDecimate、aprilTagQuadSigma等 AprilTag 参数不是这次数量差异的主要来源。

复现方式

完整比较：

python compare_opencv_versions.py--jobs 3

当前隔离环境：

当前环境：opencv-python 4.13.0.92 .venvs/opencv-4.14：opencv-python 4.14.0.94 .venvs/opencv-5.0：opencv-python 5.0.0.93

使用建议

需要结果可复现时

固定 OpenCV 版本，并把版本号写入检测结果：

print(cv2.__version__)

不要只保存 Tag 数量而不保存 OpenCV 版本、检测参数和输入视频哈希。

需要尽量兼容 OpenCV 4.13 时

在 OpenCV 4.14/5.0 中可以尝试：

params=cv2.aruco.DetectorParameters()params.errorCorrectionRate=0.0params.validBitIdThreshold=0.50dictionary=cv2.aruco.getPredefinedDictionary(cv2.aruco.DICT_APRILTAG_25h9)detector=cv2.aruco.ArucoDetector(dictionary,params)

对本项目的两段视频，这组参数复现了 OpenCV 4.13 的计数。但它不是对所有图像都保证逐帧兼容，正式生产流程仍应固定 OpenCV wheel 版本。

需要提高召回率时

使用 4.14/5.0 默认行为可能更合适，但应使用人工标注或已知 Tag 轨迹检查新增检测是否为真实 Tag。检测数量增加不能单独证明检测质量提高。