# mlsd

Python API: `depthai_nodes.node.parsers.mlsd`

## 类

### MLSDParser

用于解析 M-LSD 线检测模型输出的解析器类。该解析器专门用于解析 M-LSD 模型的输出。结果，节点以消息的形式发送检测到的线条。

> **Note**
> 发出 `dai.beta.Lines` 消息。包含检测到的线条和置信度分数的原生消息。

#### 方法

##### init

```python
def __init__(output_layer_tpmap: str = '', output_layer_heat: str = '', topk_n: int = 200, score_thr: float = 0.1, dist_thr: float = 20.0):
```

初始化解析器节点。

参数

 * `output_layer_tpmap` (`str`): 包含线条位移的输出张量名称。
 * `output_layer_heat` (`str`): 包含热图的输出张量名称。
 * `topk_n` (`int`): 要保留的顶部候选数量。
 * `score_thr` (`float`): 检测到的线条的置信度分数阈值。
 * `dist_thr` (`float`): 输出图中的最小线长（像素）。

##### build

```python
def build(head_config: dict[str, Any]) -> MLSDParser:
```

配置解析器。

参数

 * `head_config` (`dict[str, Any]`): 解析器的头部配置。

返回

 * `MLSDParser`: 设置了头部配置的解析器对象。

##### compute

```python
def compute(tpMap: np.ndarray, heat_np: np.ndarray, *, topk_n: int, score_thr: float, dist_thr: float) -> tuple[np.ndarray, np.ndarray]:
```

从提取的张量计算解析器结果，而不发送消息。

> **Note**
> 使用 [depthai_nodes.node.parsers.utils.mlsd.compute_mlsd_lines](/software-v3/ai-inference/inference/depthai-nodes/depthai-nodes-api-reference/node/parsers/utils/mlsd.md)；有关张量布局和验证详细信息，请参阅该帮助程序。

参数

 * `tpMap` (`np.ndarray`): NCHW 布局的四维线位移张量。
 * `heat_np` (`np.ndarray`): 用于对线中心候选进行排名的热张量。
 * `topk_n` (`int`): 要检查的线中心候选的最大数量。
 * `score_thr` (`float`): 最小候选分数。
 * `dist_thr` (`float`): 输出图中的最小线长（像素）。

返回

 * `tuple[np.ndarray, np.ndarray]`: 形状为 `(N, 4)` 的归一化端点坐标和 float32 线条分数。

##### emit

```python
def emit(output: dai.NNData, lines: np.ndarray, scores: np.ndarray):
```

创建 `dai.beta.Lines` 消息并将其发送到 `out`。

复制源时间戳和序列号，并在存在时携带源图像转换。

参数

 * `output` (`dai.NNData`): 携带张量和源时间戳、序列号以及可选图像转换的神经网络输出。
 * `lines` (`np.ndarray`): 归一化的 `[x1, y1, x2, y2]` 线端点。
 * `scores` (`np.ndarray`): 与计算负载对应的置信度分数。

##### extract

```python
def extract(output: dai.NNData) -> tuple[np.ndarray, np.ndarray]:
```

选择并反量化解析所需的模型张量。

参数

 * `output` (`dai.NNData`): 携带张量和源时间戳、序列号以及可选图像转换的神经网络输出。

返回

 * `tuple[np.ndarray, np.ndarray]`: Float32 位移和热张量。位移按 NCHW 顺序请求。

##### run

```python
def run(self):
```

读取排队的网络输出，解析它们，并在运行时发出结果。

管道调用此处理循环。当输入队列关闭或节点停止时，它会退出。

##### setDistanceThreshold

```python
def setDistanceThreshold(dist_thr: float):
```

设置合并线的距离阈值。

参数

 * `dist_thr` (`float`): 输出图中的最小线长（像素）。

##### setOutputLayerHeat

```python
def setOutputLayerHeat(output_layer_heat: str):
```

设置包含热张量的输出层的名称。

参数

 * `output_layer_heat` (`str`): 包含热张量的输出层的名称。

##### setOutputLayerTPMap

```python
def setOutputLayerTPMap(output_layer_tpmap: str):
```

设置包含 tpMap 张量的输出层的名称。

参数

 * `output_layer_tpmap` (`str`): 包含 tpMap 张量的输出层的名称。

##### setScoreThreshold

```python
def setScoreThreshold(score_thr: float):
```

设置检测到的线条的置信度分数阈值。

参数

 * `score_thr` (`float`): 检测到的线条的置信度分数阈值。

##### setTopK

```python
def setTopK(topk_n: int):
```

设置要保留的顶部候选数量。

参数

 * `topk_n` (`int`): 要保留的顶部候选数量。

#### 属性

##### dist_thr

输出图中的最小线长（像素）。

##### output_layer_heat

包含热张量的输出层的名称。

##### output_layer_tpmap

包含 tpMap 张量的输出层的名称。

##### score_thr

检测到的线条的置信度分数阈值。

##### topk_n

要保留的顶部候选数量。
