AprilTag是一种用于机器视觉系统的被动式识别标志（fiducial markers），它通过特殊算法在自然场景中的特征之间检测标志。AprilTags系统以及与其他类似被动式标志系统相比，需要处理的视觉处理步骤通常占据标记检测流程的大部分计算时间，因此即使对标记检测进行微小的改进，也能转化为更快的标记检测系统。John Wang和Edwin Olson提出的AprilTag2是重新设计的标记检测器，与原始的AprilTags系统相比，改进了其鲁棒性和效率。
AprilTag的设计基于早期的ARTag和ARToolkit系统，其本身是一种黑白方格标记，内含经过编码的二进制负载。AprilTag引入了一种改进的生成二进制负载的方法，保证了在所有可能的旋转下标签间的最小汉明距离，这使得它们更具鲁棒性。 AprilTag2系统保持了与原始编码系统相同的标记编码方案，因此它保留了该系统固有的对假阳性结果的鲁棒性。
在性能方面，AprilTag2提高了检测率，减少了假阳性，并降低了计算时间。尤其在小图像上的改进性能，使得使用降采样的输入图像成为可能，从而在检测速度上带来了显著的提升。AprilTag2系统利用了在实现和支持AprilTags系统中汲取的经验教训。
由于其独特性及高检测率，fiducials（即人工视觉特征）在机器人应用中尤为有用，它们可以用于定位、对象检测和跟踪等。它们可以作为更复杂感知的简化假设，或是用于视觉定位或机器人运动的基准估计。固定在对象上的fiducials可以用来识别和定位感兴趣的对象。
fiducials的设计意在自动检测，并携带独特的负载以使它们彼此区分。虽然这种类型的fiducials最初是由增强现实应用开发和普及的，但它们已被机器人社区广泛采用。fiducials的几个关键属性使它们在机器人应用中的位姿估计或物体跟踪方面非常有用。这些属性包括它们的独特性和高检测率，这对于测试SLAM系统是理想的。固定在机器人或环境中作为参考点的fiducials可以用于视觉定位和机器人运动的基准估计。在机器人上安装的fiducials可以用来识别和定位感兴趣的物体。
AprilTag2系统的设计核心是提高小图像的处理速度，这不仅节省了计算资源，也缩短了处理时间，这对于实时应用或需要快速响应的场景至关重要。随着视觉传感器分辨率的提高，对这些系统进行优化以处理更高分辨率的图像显得尤为重要。AprilTag2系统能够处理降采样的图像，这意味着在不影响检测准确性的前提下，它可以使用较低分辨率的图像进行工作，从而进一步提高了系统的性能和效率。
AprilTag和AprilTag2系统在机器人学、增强现实、计算机视觉以及其他需要物体识别和定位的应用中扮演了重要的角色。这种类型的系统提高了机器视觉应用的可靠性，减少了对复杂处理系统的依赖，同时也为开发更先进的人工智能和机器人技术铺平了道路。随着相关研究和开发的进一步深入，未来可能会出现更多更先进的系统，进一步推动相关技术的发展和创新。
