"""
示例 6: 多传感器 + 异步流水线（最高性能模式）

本示例结合了多进程和异步流水线的优势：
- 多进程：每个传感器运行在独立进程，拥有独立 CUDA 上下文
- 异步流水线：每个进程内部使用三阶段流水线

这是性能最高的配置，适用于：
- 多个高分辨率传感器
- 需要最大化总吞吐量
- 有充足的 CPU 核心和 GPU 显存

架构说明：
    进程 1 (传感器 0):
        [采集] → [光流] → [HHD] → 队列 ──┐
    进程 2 (传感器 1):                    │
        [采集] → [光流] → [HHD] → 队列 ──┼──→ 主进程显示
    ...                                   │
    进程 N (传感器 N-1):                  │
        [采集] → [光流] → [HHD] → 队列 ──┘

资源占用估算（每个传感器）：
- CPU: 约 2-3 个核心（采集、光流、HHD 各一个线程）
- GPU 显存: 约 500MB-1GB（取决于分辨率和 CUDA 算法）
"""

import os
os.environ["OPENCV_VIDEOIO_MSMF_ENABLE_HW_TRANSFORMS"] = "0"  # Windows 兼容性设置

import cv2
import orisys
import multiprocessing as mp


def main():
    # =========================================================================
    # 1. 配置多个传感器
    # =========================================================================
    configs = [
        {
            'vid_src': './s1.mp4',       # 视频源
            'isstitch': True,            # 启用拼接
            'cuda': True,                # 启用 GPU 加速
            'cal_path': './config/cal.npy'  # 标定文件
        },
        {
            'vid_src': './s1_copy.mp4',
            'isstitch': True,
            'cuda': True,
            'cal_path': './config/cal.npy'
        },
    ]
    
    # =========================================================================
    # 2. 使用 async_context 启动（推荐方式）
    # =========================================================================
    # async_context 是一个便捷的上下文管理器：
    #   - 自动启用每个传感器进程内的异步流水线
    #   - 退出时自动清理所有资源
    with orisys.MultiSensor.async_context(configs) as multi:
        print("\n多传感器异步模式已启动，按 'q' 退出")
        
        # =====================================================================
        # 3. 迭代获取所有传感器数据
        # =====================================================================
        for all_data in multi:
            # 过滤有效数据
            for data in [d for d in all_data if d]:
                sid = data['sensor_id']
                
                # 打印状态
                print(f"传感器 {sid}: FPS={data['fps']:5.1f}, 法向力={data['fnormal']:8.2f}")
                
                # 显示形变图
                if data['img'] is not None and data['flow'] is not None:
                    arrows = orisys.util.draw_arrows(
                        data['img'].copy(),
                        data['flow'],
                        threshold=5
                    )
                    cv2.imshow(f"传感器 {sid} - 形变", arrows)
            
            # 检查退出键
            if cv2.waitKey(1) & 0xFF == ord('q'):
                break
    
    cv2.destroyAllWindows()


def main_manual():
    """
    备选方式：手动控制启动和停止
    
    适用于需要更精细控制的场景，例如：
    - 动态添加/移除传感器
    - 在运行时切换同步/异步模式
    - 自定义错误处理
    """
    configs = [
        {'vid_src': './s1.mp4', 'isstitch': True, 'cuda': True, 'cal_path': './config/cal.npy'},
        {'vid_src': './s1_copy.mp4', 'isstitch': True, 'cuda': True, 'cal_path': './config/cal.npy'},
    ]
    
    # 创建 MultiSensor 实例
    multi = orisys.MultiSensor(configs)
    
    # 手动启动，use_async=True 启用异步模式
    multi.start(use_async=True)
    
    try:
        while True:
            # 获取所有传感器的最新数据
            all_data = multi.get_all()
            
            for data in [d for d in all_data if d]:
                cv2.imshow(f"传感器 {data['sensor_id']}", data['img'])
            
            if cv2.waitKey(1) & 0xFF == ord('q'):
                break
    finally:
        # 手动停止所有进程
        multi.stop()
        cv2.destroyAllWindows()


if __name__ == '__main__':
    # Windows 下多进程必需的初始化
    mp.freeze_support()
    main()