"""
示例 5: 异步流水线处理（单传感器高吞吐模式）

本示例演示传感器的异步三阶段流水线：
- 图像采集、光流计算、HHD分解并行执行
- 通过队列在线程间传递数据
- 实现更高的帧率和吞吐量

流水线架构：
    [采集线程] → 队列 → [光流线程] → 队列 → [HHD线程] → 队列 → [主线程显示]
    
    时间线示例（每格代表一帧的处理时间）：
    采集:  |帧1|帧2|帧3|帧4|帧5|...
    光流:      |帧1|帧2|帧3|帧4|...
    HHD:           |帧1|帧2|帧3|...
    
    优势：三个阶段重叠执行，总吞吐量约为最慢阶段的速度

适用场景：
- 单传感器需要最大帧率
- CPU/GPU 利用率需要最大化
- 可以接受 2-3 帧的处理延迟

对比同步模式：
- 同步模式：采集→光流→HHD 串行执行，FPS 受限于总时间
- 异步模式：三阶段并行，FPS 约为同步模式的 2-3 倍
"""

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

import cv2
import orisys


def main():
    # =========================================================================
    # 1. 初始化传感器
    # =========================================================================
    sensor = orisys.Sensor(
        "./s1.mp4",
        isstitch=True,
        cuda=True,
        verbose=True
    )
    
    # =========================================================================
    # 2. 启用异步流水线
    # =========================================================================
    # queue_size: 每个阶段间队列的大小
    #   - 较小的值（1-2）：延迟低，但可能丢帧
    #   - 较大的值（3-5）：吞吐稳定，但延迟增加
    sensor.enable_async(queue_size=2)
    
    print("\n异步模式已启用")
    print("按 'q' 退出，按 'r' 重置光流追踪器")
    
    # =========================================================================
    # 3. 主循环：非阻塞获取数据
    # =========================================================================
    try:
        while True:
            # 非阻塞获取最新结果
            # timeout: 等待超时时间（秒）
            #   - 返回 None 表示暂无新数据
            #   - 返回 dict 包含所有传感器数据
            data = sensor.get_async(timeout=0.05)
            
            if data is None:
                # 暂无新数据，继续等待
                continue
            
            # 打印力的数值
            print(f"FPS: {data['fps']:5.1f}, "
                  f"法向力: {data['fnormal']:8.2f}, "
                  f"切向力X: {data['fshearx']:8.2f}, "
                  f"切向力Y: {data['fsheary']:8.2f}")
            
            # 显示形变箭头图
            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("异步模式 - 形变", arrows)
            
            # 显示深度图
            if data['depth'] is not None:
                depth_img = cv2.applyColorMap(
                    (data['depth'] * 255).astype('uint8'),
                    cv2.COLORMAP_HOT
                )
                cv2.imshow("异步模式 - 深度", depth_img)
            
            # 键盘控制
            key = cv2.waitKey(1) & 0xFF
            if key == ord('q'):
                break
            elif key == ord('r'):
                sensor.reset()
                print("光流追踪器已重置")
                
    finally:
        # =====================================================================
        # 4. 清理资源
        # =====================================================================
        # disconnect() 会自动调用 disable_async() 停止所有线程
        sensor.disconnect()
        cv2.destroyAllWindows()


if __name__ == '__main__':
    main()