unknown
135 lines
5.5 KiB
Python
135 lines
5.5 KiB
Python
"""
|
|
示例 7: 五传感器网格显示
|
|
|
|
本示例演示如何扩展到 5 个传感器：
|
|
- 使用多进程模式并行运行所有传感器
|
|
- 将 5 个传感器画面拼接成 2x3 网格显示
|
|
- 实时显示每个传感器的 FPS 和力数据
|
|
|
|
网格布局：
|
|
┌─────────┬─────────┬─────────┐
|
|
│ 传感器0 │ 传感器1 │ 传感器2 │
|
|
├─────────┼─────────┼─────────┤
|
|
│ 传感器3 │ 传感器4 │ (空) │
|
|
└─────────┴─────────┴─────────┘
|
|
|
|
硬件要求估算：
|
|
- CPU: 建议 8 核以上（每个传感器约 2-3 线程）
|
|
- GPU: 建议 8GB 显存以上（每个传感器约 500MB-1GB）
|
|
- 内存: 建议 16GB 以上
|
|
|
|
注意：本示例使用同一个视频文件模拟 5 个传感器，
|
|
实际使用时请替换为不同的视频源或摄像头索引。
|
|
"""
|
|
|
|
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
|
|
import numpy as np
|
|
|
|
|
|
def main():
|
|
# =========================================================================
|
|
# 1. 配置 5 个传感器
|
|
# =========================================================================
|
|
# 注意：这里使用同一个视频文件作为演示
|
|
# 实际应用中应替换为不同的视频源：
|
|
# - 摄像头: 0, 1, 2, 3, 4
|
|
# - 视频文件: './sensor0.mp4', './sensor1.mp4', ...
|
|
configs = [
|
|
{'vid_src': './s1.mp4', 'isstitch': True, 'cuda': True, 'cal_path': './config/cal.npy'},
|
|
{'vid_src': './s1.mp4', 'isstitch': True, 'cuda': True, 'cal_path': './config/cal.npy'},
|
|
{'vid_src': './s1.mp4', 'isstitch': True, 'cuda': True, 'cal_path': './config/cal.npy'},
|
|
{'vid_src': './s1.mp4', 'isstitch': True, 'cuda': True, 'cal_path': './config/cal.npy'},
|
|
{'vid_src': './s1.mp4', 'isstitch': True, 'cuda': True, 'cal_path': './config/cal.npy'},
|
|
]
|
|
|
|
# =========================================================================
|
|
# 2. 启动多传感器并行模式
|
|
# =========================================================================
|
|
with orisys.MultiSensor(configs) as multi:
|
|
print(f"\n{len(configs)} 个传感器已启动，按 'q' 退出")
|
|
|
|
# =====================================================================
|
|
# 3. 主循环
|
|
# =====================================================================
|
|
for all_data in multi:
|
|
# 过滤有效数据（有图像的传感器）
|
|
valid_data = [d for d in all_data if d and d['img'] is not None]
|
|
|
|
# -----------------------------------------------------------------
|
|
# 3.1 打印所有传感器状态（单行显示）
|
|
# -----------------------------------------------------------------
|
|
for data in valid_data:
|
|
print(f"S{data['sensor_id']}: "
|
|
f"FPS={data['fps']:4.1f} "
|
|
f"Fn={data['fnormal']:7.1f}", end=" | ")
|
|
if valid_data:
|
|
print() # 换行
|
|
|
|
# -----------------------------------------------------------------
|
|
# 3.2 准备网格显示的图像
|
|
# -----------------------------------------------------------------
|
|
imgs = []
|
|
for data in valid_data:
|
|
# 绘制光流箭头
|
|
if data['flow'] is not None:
|
|
img = orisys.util.draw_arrows(
|
|
data['img'].copy(),
|
|
data['flow'],
|
|
threshold=5
|
|
)
|
|
else:
|
|
img = data['img']
|
|
|
|
# 在图像上标注传感器编号
|
|
cv2.putText(
|
|
img,
|
|
f"S{data['sensor_id']}",
|
|
(10, 30),
|
|
cv2.FONT_HERSHEY_SIMPLEX,
|
|
0.8,
|
|
(0, 255, 0),
|
|
2
|
|
)
|
|
imgs.append(img)
|
|
|
|
# -----------------------------------------------------------------
|
|
# 3.3 创建 2x3 网格布局
|
|
# -----------------------------------------------------------------
|
|
if len(imgs) >= 5:
|
|
h, w = imgs[0].shape[:2]
|
|
|
|
# 创建黑色占位图像（用于第6格）
|
|
if len(imgs[0].shape) == 3:
|
|
black = np.zeros((h, w, 3), dtype=np.uint8)
|
|
else:
|
|
black = np.zeros((h, w), dtype=np.uint8)
|
|
|
|
# 拼接网格
|
|
# 第一行: 传感器 0, 1, 2
|
|
row1 = np.hstack([imgs[0], imgs[1], imgs[2]])
|
|
# 第二行: 传感器 3, 4, 空
|
|
row2 = np.hstack([imgs[3], imgs[4], black])
|
|
# 合并两行
|
|
grid = np.vstack([row1, row2])
|
|
|
|
# 缩放到适合显示的尺寸
|
|
grid = cv2.resize(grid, (1200, 800))
|
|
cv2.imshow("5 传感器网格视图", grid)
|
|
|
|
# 检查退出键
|
|
if cv2.waitKey(1) & 0xFF == ord('q'):
|
|
break
|
|
|
|
cv2.destroyAllWindows()
|
|
|
|
|
|
if __name__ == '__main__':
|
|
# Windows 下多进程必需的初始化
|
|
mp.freeze_support()
|
|
main()
|