Как сохранить данные двух камер, но не повлиять на скорость их получения изображения?

Я использую мультиспектральную камеру для сбора данных. Один в ближней инфракрасной области, а другой красочный. Не две камеры, а одна камера может получать изображения двух разных типов одновременно. Есть некоторые функции API, которые я мог бы использовать, например, J_Image_OpenStream. Две части основных кодов показаны следующим образом. Один из них используется для открытия двух потоков (на самом деле они находятся в одном примере, и я должен их использовать, но я не очень хорошо понимаю их значения) и задаю пути сохранения двух файлов AVI и начинаю сбор данных.

 // Open stream
retval0 = J_Image_OpenStream(m_hCam[0], 0, reinterpret_cast<J_IMG_CALLBACK_OBJECT>(this), reinterpret_cast<J_IMG_CALLBACK_FUNCTION>(&COpenCVSample1Dlg::StreamCBFunc0), &m_hThread[0], (ViewSize0.cx*ViewSize0.cy*bpp0)/8);
if (retval0 != J_ST_SUCCESS) {
AfxMessageBox(CString("Could not open stream0!"), MB_OK | MB_ICONEXCLAMATION);
return;
}
TRACE("Opening stream0 succeeded\n");
retval1 = J_Image_OpenStream(m_hCam[1], 0, reinterpret_cast<J_IMG_CALLBACK_OBJECT>(this), reinterpret_cast<J_IMG_CALLBACK_FUNCTION>(&COpenCVSample1Dlg::StreamCBFunc1), &m_hThread[1], (ViewSize1.cx*ViewSize1.cy*bpp1)/8);
if (retval1 != J_ST_SUCCESS) {
AfxMessageBox(CString("Could not open stream1!"), MB_OK | MB_ICONEXCLAMATION);
return;
}
TRACE("Opening stream1 succeeded\n");

const char *filename0 = "C:\\Users\\shenyang\\Desktop\\test0.avi";
const char *filename1 = "C:\\Users\\shenyang\\Desktop\\test1.avi";
int fps = 10; //frame per second
int codec = -1;//choose the compression method

writer0 = cvCreateVideoWriter(filename0, codec, fps, CvSize(1296,966), 1);
writer1 = cvCreateVideoWriter(filename1, codec, fps, CvSize(1296,964), 1);

// Start Acquision
retval0 = J_Camera_ExecuteCommand(m_hCam[0], NODE_NAME_ACQSTART);
retval1 = J_Camera_ExecuteCommand(m_hCam[1], NODE_NAME_ACQSTART);// Create two OpenCV named Windows used for displaying "BGR" and "INFRARED" images
cvNamedWindow("BGR");
cvNamedWindow("INFRARED");

Еще одна функция двух потоков, они выглядят очень похоже.

void COpenCVSample1Dlg::StreamCBFunc0(J_tIMAGE_INFO * pAqImageInfo)
{
if (m_pImg0 == NULL)
{
// Create the Image:
// We assume this is a 8-bit monochrome image in this sample
m_pImg0 = cvCreateImage(cvSize(pAqImageInfo->iSizeX, pAqImageInfo->iSizeY), IPL_DEPTH_8U, 1);
}

// Copy the data from the Acquisition engine image buffer into the OpenCV Image obejct
memcpy(m_pImg0->imageData, pAqImageInfo->pImageBuffer, m_pImg0->imageSize);

// Display in the "BGR" window
cvShowImage("INFRARED", m_pImg0);

frame0 = m_pImg0;
cvWriteFrame(writer0, frame0);

}

void COpenCVSample1Dlg::StreamCBFunc1(J_tIMAGE_INFO * pAqImageInfo)
{
if (m_pImg1 == NULL)
{
// Create the Image:
// We assume this is a 8-bit monochrome image in this sample
m_pImg1 = cvCreateImage(cvSize(pAqImageInfo->iSizeX, pAqImageInfo->iSizeY), IPL_DEPTH_8U, 1);
}

// Copy the data from the Acquisition engine image buffer into the OpenCV Image obejct
memcpy(m_pImg1->imageData, pAqImageInfo->pImageBuffer, m_pImg1->imageSize);

// Display in the "BGR" window
cvShowImage("BGR", m_pImg1);

frame1 = m_pImg1;
cvWriteFrame(writer1, frame1);
}

Вопрос в том, не сохраню ли я файлы avi, так как

/*writer0 = cvCreateVideoWriter(filename0, codec, fps, CvSize(1296,966), 1);
writer1 = cvCreateVideoWriter(filename1, codec, fps, CvSize(1296,964), 1);*/
//cvWriteFrame(writer0, frame0);
//cvWriteFrame(writer0, frame0);

В двух окнах отображения изображения снимаются одинаково, что означает, что они синхронны. Но если мне нужно записать данные в avi-файлы, из-за разного размера двух видов изображений и их большого размера, оказывается, что это влияет на скорость захвата двух камер и снятые изображения не синхронизированы. Но я не смог создать такой огромный буфер для хранения целых данных в памяти, а устройство ввода-вывода работает довольно медленно. Что я должен делать? Огромное спасибо.

некоторые переменные класса:

 public:
FACTORY_HANDLE  m_hFactory;             // Factory Handle
CAM_HANDLE      m_hCam[MAX_CAMERAS];    // Camera Handles
THRD_HANDLE     m_hThread[MAX_CAMERAS]; // Stream handles
char            m_sCameraId[MAX_CAMERAS][J_CAMERA_ID_SIZE]; // Camera IDs

IplImage        *m_pImg0 = NULL;        // OpenCV Images
IplImage        *m_pImg1 = NULL;        // OpenCV Images

CvVideoWriter* writer0;
IplImage *frame0;
CvVideoWriter* writer1;
IplImage *frame1;

BOOL OpenFactoryAndCamera();
void CloseFactoryAndCamera();
void StreamCBFunc0(J_tIMAGE_INFO * pAqImageInfo);
void StreamCBFunc1(J_tIMAGE_INFO * pAqImageInfo);
void InitializeControls();
void EnableControls(BOOL bIsCameraReady, BOOL bIsImageAcquiring);

3

Решение

Правильный подход при записи видео без пропадания кадров состоит в том, чтобы изолировать две задачи (получение кадров и сериализация кадров) так, чтобы они не влияли друг на друга (в частности, чтобы колебания в сериализации не поглощали время от захвата кадров , что должно происходить без задержек, чтобы предотвратить потерю кадров).

Это может быть достигнуто путем делегирования сериализации (кодирования кадров и записи их в видеофайл) отдельным потокам и использования некоторой синхронизированной очереди для передачи данных рабочим потокам.

Ниже приведен простой пример, показывающий, как это можно сделать. Поскольку у меня только одна камера, а не та, что у вас есть, я просто буду использовать веб-камеру и дублировать кадры, но общий принцип применим и к вашему сценарию.


В начале у нас есть некоторые включает в себя:

#include <opencv2/opencv.hpp>

#include <chrono>
#include <condition_variable>
#include <iostream>
#include <mutex>
#include <queue>
#include <thread>
// ============================================================================
using std::chrono::high_resolution_clock;
using std::chrono::duration_cast;
using std::chrono::microseconds;
// ============================================================================

Синхронизированная очередь

Первым шагом является определение нашей синхронизированной очереди, которую мы будем использовать для связи с рабочими потоками, которые пишут видео.

Основные функции, которые нам нужны, это способность:

  • Вставьте новые изображения в очередь
  • Вставьте изображения из очереди, ожидая, когда она опустеет.
  • Возможность отмены всех ожидающих всплывающих окон, когда мы закончим.

Мы используем std::queue держать cv::Mat экземпляры и std::mutex обеспечить синхронизацию. std::condition_variable используется для уведомления потребителя, когда изображение было вставлено в очередь (или установлен флаг отмены), а простой логический флаг используется для уведомления об отмене.

Наконец, мы используем пустой struct cancelled как исключение из pop()Таким образом, мы можем чисто завершить работу, отменив очередь.

// ============================================================================
class frame_queue
{
public:
struct cancelled {};

public:
frame_queue();

void push(cv::Mat const& image);
cv::Mat pop();

void cancel();

private:
std::queue<cv::Mat> queue_;
std::mutex mutex_;
std::condition_variable cond_;
bool cancelled_;
};
// ----------------------------------------------------------------------------
frame_queue::frame_queue()
: cancelled_(false)
{
}
// ----------------------------------------------------------------------------
void frame_queue::cancel()
{
std::unique_lock<std::mutex> mlock(mutex_);
cancelled_ = true;
cond_.notify_all();
}
// ----------------------------------------------------------------------------
void frame_queue::push(cv::Mat const& image)
{
std::unique_lock<std::mutex> mlock(mutex_);
queue_.push(image);
cond_.notify_one();
}
// ----------------------------------------------------------------------------
cv::Mat frame_queue::pop()
{
std::unique_lock<std::mutex> mlock(mutex_);

while (queue_.empty()) {
if (cancelled_) {
throw cancelled();
}
cond_.wait(mlock);
if (cancelled_) {
throw cancelled();
}
}

cv::Mat image(queue_.front());
queue_.pop();
return image;
}
// ============================================================================

Работник хранения

Следующим шагом является определение простого storage_worker, который будет отвечать за извлечение кадров из синхронизированной очереди и их кодирование в видеофайл до тех пор, пока очередь не будет отменена.

Я добавил простую синхронизацию, поэтому у нас есть представление о том, сколько времени уходит на кодирование кадров, а также простая регистрация в консоли, поэтому у нас есть представление о том, что происходит в программе.

// ============================================================================
class storage_worker
{
public:
storage_worker(frame_queue& queue
, int32_t id
, std::string const& file_name
, int32_t fourcc
, double fps
, cv::Size frame_size
, bool is_color = true);

void run();

double total_time_ms() const { return total_time_ / 1000.0; }

private:
frame_queue& queue_;

int32_t id_;

std::string file_name_;
int32_t fourcc_;
double fps_;
cv::Size frame_size_;
bool is_color_;

double total_time_;
};
// ----------------------------------------------------------------------------
storage_worker::storage_worker(frame_queue& queue
, int32_t id
, std::string const& file_name
, int32_t fourcc
, double fps
, cv::Size frame_size
, bool is_color)
: queue_(queue)
, id_(id)
, file_name_(file_name)
, fourcc_(fourcc)
, fps_(fps)
, frame_size_(frame_size)
, is_color_(is_color)
, total_time_(0.0)
{
}
// ----------------------------------------------------------------------------
void storage_worker::run()
{
cv::VideoWriter writer(file_name_, fourcc_, fps_, frame_size_, is_color_);

try {
int32_t frame_count(0);
for (;;) {
cv::Mat image(queue_.pop());
if (!image.empty()) {
high_resolution_clock::time_point t1(high_resolution_clock::now());

++frame_count;
writer.write(image);

high_resolution_clock::time_point t2(high_resolution_clock::now());
double dt_us(static_cast<double>(duration_cast<microseconds>(t2 - t1).count()));
total_time_ += dt_us;

std::cout << "Worker " << id_ << " stored image #" << frame_count
<< " in " << (dt_us / 1000.0) << " ms" << std::endl;
}
}
} catch (frame_queue::cancelled& /*e*/) {
// Nothing more to process, we're done
std::cout << "Queue " << id_ << " cancelled, worker finished." << std::endl;
}
}
// ============================================================================

обработка

Наконец, мы можем собрать все это вместе.

Мы начнем с инициализации и настройки нашего видеоисточника. Затем мы создаем два frame_queue экземпляры, по одному на каждый поток изображений. Мы следуем этому, создав два экземпляра storage_workerпо одному на каждую очередь. Чтобы было интересно, я установил разные кодеки для каждого.

Следующим шагом является создание и запуск рабочих потоков, которые будут выполнять run() метод каждого storage_worker, Когда наши потребители готовы, мы можем начать захват кадров с камеры и передавать их на frame_queue экземпляров. Как упоминалось выше, у меня только один источник, поэтому я вставляю копии одного и того же кадра в обе очереди.

NB: Мне нужно использовать clone() метод cv::Mat сделать глубокую копию, иначе я бы вставил ссылки на один буфер OpenCV VideoCapture использует по соображениям производительности. Это будет означать, что рабочие потоки будут получать ссылки на это единственное изображение, и не будет никакой синхронизации для доступа к этому буферу общего изображения. Вы должны убедиться, что этого не произойдет и в вашем сценарии.

После того, как мы прочитали соответствующее количество кадров (вы можете реализовать любое другое условие остановки, которое вы пожелаете), мы отменяем рабочие очереди и ожидаем завершения рабочих потоков.

Наконец, мы пишем статистику о времени, необходимом для выполнения различных задач.

// ============================================================================
int main()
{
// The video source -- for me this is a webcam, you use your specific camera API instead
// I only have one camera, so I will just duplicate the frames to simulate your scenario
cv::VideoCapture capture(0);

// Let's make it decent sized, since my camera defaults to 640x480
capture.set(CV_CAP_PROP_FRAME_WIDTH, 1920);
capture.set(CV_CAP_PROP_FRAME_HEIGHT, 1080);
capture.set(CV_CAP_PROP_FPS, 20.0);

// And fetch the actual values, so we can create our video correctly
int32_t frame_width(static_cast<int32_t>(capture.get(CV_CAP_PROP_FRAME_WIDTH)));
int32_t frame_height(static_cast<int32_t>(capture.get(CV_CAP_PROP_FRAME_HEIGHT)));
double video_fps(std::max(10.0, capture.get(CV_CAP_PROP_FPS))); // Some default in case it's 0

std::cout << "Capturing images (" << frame_width << "x" << frame_height
<< ") at " << video_fps << " FPS." << std::endl;

// The synchronized queues, one per video source/storage worker pair
std::vector<frame_queue> queue(2);

// Let's create our storage workers -- let's have two, to simulate your scenario
// and to keep it interesting, have each one write a different format
std::vector <storage_worker> storage;
storage.emplace_back(std::ref(queue[0]), 0
, std::string("foo_0.avi")
, CV_FOURCC('I', 'Y', 'U', 'V')
, video_fps
, cv::Size(frame_width, frame_height)
, true);

storage.emplace_back(std::ref(queue[1]), 1
, std::string("foo_1.avi")
, CV_FOURCC('D', 'I', 'V', 'X')
, video_fps
, cv::Size(frame_width, frame_height)
, true);

// And start the worker threads for each storage worker
std::vector<std::thread> storage_thread;
for (auto& s : storage) {
storage_thread.emplace_back(&storage_worker::run, &s);
}

// Now the main capture loop
int32_t const MAX_FRAME_COUNT(10);
double total_read_time(0.0);
int32_t frame_count(0);
for (; frame_count < MAX_FRAME_COUNT; ++frame_count) {
high_resolution_clock::time_point t1(high_resolution_clock::now());

// Try to read a frame
cv::Mat image;
if (!capture.read(image)) {
std::cerr << "Failed to capture image.\n";
break;
}

// Insert a copy into all queues
for (auto& q : queue) {
q.push(image.clone());
}

high_resolution_clock::time_point t2(high_resolution_clock::now());
double dt_us(static_cast<double>(duration_cast<microseconds>(t2 - t1).count()));
total_read_time += dt_us;

std::cout << "Captured image #" << frame_count << " in "<< (dt_us / 1000.0) << " ms" << std::endl;
}

// We're done reading, cancel all the queues
for (auto& q : queue) {
q.cancel();
}

// And join all the worker threads, waiting for them to finish
for (auto& st : storage_thread) {
st.join();
}

if (frame_count == 0) {
std::cerr << "No frames captured.\n";
return -1;
}

// Report the timings
total_read_time /= 1000.0;
double total_write_time_a(storage[0].total_time_ms());
double total_write_time_b(storage[1].total_time_ms());

std::cout << "Completed processing " << frame_count << " images:\n"<< "  average capture time = " << (total_read_time / frame_count) << " ms\n"<< "  average write time A = " << (total_write_time_a / frame_count) << " ms\n"<< "  average write time B = " << (total_write_time_b / frame_count) << " ms\n";

return 0;
}
// ============================================================================

Запустив этот небольшой пример, мы получим следующий вывод журнала в консоли, а также два видеофайла на диске.

NB: Поскольку на самом деле кодирование выполнялось намного быстрее, чем захват, я добавил некоторое ожидание в storage_worker, чтобы лучше показать разделение.

Capturing images (1920x1080) at 20 FPS.
Captured image #0 in 111.009 ms
Captured image #1 in 67.066 ms
Worker 0 stored image #1 in 94.087 ms
Captured image #2 in 62.059 ms
Worker 1 stored image #1 in 193.186 ms
Captured image #3 in 60.059 ms
Worker 0 stored image #2 in 100.097 ms
Captured image #4 in 78.075 ms
Worker 0 stored image #3 in 87.085 ms
Captured image #5 in 62.061 ms
Worker 0 stored image #4 in 95.092 ms
Worker 1 stored image #2 in 193.187 ms
Captured image #6 in 75.074 ms
Worker 0 stored image #5 in 95.093 ms
Captured image #7 in 63.061 ms
Captured image #8 in 64.061 ms
Worker 0 stored image #6 in 102.098 ms
Worker 1 stored image #3 in 201.195 ms
Captured image #9 in 76.074 ms
Worker 0 stored image #7 in 90.089 ms
Worker 0 stored image #8 in 91.087 ms
Worker 1 stored image #4 in 185.18 ms
Worker 0 stored image #9 in 82.08 ms
Worker 0 stored image #10 in 94.092 ms
Queue 0 cancelled, worker finished.
Worker 1 stored image #5 in 179.174 ms
Worker 1 stored image #6 in 106.102 ms
Worker 1 stored image #7 in 105.104 ms
Worker 1 stored image #8 in 103.101 ms
Worker 1 stored image #9 in 104.102 ms
Worker 1 stored image #10 in 104.1 ms
Queue 1 cancelled, worker finished.
Completed processing 10 images:
average capture time = 71.8599 ms
average write time A = 93.09 ms
average write time B = 147.443 ms
average write time B = 176.673 ms

В настоящее время нет защиты от переполнения очереди в ситуации, когда сериализация просто не успевает за скоростью, с которой камера генерирует новые изображения. Установите верхний предел размера очереди и проверьте производителя перед тем, как нажать кадр. Вам нужно будет решить, как именно вы хотите справиться с этой ситуацией.

5

Другие решения

Других решений пока нет …

По вопросам рекламы ammmcru@yandex.ru
Adblock
detector