[英]What is most efficient Python IPC mechanism for plotting real-time serial data?
从串行端口读取数据到绘制该数据的单独进程的最快Python机制是什么?
我正在实时绘制从串口读取的eeg数据。 串行端口读取和数据包拆包代码工作正常,因为如果我读取并存储数据,然后再绘制存储的数据,则看起来不错。 像这样:
注意:设备会生成测试正弦波进行调试
我正在使用pyQtGraph进行绘图。 不能以与读取串行数据相同的过程来更新绘图,因为串行read()调用之间的微小延迟会导致串行缓冲区溢出并导致错误的校验和。 pyQtGraph提供了在单独的进程上呈现图的规定,这很好,但是瓶颈似乎在进程间通信中。 我尝试了Pipe()和Queue()的各种配置,所有这些配置都会导致图形更新缓慢,闪烁。 到目前为止,从串行端口向图形获取新值的最流畅,最一致的方法似乎是通过共享内存,如下所示:
from pyqtgraph.Qt import QtGui
import pyqtgraph as pg
from multiprocessing import Process, Array, Value, Pipe
from serial_interface import EEG64Board
from collections import deque
def serialLoop(arr):
eeg = EEG64Board(port='/dev/ttyACM0')
eeg.openSerial()
eeg.sendTest('1') #Tells the eeg device to start sending data
while True:
data = eeg.readEEG() #Returns an array of the 8 latest values, one per channel
if data != False: #Returns False if bad checksum
val.value = data[7]
val = Value('d',0.0)
q = deque([],500)
def graphLoop():
global val,q
plt = pg.plot(q)
while True:
q.append(val.value)
plt.plot(q,clear=True)
QtGui.QApplication.processEvents()
serial_proc = Process(target=serialLoop, args=(val,), name='serial_proc')
serial_proc.start()
try:
while True:
graphLoop()
except KeyboardInterrupt:
print('interrupted')
上面的代码通过简单地提取serialLoop记录的最新值并将其附加到双端队列来执行实时绘图。 尽管该图平滑更新,但它仅捕获了四分之一的值,如结果图所示:
那么,您将建议哪种多进程或线程结构,然后在它们之间使用哪种形式的IPC?
更新:
我每秒接收2,000个样本。 我在想,如果我以100 fps更新显示并每帧添加20个新样本,那我应该很好。 实现此目的的最佳Python多线程机制是什么?
这可能不是最有效的,但是下面的代码可在一幅图中达到100 fps,或在八幅图中达到20 fps。 这个想法很简单:共享一个数组,索引和锁。 当具有锁定时,串行填充数组并递增索引,绘图过程会定期在锁定下定期从数组和递减索引中获取所有新值。
from pyqtgraph.Qt import QtGui
import pyqtgraph as pg
from multiprocessing import Process, Array, Value, Lock
from serial_interface import EEG64Board
from collections import deque
def serialLoop(arr,idx,lock):
eeg = EEG64Board(port='/dev/ttyACM0')
eeg.openSerial()
eeg.sendTest('1') #Tells the eeg device to start sending data
while True:
data = eeg.readEEG() #Returns an array of the 8 latest values, one per channel
if data != False: #Returns False if bad checksum
lock.acquire()
for i in range(8):
arr[i][idx.value] = data[i]
idx.value += 1
lock.release()
eeg.sendTest('2')
arr = [Array('d',range(1024)) for i in range(8)]
idx = Value('i', 0)
q = [deque([],500) for i in range(8)]
iq = deque([],500)
lock = Lock()
lastUpdate = pg.ptime.time()
avgFps = 0.0
def graphLoop():
global val,q,lock,arr,iq, lastUpdate, avgFps
win = pg.GraphicsWindow()
plt = list()
for i in range(8):
plt += [win.addPlot(row=(i+1), col=0, colspan=3)]
#iplt = pg.plot(iq)
counter = 0
while True:
lock.acquire()
#time.sleep(.01)
for i in range(idx.value):
for j in range(8):
q[j].append(arr[j][i])
idx.value = 0
lock.release()
for i in range(8):
plt[i].plot(q[i],clear=True)
QtGui.QApplication.processEvents()
counter += 1
now = pg.ptime.time()
fps = 1.0 / (now - lastUpdate)
lastUpdate = now
avgFps = avgFps * 0.8 + fps * 0.2
serial_proc = Process(target=serialLoop, args=(arr,idx,lock), name='serial_proc')
serial_proc.start()
graphLoop()
serial_proc.terminate()
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.