[英]What is most efficient Python IPC mechanism for plotting real-time serial data?
從串行端口讀取數據到繪制該數據的單獨進程的最快Python機制是什么?
我正在實時繪制從串口讀取的eeg數據。 串行端口讀取和數據包拆包代碼工作正常,因為如果我讀取並存儲數據,然后再繪制存儲的數據,則看起來不錯。 像這樣:
注意:設備會生成測試正弦波進行調試
我正在使用pyQtGraph進行繪圖。 不能以與讀取串行數據相同的過程來更新繪圖,因為串行read()調用之間的微小延遲會導致串行緩沖區溢出並導致錯誤的校驗和。 pyQtGraph提供了在單獨的進程上呈現圖的規定,這很好,但是瓶頸似乎在進程間通信中。 我嘗試了Pipe()和Queue()的各種配置,所有這些配置都會導致圖形更新緩慢,閃爍。 到目前為止,從串行端口向圖形獲取新值的最流暢,最一致的方法似乎是通過共享內存,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')
上面的代碼通過簡單地提取serialLoop記錄的最新值並將其附加到雙端隊列來執行實時繪圖。 盡管該圖平滑更新,但它僅捕獲了四分之一的值,如結果圖所示:
那么,您將建議哪種多進程或線程結構,然后在它們之間使用哪種形式的IPC?
更新:
我每秒接收2,000個樣本。 我在想,如果我以100 fps更新顯示並每幀添加20個新樣本,那我應該很好。 實現此目的的最佳Python多線程機制是什么?
這可能不是最有效的,但是下面的代碼可在一幅圖中達到100 fps,或在八幅圖中達到20 fps。 這個想法很簡單:共享一個數組,索引和鎖。 當具有鎖定時,串行填充數組並遞增索引,繪圖過程會定期在鎖定下定期從數組和遞減索引中獲取所有新值。
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()
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.