多相機系統#

本主題說明如何設計、設定和操作同時使用多部相機的系統。

多相機設置在工業應用中很常見，例如檢測、3D 重建和同步資料擷取。當單一相機不足以擷取所有所需資訊時，就會使用多相機。

使用

擷取物件的不同視角
增加視場
提高輸送量
並行檢測多個物件

基本挑戰#

使用多部相機會帶來幾個挑戰：

同步（時序）
頻寬限制（尤其是使用 GigE 相機時）
CPU 負載（處理多個串流）
裝置識別與對應

裝置識別#

每部相機都必須具備唯一的識別碼，通常是其序號。

for device_info in device_info_list:
    print(device_info.GetSerialNumber())

對應範例：

Camera 40123456 → Left view
Camera 40123478 → Right view

避免使用索引，例如 devices[0] 因為相機列舉的順序可能會改變。如需詳細資訊，請參閱列舉相機.

建立多個相機執行個體#

from pypylon import pylon

factory = pylon.TlFactory.GetInstance()
device_info_list = factory.EnumerateDevices()

cameras = []

for device_info in device_info_list:
    camera = pylon.InstantCamera(factory.CreateDevice(device_info))
    camera.Open()
    cameras.append(camera)

這會為每個裝置建立並開啟一個相機執行個體。

擷取方法#

當使用多個相機時，您必須決定擷取方法：序列式或平行式。

序列式擷取#

這表示影像處理是依序對各個相機進行。

Cam1 → Capture → Process
Cam2 → Capture → Process

此方法的主要特點：

易於實作
未進行時間同步
整體速度較慢

平行式擷取#

這表示會同時處理來自多個相機的影像。

Cam1 → Capture →
                → Process
Cam2 → Capture →

此方法的主要特點：

相機同時擷取
同步所需
較高的 CPU 與頻寬需求

同步方法#

若要同步相機，您可以在軟體同步與硬體同步之間進行選擇。其優缺點類似於軟體與硬體觸發。

軟體同步#

此方法的主要特點：

透過軟體觸發相機
精度有限
受作業系統排程影響

範例：

camera.ExecuteSoftwareTrigger()

硬體同步（建議）#

Master camera → trigger signal → Slave cameras

此方法的主要特點：

精確的計時
具決定性的行為
立體視覺或量測系統所需

頻寬考量（GigE）#

多部 GigE 相機共用相同的網路頻寬。

潛在問題：

封包遺失
掉格
延遲增加

您可以使用以下其中一種策略來降低潛在問題：

使用專用網路介面卡 (NIC)
啟用巨型訊框 (MTU 9000)
減少 ROI 或幅頻
設定封包延遲

處理架構#

單執行緒#

Acquire all → process all

簡單
可擴充性受限

多執行緒（建議）#

Camera threads → queue → processing threads

可擴充
更好的 CPU 利用率
實作較為複雜

範例模式#

基本多相機迴圈（循序輪詢）#

from pypylon import pylon

def process(image):
    print(image.shape)

factory = pylon.TlFactory.GetInstance()
device_info_list = factory.EnumerateDevices()

cameras = [pylon.InstantCamera(factory.CreateDevice(device_info)) for device_info in device_info_list]

for camera in cameras:
    camera.Open()
    camera.StartGrabbing()

while any(camera.IsGrabbing() for camera in cameras):
    for camera in cameras:
        if camera.IsGrabbing():
            with camera.RetrieveResult(1000) as grab_result:
                if grab_result.GrabSucceeded():
                    image = grab_result.Array
                    # Do processing on image here, e.g. call a function.
                    process(image)

進階方法：InstantCameraArray（建議）#

pypylon 為多相機設定提供專屬的抽象層： InstantCameraArray.

此類別可管理多部相機並提供 單一統一的 RetrieveResult() 呼叫，包含提供哪部相機傳送影像的相關資訊。

from pypylon import pylon

def process(image):
    print(image.shape)

COUNT_OF_IMAGES_TO_GRAB = 100
RETRIEVE_TIMEOUT_MS = 5000

factory = pylon.TlFactory.GetInstance()
device_info_list = factory.EnumerateDevices()

with pylon.InstantCameraArray(len(device_info_list)) as cameras:

    for i, camera in enumerate(cameras):
        camera.Attach(factory.CreateDevice(device_info_list[i]))
        print("Using device:", camera.DeviceInfo.ModelName)

    cameras.StartGrabbing()

    for i in range(COUNT_OF_IMAGES_TO_GRAB):
        if not cameras.IsGrabbing():
            break

        with cameras.RetrieveResult(
            RETRIEVE_TIMEOUT_MS,
            pylon.TimeoutHandling_ThrowException
        ) as grab_result:

            if grab_result.GrabSucceeded():
                cam_idx = grab_result.CameraContext
                print(f"Camera {cam_idx}: {cameras[cam_idx].DeviceInfo.ModelName}")
                image = grab_result.Array
                # Do processing on image here, e.g. call a function.
                process(image)
            else:
                print("Error:", grab_result.ErrorDescription)

為什麼 InstantCameraArray 如此重要

與手動迴圈相比，此方法提供：

適用於所有相機的單一擷取迴圈
自動相機內容追蹤 (camera.CameraContext)
更簡單的同步處理
更有效率的執行緒使用率

概念：

Multiple Cameras → InstantCameraArray → Unified RetrieveResult() → Processing

實用設計指南#

始終透過序號識別相機。
建議優先使用硬體同步。
在可能的情況下減少頻寬（例如，透過指定 ROI 或降低幀率）。
使用獨立的處理執行緒以確保可擴展性。
監控系統負載（CPU、網路）。

常見陷阱#

依賴裝置索引。
超出網路頻寬。
忽略同步要求。
在擷取迴圈中阻斷處理。

Mental Model#

Multiple Cameras → Acquisition → Buffers → Processing → Results

重點整理#

多相機系統需要周密的設計。
同步對許多應用至關重要。
必須及早考慮頻寬和 CPU。
可擴展架構採用並行處理。