多相機系統#

本主題說明如何設計、設定及操作同時使用多台攝影機的系統。

多攝影機配置在工業應用中相當常見，例如檢測、3D 重建以及同步資料擷取。當單一攝影機不足以擷取所有所需資訊時，便會採用此類配置。

典型使用案例：

捕捉物體的不同視角
擴大視野範圍
提高吞吐量
多個物件的並行檢查

根本性挑戰#

使用多台攝影機會帶來幾項挑戰：

同步（時序）
頻寬限制（特別是在使用 GigE 攝影機時）
CPU 負載（處理多個串流）
裝置識別與映射

裝置識別#

每台攝影機都必須擁有一個唯一的識別碼，通常是其序號。

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

映射範例：

Camera 40123456 → Left view
Camera 40123478 → Right view

請避免使用諸如 devices[0] 因為相機的枚舉順序可能會改變。如需更多詳細資訊，請參閱清點攝影機.

建立多個相機實例#

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)

這會針對每台裝置建立並開啟一個相機實例。

取得方法#

當使用多台攝影機時，必須決定採用何種擷取方式：依序擷取或並行擷取。

循序漸進的收購#

這表示影像處理是依序由一台相機接下一台相機進行的。

Cam1 → Capture → Process
Cam2 → Capture → Process

此方法的主要特點：

實施起來很簡單
未進行時間同步
整體速度較慢

並行收購#

這表示來自多台攝影機的影像會一併進行處理。

Cam1 → Capture →
                → Process
Cam2 → Capture →

此方法的主要特點：

攝影機同時進行影像擷取
同步所需
對 CPU 和頻寬的需求更高

同步方法#

要同步相機，您可以選擇軟體同步或硬體同步。其優缺點與軟體觸發與硬體觸發的比較類似。

軟體同步#

此方法的主要特點：

透過軟體觸發相機
精度有限
受作業系統調度影響

範例：

camera.ExecuteSoftwareTrigger()

硬體同步（建議）#

Master camera → trigger signal → Slave cameras

此方法的主要特點：

精準的時機
確定性行為
立體聲或測量系統所需

頻寬考量（GigE）#

多台 GigE 攝影機共用同一網路頻寬。

潛在問題：

封包遺失
丟幀
延遲增加

您可以採用以下其中一種策略來減輕潛在問題：

使用專用網路介面卡（NIC）
啟用巨型幀（MTU 9000）
降低 ROI 或幀率
設定封包延遲

處理架構#

單執行緒#

Acquire all → process all

簡單
可擴展性有限

多執行緒（建議）#

Camera threads → queue → processing threads

可擴展性
更佳的 CPU 利用率
實作起來較為複雜

範例模式#

基本多攝影機迴圈（順序輪詢）#

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（建議使用）#

pypylon 為多攝影機配置提供了專用的抽象層： InstantCameraArray.

此類別負責管理多台攝影機，並提供一個 單一統一的 RetrieveResult() 呼叫，其中包括有關該影像由哪台相機拍攝的資訊。

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 很重要

與手動迴圈相比，此方法具有以下優勢：

適用於所有攝影機的單一擷取迴路
自動相機情境追蹤 (camera.CameraContext)
更簡便的同步處理方式
更有效率的執行緒使用

從概念上來說：

Multiple Cameras → InstantCameraArray → Unified RetrieveResult() → Processing

實用設計指南#

請務必透過序號來辨識攝影機。
較傾向採用硬體同步。
盡可能降低頻寬（例如：指定感興趣區域（ROI）或降低幀率）。
為提升可擴展性，請使用獨立的處理執行緒。
監控系統負載（CPU、網路）。

常見的陷阱#

依據裝置索引。
超過網路頻寬。
忽略同步要求。
阻斷了擷取迴路的處理。

心智模型#

Multiple Cameras → Acquisition → Buffers → Processing → Results

重點摘要#

多鏡頭系統需要仔細設計。
對於許多應用程式而言，同步至關重要。
必須在早期階段就將頻寬和 CPU 納入考量。
可擴展的架構採用並行處理。