实时数据绘图滞后一段时间

Question

我一直在写实验室工作站自动化程序。我通信的一种仪器称为光束分析仪，它基本上读取来自两个正交方向（x，y）的光输入。一旦输入被读取，我需要将其转换为2D图像，因为我使用numpy meshgrid，并且我能够获得所需的输出。 为了更清晰，请参阅下图。 x轴和y轴上的两条高斯线是我的原始输入，彩色图是用网格进行处理的。

为此，我将软件分为两部分。首先，我创建另一个QT线程来初始化我的设备，并在获取数据并处理它的循环中运行。然后这个线程用值发送一个信号给主线程。

在主线程中，我获取值，绘制图形并更新GUI屏幕。

它已经在工作，问题是当我启动光束轮廓仪读数时，随着时间流逝，软件开始变慢。起初我以为这是因为数据处理，但它没有意义，因为它在第二个线程中运行，当我启动设备时没有延迟。 看起来好像是将数据“保存”在内存中并变慢，这很奇怪，因为我使用set_data和draw方法进行绘图。

注意：如果我关闭软件内部的设备读数，滞后时间会停止，如果我再次启动它，它会开始良好，但随着时间的推移会滞后。

任何传入的帮助非常感谢！

数据采集线程代码：

class ThreadGraph(QtCore.QThread): 
    _signalValues = QtCore.pyqtSignal(float, float, float, float, float, float, float, float) 
    _signalGraph = QtCore.pyqtSignal(np.ndarray, np.ndarray, np.ndarray, np.ndarray, np.ndarray) 
    _signalError = QtCore.pyqtSignal(str) 
    BEAMstatus = QtCore.pyqtSignal(str) 

    def __init__(self, parent=None): 
     super(ThreadGraph, self).__init__(parent) 
     self.slit = 0 
     self.state = False 

    #Thread starts 
    def run(self): 
     self.init() #Device initialization (Not relevant, therefore omitted) 
     time.sleep(0.1) 
     while self.state == True: #Thread loop (data acquisition) 
      self.emitValues() #Fun to get the data and emit 
      time.sleep(0.016) 
      self.emitGraph() #Process data into 2D and emit 
     try: #When while is over, terminate the thread 
      self.beam.close(self.session) 
     except RuntimeError as err: 
      print err 
     self.quit() 

    def emitGraph(self): #Use the data acquired to to generate 2D image and emit 
     xx, yy = np.meshgrid(self.slit_data_int[self.slit][0::10], self.slit_data_int[self.slit+1][0::10]) 
     zz = xx * yy 

     self._signalGraph.emit(
      self.slit_data_pos[self.slit][0::10], 
      self.slit_data_int[self.slit][0::10], 
      self.slit_data_pos[self.slit + 1][0::10], 
      self.slit_data_int[self.slit + 1][0::10], 
      zz 
      ) 


    def emitValues(self): 
     try: #Try to get data from device (data is stored in calculation_result) 
      self.slit_data_pos, self.slit_data_int, self.calculation_result, self.power, self.power_saturation, self.power_intensities = self.beam.get_slit_scan_data(self.session) 
     except RuntimeError as err: 
      self._signalError.emit(str(err)) 
      return 
     else: #emit data to gui main thread 
      self._signalValues.emit(
       self.calculation_result[self.slit].peakPosition, 
       self.calculation_result[self.slit + 1].peakPosition, 
       self.calculation_result[self.slit].peakIntensity, 
       self.calculation_result[self.slit + 1].peakIntensity, 
       self.calculation_result[self.slit].centroidPosition, 
       self.calculation_result[self.slit + 1].centroidPosition, 
       self.calculation_result[self.slit].gaussianFitDiameter, 
       self.calculation_result[self.slit + 1].gaussianFitDiameter 
       ) 

主GUI代码：

class BP209_class(QtGui.QWidget): 

    def __init__(self, vbox, slit25, slit5, peakposx, peakposy, peakintx, peakinty, centroidposx, centroidposy, mfdx, mfdy): 
     QtGui.QWidget.__init__(self) 
     #Initialize a bunch of gui variables 
     self.matplotlibWidget = MatplotlibWidget('2d') 
     self.vboxBeam = vbox 
     self.vboxBeam.addWidget(self.matplotlibWidget) 
     self.vboxBeam.addWidget(self.matplotlibWidget.canvastoolbar) 
     #Create the thread and connects 
     self.thread = ThreadGraph(self) 
     self.thread._signalError.connect(self.Error_Handling) 
     self.thread._signalValues.connect(self.values_update) 
     self.thread._signalGraph.connect(self.graph_update) 
     self.thread.BEAMstatus.connect(self.Status) 


     #Initialize variables for plots 
     self.zz = zeros([750, 750]) 
     self.im = self.matplotlibWidget.axis.imshow(self.zz, cmap=cm.jet, origin='upper', vmin=0, vmax=1, aspect='auto', extent=[-5000,5000,-5000,5000]) 
     self.pv, = self.matplotlibWidget.axis.plot(np.zeros(750) , np.zeros(750) , color="white" , alpha=0.6, lw=2) 
     self.ph, = self.matplotlibWidget.axis.plot(np.zeros(750) , np.zeros(750), color="white" , alpha=0.6, lw=2) 
     self.matplotlibWidget.figure.subplots_adjust(left=0.00, bottom=0.01, right=0.99, top=1, wspace=None, hspace=None) 
     self.matplotlibWidget.axis.set_xlim([-5000, 5000]) 
     self.matplotlibWidget.axis.set_ylim([-5000,5000]) 

    def __del__(self): #stop thread 
     self.thread.state = False 
     self.thread.wait() 

    def start(self): #start thread 
     if self.thread.state == False: 
      self.thread.state = True 
      self.thread.start() 
     else: 
      self.thread.state = False 
      self.thread.wait() 

    #Slot that receives data from device and plots it 
    def graph_update(self, slit_samples_positionsX, slit_samples_intensitiesX, slit_samples_positionsY, slit_samples_intensitiesY, zz): 
     self.pv.set_data(np.divide(slit_samples_intensitiesX, 15)-5000, slit_samples_positionsX) 
     self.ph.set_data(slit_samples_positionsY, np.divide(slit_samples_intensitiesY, 15)-5000) 
     self.im.set_data(zz) 
     self.im.autoscale() 
     self.matplotlibWidget.canvas.draw() 

编辑：我也有一个摄像头连接到我的系统，我也利用OpenCV的显示它的图形用户界面。我注意到，如果我启动凸轮，光束轮廓仪的fps减少将近一半。所以，也许QT油漆优化将是一条路要走？

Answer 1

致电canvas.draw()是昂贵的。您可能会比绘图命令更快地完成数据采集。这将导致绘画事件排队，你的情节会出现滞后。 blog post详细介绍了一种避免调用canvas.draw()的方法，可用于加速matplotlib实时绘图。

如果这仍然不够快，您可能不得不降低采集率，实施某种形式的跳帧机制或使用更好的速度优化的绘图库。