3 EDSDK 对象(EDSDK Objects)

从双目视差到多基线测距:原理、误差公式与机器人视觉实践 从主动/被动双目、RealSense D405/D435i/D455,到基线、最小测距、深度误差及三目多基线视觉方案,一篇讲清楚。 阅读详情

# 3 EDSDK 对象(EDSDK Objects)

EDSDK 采用分层对象模型来表示主机 PC 与相机之间的所有可控资源。
所有对象都通过 引用(Reference) 的形式进行访问与管理。


3.1 对象层级结构(Hierarchical Structure)

## 3.1 对象层级结构(Hierarchical Structure)

EDSDK 使用一个以 相机列表(Camera List) 为根节点的层级结构来管理对象:

CameraList
 ├─ Camera
 │   ├─ Volume(存储卡)
 │   │   ├─ Folder
 │   │   │   ├─ Image File
 │   │   │   └─ Audio File
  • 所有连接到主机 PC 的相机都会包含在 EdsCameraListRef 中
  • 每个相机、存储卡、文件夹、文件都被表示为一个对象
  • 父对象可以通过 API 枚举其子对象

3.2 对象类型总览(Object Types Overview)

## 3.2 对象类型总览(Object Types Overview)

EDSDK 中主要包含以下对象类型:

对象类型说明
EdsCameraListRef已连接相机的列表
EdsCameraRef单个相机对象
EdsVolumeRef相机中的存储介质(存储卡)
EdsDirectoryItemRef文件夹或文件对象
EdsImageRef已下载到主机的图像对象
EdsStreamRef文件或内存流对象
EdsEvfImageRef实时取景(Live View / EVF)图像对象

所有对象类型都继承自 EdsBaseRef


3.3 EdsCameraListRef(相机列表对象)

## 3.3 EdsCameraListRef(相机列表对象)

EdsCameraListRef 表示当前通过 USB 或网络连接到主机 PC 的所有相机。

主要用途:

  • 枚举已连接的相机数量
  • 获取指定索引的相机对象(EdsCameraRef)

典型流程:

1. 调用 `EdsGetCameraList`
2. 调用 `EdsGetChildCount` 获取相机数量
3. 调用 `EdsGetChildAtIndex` 获取具体相机对象

3.4 EdsCameraRef(相机对象)

## 3.4 EdsCameraRef(相机对象)

EdsCameraRef 表示一台具体的 Canon 数码相机。

该对象用于:

  • 打开 / 关闭会话(Session)
  • 发送拍摄、对焦、变焦等命令
  • 设置和获取相机属性
  • 注册事件回调
  • 获取存储卡对象(EdsVolumeRef)

所有对相机的控制操作,都必须在 已打开 Session 的情况下 进行。


3.5 EdsVolumeRef(存储卡对象)

## 3.5 EdsVolumeRef(存储卡对象)

EdsVolumeRef 表示相机中的一张存储卡。

  • 如果相机支持双卡,则每张卡对应一个 EdsVolumeRef
  • 该对象用于访问存储卡上的文件和文件夹

可执行操作:

  • 获取存储卡容量信息
  • 枚举文件夹和文件
  • 格式化存储卡(⚠️高风险操作)

3.6 EdsDirectoryItemRef(目录项对象)

## 3.6 EdsDirectoryItemRef(目录项对象)

EdsDirectoryItemRef 表示:

  • 文件夹(Folder)
  • 文件(Image / Movie / Audio)

该对象用于:

  • 获取文件或文件夹信息
  • 下载文件
  • 删除文件
  • 设置文件属性(只读、隐藏等)

文件在 相机端 与 主机端 使用的是不同的对象模型


3.7 EdsStreamRef(流对象)

## 3.7 EdsStreamRef(流对象)

EdsStreamRef 表示一个 I/O 数据流,用于文件传输。

支持的流类型:

  • 文件流(磁盘文件)
  • 内存流(内存缓冲区)

主要用途:

  • 将相机中的文件下载到主机
  • 将主机文件加载为图像对象
  • 存储实时取景数据

3.8 EdsImageRef(图像对象)

## 3.8 EdsImageRef(图像对象)

EdsImageRef 表示 已下载到主机 PC 的图像数据。

特点:

  • 不能直接从相机端文件创建

  • 必须先通过 EdsDownload 下载,再创建 EdsImageRef

  • 可用于读取:

    • 图像属性
    • 缩略图
    • 图像参数(拍摄时的 Av / Tv / ISO 等)

3.9 EdsEvfImageRef(实时取景图像对象)

## 3.9 EdsEvfImageRef(实时取景图像对象)

EdsEvfImageRef 表示实时取景(Live View / EVF)图像数据。

包含内容:

  • 实时画面
  • 变焦信息
  • 对焦点信息
  • 直方图数据

使用前提:

  • 相机必须支持 Live View
  • 必须先启用 EVF 输出到 PC

3.10 对象生命周期与引用计数(Reference Counting)

## 3.10 对象生命周期与引用计数(Reference Counting)

EDSDK 使用 引用计数(Reference Count) 来管理对象生命周期。

规则:

  • 对象创建时,引用计数 = 1
  • 每次 EdsRetain → 引用计数 +1
  • 每次 EdsRelease → 引用计数 −1
  • 引用计数为 0 时,对象会被自动释放

⚠️ 开发注意事项:

- 通过 API 获取的对象通常已经隐式增加了引用计数
- 每一个获取的对象,最终都必须对应一次 `EdsRelease`
- 否则会导致内存泄漏或 SDK 状态异常
01-认识脑电信号及相关信号的预处理过程 脑电信号处理过程脑电实验为什么要预处理预处理方法降采样如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 脑电实验 本博客主要是记录基于脑电信号的情绪识别方法的研究... 阅读详情

相关推荐

从零开始:用ADS 2023手把手教你设计2.4GHz Wi-Fi LNA(基于ATF-54143,附模型文件)

本文详细介绍了如何使用ADS 2023软件设计2.4GHz Wi-Fi频段的低噪声放大器(LNA),基于ATF-54143晶体管。内容涵盖模型导入、直流工作点确定、稳定性优化、噪声匹配等关键步骤,并提供可下载的模型文件包,帮助工程师快速掌握LNA设计技巧。

weixin_42531128的博客 319

【导航与地图】MapTR论文精读

MapTR 精读:环视→BEV→DETR 式并行解码,直接输出在线矢量化 HD 地图;置换等价点序是核心建模洞见。

Felaim的博客 294

QGroundControl高级配置与自定义功能实战指南

本文深入探讨了QGroundControl(QGC)的高级配置与自定义功能,为无人机开发者、系统集成商和高级用户提供实战指南。内容涵盖从品牌界面定制、自定义MAVLink消息处理,到插件开发与自动化部署的全流程,旨在帮助用户解锁QGC的隐藏潜力,打造专属的行业解决方案。

weixin_29234509的博客 239

APEX系统中LV值计算详解

摘要(149字): EV反映相机曝光设置,受光圈、快门、ISO影响,不能直接表征场景亮度。LV = EV - log₂(ISO/100)通过抵消增益项,剥离相机参数,使结果仅与场景亮度L相关。推导表明,AE收敛时H×G=常数,导致EV中隐含的log₂(G)与显式的log₂(ISO)相消,最终LV = log₂(L) + 常数,成为独立于设备设置的场景亮度状态量。100为归一化基准,便于统一比较。

大熊 852

SWAT模型非点源模拟原理

目录引言模型概述非点源污染模拟原理物质迁移内容过程营养物农药病原菌运移河道水质模型营养元素的地表水体循环河道水质模拟藻类模拟氮元素磷元素生化需氧量及溶解氧重金属的运移蓄水体水质模拟 引言 今天无意接触到这一块,就记录下来了。 模型概述 1、流域中非点源污染的来源主要是农业化肥和农药的施用。 2、氮、磷等营养物和农药的迁移和转化取决于化合物在土壤环境中经历的转化过程。 3、SWAT模型可以模拟水文相应单元内氮、磷完整的营养物循环过程和任何一种农药的降解过程。 4、SWAT模拟流域内泥沙、藻类、溶解氧、有机污染

DoWayChan的博客 4877

C#与海康威视工业相机结合OpenCV与WPF:打造高效的机器视觉应用程序

本文介绍了基于C#、海康威视工业相机SDK和OpenCV的机器视觉应用开发方法。首先配置开发环境,包括海康SDK、OpenCvSharp和WPF项目设置。重点阐述了如何通过SDK初始化相机、获取视频流,并将YUV数据转换为OpenCV可处理的Mat格式进行图像处理(如边缘检测)。同时展示了如何用WPF实现界面交互和实时图像显示。该方案为工业自动化、质量检测等场景提供了高效的技术实现路径,结合了海康相机的高性能采集、OpenCV的强大算法和WPF的交互优势,具有较高的实用价值。

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 1496

主流30万像素短波红外相机有哪些

30万像素级短波红外相机多采用640×512 InGaAs传感器,可分为小像元、宽光谱、高帧率和深度制冷四类,分别适用于精细检测、长波段信息获取、高速动态观测及弱信号长曝光成像。选型应综合像元尺寸、光谱范围、帧率、制冷与噪声等参数匹配应用需求。

AttosTek的博客 187

Python从0到100完整学习指南(必看导航)

想做这件事情很久了,这次我更新了自己所写过的所有博客,汇集成了Python从0到100,共一百节课,帮助大家一个月时间里从零基础到学习Python基础语法、Python爬虫、Web开发、 计算机视觉、机器学习、神经网络以及人工智能相关知识,成为学业升学和工作就业的先行者!

拥有百余位万粉技术博主、200余位可合作代发博主,私域技术社群规模达千人,商务合作私信 6万+

ESP32-P4 和 ESP32-S3 怎么选:先看屏幕、相机和无线的系统边界

按屏幕与摄像接口、RAW/ISP 和 H.264 需求、无线架构及同负载验证条件,判断 ESP32-P4 与 ESP32-S3 哪种方案应先做原型。

zedyer的博客 338

运行codex时出现登录失败:failed to start login server: 以一种访问权限不允许的方式做了一个访问套接字的尝试。 (os error 10013) 解决方案

本文主要介绍了运行codex时出现登录失败:failed to start login server: 以一种访问权限不允许的方式做了一个访问套接字的尝试。 (os error 10013) 解决方案,希望能对使用xx的同学们有所帮助。 文章目录 1. 问题描述 2. 解决方案

weixin_43178406的博客 10万+

YOLOv8集成EMA注意力机制YOLOv8完整教程 将EMA注意力机制集成到YOLOv8框架中

YOLOv8教程这篇文章介绍了如何将EMA(高效多尺度注意力)机制集成到YOLOv8目标检测框架中。YOLOv8 EMA注意力机制通过多尺度特征融合和高效计算,能够提升模型对关键特征的关注能力。文章详细解析了EMA的原理和结构设计,包括其核心组件和前向传播过程。此外,提供了完整的实现指南,包括环境准备、项目结构设置、EMA模块代码实现(包含分组处理、空间注意力计算和特征融合等关键步骤)。YOLOv8 YOLOv8 YOLOv8 YOLOv8 YOLOv8

FJN110的博客 924

康谋分享 |一文吃透激光雷达-相机联合标定:从几何原理到重卡实测闭环

外参不准,算法白搭!康谋带您详解 L-C 联合标定五步闭环,解决点云图像对不齐、孔位匹配易错等难题,附重卡实车验证效果。

hongkeaimotek的博客 315

ue 打包linux程序 在windows系统 2026

ue 打包linux程序 在windows系统 2026

jacke121的专栏 369

运动相机电池采购坑②|保护板偷工减料,看着有电,一上电就炸机

本文聚焦运动相机电池很容易被忽略的保护板风险,通过真实跨境售后案例,拆解供应商保护板偷料三大主流套路:MOS 降规格、删减 NTC 温控、取消均衡电路。这类减配在静态容量测试中很难发现,只有长时间大负载、低温使用才会暴露断电、鼓包问题。文中给到采购可落地的现场核验方案:封样比对、持续负载测试、温控验证、BOM 锁定,把风控动作前置,避免大批量海外售后损失。

FLJwu的博客 439

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

从基础明场到荧光成像:CKX53加装LED荧光模块与高灵敏相机升级路径

做荧光成像时,建议搭配高灵敏或制冷相机,弱信号也能拍出干净图像。如果只偶尔看荧光、不要求定量拍照,先加装荧光模块、用现有相机观察也是可以的。原有的明场、iPC相差、人体工学观察体验全部保留,只是在光路中增加了荧光激发与滤块。从明场相差到荧光成像,CKX53留出的不是一个固定终点,而是一条可以按节奏走的升级路径。先把日常观察做扎实,需要荧光时再模块化扩展,这是很多细胞实验室的实际成长方式。上加装LED荧光模块和合适的相机,就能把设备升级成荧光观察平台。·先相差对焦,再切荧光,避免在暗视野里找细胞。

Laite_tech的博客 194

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

基于Zemax的微透镜阵列广角成像仿真

基于Zemax的微透镜阵列广角成像仿真

320科技工作室 182

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

Super Odometry 2.0:相机与激光雷达退化后,机器人如何继续估计运动

Super Odometry 2.0提出四层自适应机制,应对黑暗、重复走廊、浓烟等退化场景下的运动估计挑战。系统通过特征层筛选可靠观测,方向层识别弱约束方向,引擎层动态调整因子图融合策略,最终在外部感知失效时启用学习式IMU里程计。其核心为因子图与神经网络间的双向反馈——正常时用真实位姿训练模型,退化时由模型提供运动先验,实现互惠融合。实测验证覆盖200公里、800小时,单次路线2966米端点漂移仅20厘米,展现了强鲁棒性与实用性。

lovely_yoshino的博客 656

相机内存卡出现乱码的完整恢复实操

相机内存卡文件名乱码多由文件分配表或分区元数据损坏引起,但原始数据簇通常完好。遇此故障应立即停止写入,避免格式化或二次写入,以防数据覆盖。推荐使用寻数宝等工具进行深度扫描,通过特征签名绕过损坏索引,底层检索并重组有效素材。扫描完成后,勾选所需文件,导出至独立硬盘,严禁写回原卡。恢复文件可正常预览,效果可靠。建议及时备份、慎用相机直读,物理故障则需专业处理。

海天数据恢复-winhex数据恢复教程 120

手机与相机拍照入门

适合人群:零基础、希望把家人、旅行、食物和日常生活拍得更好的人。阅读目标:理解手机与相机的区别,先拍清楚,再学会利用光线和安排画面。本文是通用摄影基础教程,不针对某一款设备。文中的参数是练习起点,应根据现场光线、人物动作和拍摄结果调整;按钮名称与功能是否可用,以设备说明书为准。

上善若水 208

机器视觉相机选型评估体系与量化测试规范:从参数到实测,规避选型踩坑

本文提出一套可复用的机器视觉相机选型评估框架,涵盖成像性能、时序同步、环境适应性、长期稳定性等五大维度,基于实测数据而非厂商参数进行打分(总分100),强调在真实产线工况下开展测试,避免参数虚标与样机演示偏差。通过标准化测试工装与量化判定标准,帮助企业建立科学选型流程,提升量产可靠性,适用于各类工业相机及嵌入式AI相机选型,推动视觉系统从“经验选型”向“数据驱动”转型。

D1511286的博客 309

XLED-400活细胞成像与多色动态成像技术优势

本文讨论自动化成像系统对光源的触发需求、LED光源的TTL/模拟量控制接口,以及XLED-400在多通道自动成像、多孔板快速扫描和第三方软件(μManager、Micro-Manager、厂商SDK)集成中的应用方法。但在自动化系统中,每一次通道切换、载物台移动和相机曝光都由软件时序控制,光源必须能接受外部触发信号,在精确的微秒级时间点点亮或切换。相比汞灯系统需要机械滤色块轮切换(切换时间约200–500ms),LED通道切换为电子切换,时间<1ms,大幅提高多孔板扫描通量。光谱输出与通道控制界面。

Laite_tech的博客 241

中大尺寸工件在线三维测量:多相机线扫如何覆盖多面与多测点

中大尺寸工件在线测量,应先按检项划分需要看见的区域,再决定相机数量和布置方向。并排扫描解决宽度覆盖,对射和多视角扫描补足不同表面;真正决定方案能否用于判定的,是拼接后的测量基准、重复结果和整件节拍。用实际样件完成这几项验证,才能确定最终配置。

专注工业传感器与科研成像设备十余年 242

实验室 0.95cm、客厅 10.2cm,加 120 张图回到 2.96cm——我用 启元 Q1 头部相机训了个找杯子模型

本文通过仿真环境模拟机器人识别杯子任务,验证了小模型在感知环节的高效性。使用ResNet18在1920张MuJoCo渲染图像上训练,仅用120张客厅数据微调,使位置误差从10.2厘米降至2.96厘米,显著提升泛化能力。实验揭示域偏移对定位精度的严重影响,并强调微调需兼顾源域与目标域表现,避免性能退化。结果表明:轻量模型+少量真实场景数据可有效应对复杂环境挑战,为低成本部署提供可行路径。

117

人手到机器人坐标,物理AI 人类第一视角数据 怎么走

人类第一视角视频里,手在动,画面也在动:手的表观位移可能来自手本身,也可能来自佩戴者自己的走动与转头。要把「手做了什么」变成机器人能执行的三维轨迹,先得把两者拆开,再把轨迹放进统一的参考系。:自监督的视频编码器从全帧提取时空特征,查询式预测器解出逐帧的手部姿态、手是否在场、以及相机运动,再用预测出的相机运动把手部轨迹表达在统一世界坐标系里。从视频到可执行坐标,中间隔着三关:还原(手与相机一起估)、尺度(度量级三维要有相机内参,焦距缺失时能自己补)、可用(单次前向完成,遮挡与模糊下不崩)

jushenAGI的博客 177

LV值计算的注意事项

修改AE目标亮度后,LV不再表示真实环境亮度,而是随目标亮度平移,平移量为$-\log_2(Y_{\text{new}}/Y_{\text{cal}})$。原因在于AE收敛常数$C_0$含目标亮度,导致LV表达式中残留$-\log_2(Y_{\text{target}})$。尽管环境不变,LV会因目标调整而“凭空”变暗或变亮。修正方法为:$LV_{\text{true}} = LV_{\text{report}} + \log_2(Y_{\text{new}}/Y_{\text{cal}})$,可恢复LV对

大熊 315

嵌入式 AI 智能相机怎么选?从算力、算法架构、部署方式深度对比

在工业自动化视觉检测场景中,嵌入式 AI 智能相机正在逐步替代传统 “工业相机 + 上位机工控机” 的方案。但市面上产品参数繁杂,很多工程师选型时容易被纸面算力、宣传卖点误导。本文从**持续算力性能、算法架构设计、现场部署模式**三个核心维度,梳理嵌入式视觉设备不同技术路线的差异、适用边界与落地痛点,为机器视觉工程师、自动化集成商、产线技改负责人提供可落地的选型参考。

VisionDataLab的博客 289
上一篇: 2 概览(Overview)
下一篇: 4 对象管理与属性(Object Management & Properties)
wh_xia_jun
博客等级 码龄16年 1335粉丝 405原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值