保姆级教程：用Python和DepthAI库，5分钟搞定OAK-D双摄像头数据采集与显示
5分钟实战：用Python+DepthAI快速玩转OAK-D双摄像头视觉采集
刚拆封OAK-D相机的开发者常面临一个矛盾：既想立刻体验硬件性能，又被复杂的文档和概念劝退。其实只需5行核心代码，你就能让左右黑白摄像头同时工作，并自由切换并排显示与叠加视图模式。本文将手把手带你跳过理论学习阶段，直接进入可交互的视觉采集环节。
1. 环境准备与依赖安装
确保你的OAK-D/Lite已通过USB-C接口连接到电脑。DepthAI库的安装过程极其简单，但有几个细节需要注意：
pip install depthai opencv-python numpy提示：如果遇到权限问题，可尝试添加
--user参数。在Linux系统下可能需要额外安装libusb库：sudo apt-get install libusb-1.0-0-dev
验证安装是否成功：
import depthai print(depthai.__version__) # 应输出2.0.0以上版本常见问题排查：
- USB连接不稳定：尝试更换线缆或接口，推荐使用USB3.0及以上端口
- 权限不足（Linux/Mac）：创建udev规则文件
/etc/udev/rules.d/80-oak.rules，内容为：SUBSYSTEM=="usb", ATTRS{idVendor}=="03e7", MODE="0666" - 依赖缺失：重新运行
python -m pip install --force-reinstall depthai
2. 极简双摄采集框架搭建
DepthAI采用管道(Pipeline)设计模式，我们可以用乐高积木的思维来理解：每个功能模块都是可插拔的节点(Node)，通过数据线(Link)连接。下面是最简双摄像头采集框架：
import cv2 import depthai as dai import numpy as np # 初始化管道 pipeline = dai.Pipeline() # 创建左右摄像头节点 mono_left = pipeline.createMonoCamera() mono_right = pipeline.createMonoCamera() mono_left.setBoardSocket(dai.CameraBoardSocket.LEFT) mono_right.setBoardSocket(dai.CameraBoardSocket.RIGHT) # 设置输出节点 xout_left = pipeline.createXLinkOut() xout_right = pipeline.createXLinkOut() xout_left.setStreamName("left") xout_right.setStreamName("right") # 连接节点 mono_left.out.link(xout_left.input) mono_right.out.link(xout_right.input)关键参数说明：
| 参数 | 可选值 | 推荐设置 |
|---|---|---|
| 分辨率 | THE_400_P, THE_480_P等 | 640x400(THE_400_P) |
| 帧率 | 30, 60, 120 | 120fps(需降低分辨率) |
| 摄像头方位 | LEFT, RIGHT, RGB | 根据实际需求选择 |
3. 实时显示与视图切换
下面这段代码实现了双摄像头画面的同屏显示，按T键可切换并排/叠加视图，Q键退出：
with dai.Device(pipeline) as device: # 获取输出队列 q_left = device.getOutputQueue("left", maxSize=4) q_right = device.getOutputQueue("right", maxSize=4) cv2.namedWindow("OAK-D View") side_by_side = True # 初始为并排模式 while True: # 获取帧数据 left = q_left.get().getCvFrame() right = q_right.get().getCvFrame() # 视图切换逻辑 if side_by_side: frame = np.hstack((left, right)) else: frame = cv2.addWeighted(left, 0.5, right, 0.5, 0) # 显示与交互 cv2.imshow("OAK-D View", frame) key = cv2.waitKey(1) if key == ord('q'): break elif key == ord('t'): side_by_side = not side_by_side性能优化技巧：
- 降低延迟：设置
maxSize=1减少队列缓冲 - 提升帧率：使用
setFps()方法调整，注意分辨率限制 - 内存优化：对于长时间运行，定期调用
gc.collect()
4. 高级功能扩展
基础功能运行后，可以尝试以下进阶玩法：
4.1 深度图生成
在管道中添加深度计算节点：
stereo = pipeline.createStereoDepth() mono_left.out.link(stereo.left) mono_right.out.link(stereo.right) xout_depth = pipeline.createXLinkOut() xout_depth.setStreamName("depth") stereo.depth.link(xout_depth.input)4.2 视频录制
使用OpenCV的VideoWriter保存视频：
fourcc = cv2.VideoWriter_fourcc(*'XVID') out = cv2.VideoWriter('output.avi', fourcc, 30.0, (1280, 400)) while True: # ...获取帧逻辑... if side_by_side: out.write(np.hstack((left, right)))4.3 网络推流
通过FFmpeg实现RTMP直播：
import subprocess ffmpeg_cmd = [ 'ffmpeg', '-y', '-f', 'rawvideo', '-vcodec','rawvideo', '-pix_fmt', 'bgr24', '-s', '1280x400', '-r', '30', '-i', '-', '-c:v', 'libx264', '-pix_fmt', 'yuv420p', '-f', 'flv', 'rtmp://your-server/live/stream' ] process = subprocess.Popen(ffmpeg_cmd, stdin=subprocess.PIPE) while True: # ...获取帧逻辑... process.stdin.write(frame.tobytes())5. 实用调试技巧
遇到问题时，可以尝试以下诊断方法：
硬件状态检查：
device = dai.Device(pipeline) print(device.getConnectedCameras()) # 查看识别到的摄像头 print(device.getUsbSpeed()) # 检查USB连接速度性能监控：
import psutil print(f"CPU使用率: {psutil.cpu_percent()}%") print(f"内存使用: {psutil.virtual_memory().percent}%")帧时间分析：
import time start = time.time() # ...帧处理代码... print(f"处理耗时: {(time.time()-start)*1000:.2f}ms")
在Jupyter Notebook中开发时，建议使用%timeit魔法命令测量关键代码段的执行时间。实际测试中，OAK-D在640x400分辨率下能达到120FPS的采集性能，但要注意USB带宽限制。