Files
QFT/docs/OPTICAL_V5_PLAN.md
zhy200308 376ffba96e feat(desktop): 跨平台桌面端 + 电脑↔电脑互传(v0.5.0-m1)
对应 V05_EXECUTION_PLAN 的 P1。核心改动是把「PC 只能当服务端」
这个写死的角色拆开——此前 TcpStream::connect 只出现在测试里,
桌面端根本无法主动连接另一台桌面端,PC↔PC 因此完全不可用。

跨平台
- windows/ → desktop/,crate 更名 qft-desktop
- 新增 platform.rs 收敛全部平台差异:配置目录(LOCALAPPDATA /
  Application Support / XDG)、下载目录(含 Linux 本地化的 ~/下载)、
  设备名、Direct AP 能力。约定:其余模块不得再出现 #[cfg(target_os)]
- direct_ap.rs 的 Context 导入按平台条件化,非 Windows 上不再告警
- macOS 上已实测编译并链接出可执行文件(65 MB Mach-O arm64),
  这是本仓库首次在非 Windows 平台构建成功

电脑 ↔ 电脑
- 新增 client.rs:桌面端发起侧。手写 HTTP,不引入客户端依赖——
  服务端本来就是手写的,两边同一套解析更容易与 Android/iOS 对齐。
  含并发分块上传(自适应 4/8/16 MiB、最多 8 worker)与 Range 断点续传
- 新增 discovery.rs:UDP 广播 QFTBROWSE3 浏览局域网节点。
  既有的 QFTDISC2 是「已知令牌找机器」,用于扫码之后;
  PC 没有摄像头,必须先能列出附近有谁
- receiver.rs 新增 POST /qft/pair:用 6 位配对码换会话令牌。
  这是唯一不校验令牌的端点。6 位仅约 20 bit 熵,配严格失败计数兜底——
  错 5 次即作废,需重启接收;比较用定长实现,不做短路返回
- 新增「电脑 ↔ 电脑」界面:接收方显示配对码与本机地址;
  发送方搜索/手动输入地址 → 输码连接 → 多选文件 → 带进度发送

验证(macOS,Rust 1.97.1)
- cargo check 0 错误,cargo test 17/17 通过
- 新增端到端用例:真实起接收服务 → 配对(含错误码必须被拒)→
  9 MB 跨多分块并发上传 → 校验落盘内容逐字节一致且 SHA-256 与
  接收端返回值相同。这就是 PC↔PC 的完整链路
- 11 项 Python 自检全部通过

顺带修复
- single_channel_guard_selftest 长期为红:它断言
  DEFAULT_CHUNK_SIZE = 450,而代码早已改为 320。改名前即存在,
  已用 git stash 验证与本次无关。改为范围检查(128~4096)并在
  PASS 信息里打印实际值,既挡住"退回多通道小块"又不会因调参误报

已知限制
- UDP 广播只覆盖同一广播域。跨网段或 AP 隔离的 Wi-Fi 上搜索不到,
  需手动输入对方 IP(界面已说明)。mDNS 留待后续
- 本阶段仍走 v2 明文 HTTP,加密随 QFT-Stream v3 一起做(见 P2)
2026-08-11 16:36:33 +08:00

20 KiB
Raw Permalink Blame History

QFT5 光学链路方案(黑白 · 位阵列 · 陀螺仪稳定)

目标:

  • A:相机 24 FPS 下,1 MB < 5 s(≥ 209.7 KB/s)
  • B:相机 50~60 FPS 下,10 MB < 10 s(≥ 1048.6 KB/s)
  • 相机帧率自动取系统最高值并锁死、稳定
  • 手持抖动不导致丢锁重捕获

全程纯黑白(二值),不使用彩色或灰阶调制。


0. 选型结论:必须放弃 QR

方案 B/画布 @24fps @60fps 目标A 目标B
QR 2×1 v40 @720p 5 729 130 KB/s 325 KB/s 7.9 s ❌ 32 s ❌
QR 3×1 v40 @1080p 8 593 193 KB/s 463 KB/s 5.3 s ❌ 22.1 s ❌
位阵列 3.5 px/模块 @1080p 15 571 350 KB/s 839 KB/s 2.9 s ✅ 12.2 s ❌
位阵列 3.0 px/模块 @1080p 21 209 477 KB/s 1143 KB/s 2.5 s ✅ 9.0 s ✅

原因:QR 单符号上限 v40 = 177 模块。在 1080p 取景下相机能分辨约 330 模块/边, 单个 QR 只能用掉约 40% 的像素预算;横向排 3 个又受 16:9 宽度限制。 QR-L 本身还要付 finder/timing/format/RS 约 14% 的结构开销。

位阵列取消这三项限制:无版本上限、无 finder 图案、纠错交给喷泉码。 代价是不能再用 ZXing,需要自研采样解码器(见 §3.6,实际比 RS 解码更简单)。

硬件前提(不满足则目标 B 无法达成,需在 App 内检测并提示):

  • 手机后摄支持 1920×1080 ImageAnalysis @ 60 FPS(用 getOutputMinFrameDuration 实测,非 flagship 常见只有 1080p30)
  • 显示器 ≥ 60 Hz,画布区可用宽度 ≥ 1824 逻辑像素(3 显示 px/模块 × 608 模块)
  • 取景需填满约 95% 画面 → 目标 B 建议使用支架

1. 需求一:相机帧率的获取、锁定与稳定

1.1 现有实现的三个缺陷

MainActivity.chooseCameraFpsPlan()(约 452 行):

  1. 只读 CONTROL_AE_AVAILABLE_TARGET_FPS_RANGES,没有按目标分辨率校验。 该表是相机级能力,与具体输出尺寸无关。1080p 常见只支持 30 FPS,而 720p 支持 60。 现在的代码会对 1080p 请求一个它根本达不到的 [60,60],结果要么被拒(走 fallback 丢失全部控制),要么被静默降频。 → 必须用 StreamConfigurationMap.getOutputMinFrameDuration(ImageFormat.YUV_420_888, size) 算出该尺寸的真实上限 1e9 / minFrameDuration,再与 AE 表求交集。

  2. 没有优先选固定区间。 排序是 upper 降序,所以 [15,60] 会排在 [30,30] 前面被选中。 可变区间授权 AE 在光线不足时把帧率降到 lower——这正是"不稳定"的根源。 → 必须优先 lower == upper 的固定区间。

  3. 没有验证实际达成帧率。 请求 ≠ 实际。

1.2 三级锁定策略

L1  固定 AE 区间          CONTROL_AE_TARGET_FPS_RANGE = [max, max]
      ↓ 实测不达标
L2  全手动曝光(推荐)     CONTROL_AE_MODE = OFF
                          SENSOR_FRAME_DURATION  = 1e9 / fps
                          SENSOR_EXPOSURE_TIME   = 2~4 ms
                          SENSOR_SENSITIVITY     = ISO 200~400(按实测亮度标定一次)
      ↓ 设备拒绝该组合
L3  回退设备默认 + 降级目标(告知用户目标 B 不可达)

L2 是真正的"锁死",也是本方案的推荐路径:屏幕是自发光强光源,2~4 ms 曝光完全够用; AE 关闭后帧间隔由 SENSOR_FRAME_DURATION 精确决定,不再受测光波动影响。 更重要的是——短曝光同时是防抖的第一杠杆(见 §2.1)。

标定流程:启动时用 AE 自动跑 10 帧,读回 CaptureResult 的 SENSOR_EXPOSURE_TIME × SENSOR_SENSITIVITY 乘积作为曝光量基准, 再按"曝光缩到 3 ms、ISO 等比放大并夹到设备 SENSOR_INFO_SENSITIVITY_RANGE 上限"求解, 之后切 AE_MODE_OFF 固定住。

1.3 必须关闭 / 必须开启

项 设置 理由
CONTROL_VIDEO_STABILIZATION_MODE OFF EIS 会逐帧裁切+几何形变,直接破坏单应矩阵跟踪
CONTROL_AE_ANTIBANDING_MODE OFF 50 Hz 抗闪烁会把曝光量化到 10 ms 整数倍,与 2~4 ms 短曝光直接冲突,并把帧率钉死
NOISE_REDUCTION_MODE OFF / FAST 强降噪会抹平单像素级模块边界
EDGE_MODE OFF / FAST 锐化会产生振铃,制造伪模块边缘
LENS_OPTICAL_STABILIZATION_MODE ON OIS 是光学补偿,不改成像几何,纯收益
CONTROL_AF_MODE 锁定后 OFF + 固定 LENS_FOCUS_DISTANCE 连续 AF 每次搜索都产生几帧模糊

现有代码用 AF_MODE_CONTINUOUS_PICTURE(MainActivity 约 306 行)并在稳定锁定时 还周期性重新触发对焦(约 272 行)——对着固定距离的屏幕,这是纯负收益,必须改掉。

1.4 闭环验证("稳定下来"的判据)

用 CaptureResult.SENSOR_TIMESTAMP 做差分,滑动窗口 60 帧:

p50(Δt)  → 实际帧率
p95(Δt) / p50(Δt) > 1.30  → 判定"不稳定",降一档重试
丢帧率 = count(Δt > 1.5 × p50) / N

三档实测都不稳定时,把目标降到"尽力而为"模式并在 UI 明示。 实测帧率必须回传给 Windows 端(通过配对二维码之外的一次性握手,或让用户手动选档), Windows 显示帧率 = 手机实测相机帧率(见 §3.3,无需更精细的同步)。


2. 需求二:防抖 / 锁定不丢失

现有实现是"轴对齐矩形 + smoothToward 平滑 + 连续 miss 逐级扩大 + 10 次 miss 全幅重搜" (QrAnalyzer.decodeOptical / LockRect)。三个结构性问题:

  • 轴对齐矩形无法表达旋转与透视,手一歪矩形就被迫变大,分析面积和解码成本同时上升;
  • ROI 只在解码成功后才更新,一旦 miss 就完全没有状态推进(无航位推算);
  • 恢复策略是"扩大并祈祷"。

2.1 第一杠杆:短曝光(量化)

1080p、65° FOV → 等效焦距 f ≈ 1507 px/rad。运动模糊长度 = ω × t_exposure × f。

手持角速度 曝光 33 ms(自动) 8 ms 4 ms 2 ms
3 °/s(平稳) 2.60 px = 0.87 模块 ❌ 0.63 px ✅ 0.32 px ✅ 0.16 px ✅
10 °/s(典型手持) 8.68 px = 2.89 模块 ❌ 2.10 px ❌ 1.05 px ⚠️ 0.53 px ✅
20 °/s(明显晃动) 17.36 px ❌ 4.21 px ❌ 2.10 px ❌ 1.05 px ⚠️

在 3 px/模块下,自动曝光的 33 ms 会抹掉近 3 个模块——必然解不出。 这解释了当前"识别率不高"的相当一部分。锁到 2~4 ms 后模糊降到 1 px 以内。 判据:blur = ω · t_exp · f < 0.7 模块。

2.2 第二杠杆:陀螺仪前馈(真正的"防抖")

60 FPS 下 10 °/s 的帧间像素位移 = 4.4 px,看似很小,但连续 10 帧漂移 44 px, 远超 smoothToward 的跟随带宽——这就是丢锁的直接机理。陀螺仪可以提前算出这个位移。

SensorManager.registerListener(TYPE_GYROSCOPE_UNCALIBRATED, SENSOR_DELAY_FASTEST)   // ~200 Hz
环形缓冲 (timestampNanos, ωx, ωy, ωz)

对每个相机帧 t:
  1. 校验 SENSOR_INFO_TIMESTAMP_SOURCE == REALTIME,
     使 ImageProxy.imageInfo.timestamp 与陀螺时间戳同域(elapsedRealtimeNanos)
  2. 积分 [t-1, t] 区间的角速度 → Δθ = (Δθx, Δθy, Δθz)
  3. 小角近似的图像位移:
        dx ≈ -f · Δθy        dy ≈  f · Δθx        roll ≈ Δθz
     (需按 sensorOrientation / 显示旋转做一次坐标系映射)
  4. 用 dx, dy, roll 预推上一帧的 4 个角标位置
  5. 只在预测点 ±12 px 的窗口内做角标模板匹配

效果:搜索窗从"全幅" 降到 4 个 25×25 px 的小窗,即使剧烈晃动也能保持跟踪。 陀螺仪对旋转敏感,而手持抖动在 30 cm 距离上 90% 以上的像素位移来自旋转而非平移, 所以纯陀螺前馈就足够,不需要 IMU 融合。

2.3 第三杠杆:模糊门控

在解码前用陀螺仪算曝光窗口内的模糊长度。若 blur > 0.7 模块, 直接跳过该帧的采样解码,只更新位姿预测。省下的 CPU 留给清晰帧。 这比"试着解、失败、扩大 ROI"的现有策略便宜一个数量级。

2.4 跟踪 4 角单应,不跟踪矩形

画布四角放同心方环基准标(比 QR finder 更抗透视,且可做亚像素质心定位), 四边中点再各放一个辅助标 → 8 个点解 8-DOF 单应矩阵 H。

  • H 直接给出"画布坐标 → 图像坐标"的完整映射,倾斜/旋转/透视全部被吸收;
  • 采样时用 H 逆映射,不需要把图像旋正,省掉一次全帧变换;
  • 8 点冗余 → 遮挡 1~2 个标仍可解(最小二乘 + RANSAC 剔除)。

2.5 永不完全丢锁:三级恢复

L1  窄窗跟踪      预测点 ±12 px           每帧,成本 ~4 × 625 px
      ↓ 连续 3 帧失败
L2  陀螺预测窗    预测点 ±40 px + 放宽阈值   成本 ~4 × 6400 px
      ↓ 持续 0.5 s 失败
L3  全幅重捕获    降采样 1/4 的粗搜 + 精定位

关键是永远保留最后一次有效的 H,L3 也以它为先验起点。 现有的"10 次 miss 后 lockRegion = null 全量重来"必须删掉。

2.6 诚实提醒

目标 B(3.0 px/模块 @1080p60)在手持下几乎不可能长时间守住。 App 应持续统计陀螺 RMS,超阈值时明确提示"请靠稳桌沿或使用支架", 并在支架模式下自动切到更激进的参数档。目标 A(3.5 px/模块 @24fps)手持可行。


3. 需求三:QFT5 位阵列格式

3.1 画布布局

┌─◎──────────────────────────────────────◎─┐   ◎ = 同心方环基准标(4 角 + 4 边中点)
│  ▓▓░░▓░▓▓░  帧序号条纹(上)  ░▓░▓▓░░▓▓  │   帧计数 8 bit,撕裂检测用
├──────────────────────────────────────────┤
│  条带 0    ← 独立喷泉包(头 + 数据 + CRC)│
│  条带 1                                   │
◎  条带 …                                  ◎   共 12 条(@1080p 每条约 28 模块高)
│  条带 11                                  │
├──────────────────────────────────────────┤
│  ▓▓░░▓░▓▓░  帧序号条纹(下)  ░▓░▓▓░░▓▓  │
└─◎──────────────────────────────────────◎─┘

@1080p / 3.0 px/模块 → 608 × 342 模块 = 207 936 模块/画布 减去基准标、条纹、参考网格(约 4%)与喷泉冗余(15%)→ 净 21 209 B/画布。

3.2 抗撕裂的水平条带设计(本方案的关键)

卷帘快门自上而下扫描,读出耗时 T_r ≈ 16~20 ms。期间显示器换页会在某一行产生撕裂: 上半部分是显示帧 k,下半部分是 k+1。

如果画布是一个整体(如单个大 QR),撕裂帧 100% 报废。

改成 12 条独立水平条带后,每条带自带头部(条带序号 + 喷泉种子 + CRC),于是:

  • 撕裂线只穿过 1 条条带 → 只损失 1/12;
  • 撕裂线上方的 11 条属于帧 k,下方的属于帧 k+1,两边都是有效的新数据;
  • 效率 = (B − T_r·f_display) / B。@60 FPS、T_r=16 ms、B=12 → 92%。

推论:显示帧率直接设成相机帧率即可,不需要任何显示/相机同步机制。 这消除了整个方案里最难工程化的一环。

(条带数 B 的选择:B 越大抗撕裂越好,但每条带的头部开销占比上升。 B=12 时头部开销约 0.9%,是合理平衡点。)

3.3 帧序号条纹(tear guard)

上下各一条 8 格黑白条纹,编码同一个 8-bit 帧计数。解码时先读这 16 个采样点:

  • 上下一致 → 整帧属于同一显示帧,全部 12 条带可信;
  • 不一致 → 存在撕裂,用二分法在条带边界上定位撕裂行,只丢弃跨越它的那一条。

成本:16 次采样。收益:把"撕裂帧全废"变成"损失 1/12"。

3.4 参考模块网格(局部阈值)

屏幕亮度不均、镜头暗角、moiré 会让全局阈值失效。 每 16×16 模块嵌入一对已知的黑/白参考模块(开销 0.78%),解码时:

读取所有参考对 → 得到稀疏的 (black_level, white_level) 采样点
→ 双线性插值出全画布的阈值面 threshold(x,y) = (black + white) / 2
→ 每个数据模块与其所在位置的插值阈值比较

这同时天然抵抗屏幕 PWM 调光造成的整体亮度波动。

3.5 喷泉码(条带级)

每条带 = 一个独立喷泉包:

条带头(12 B):magic(2) | sessionId(4) | blockId(2) | seed(4)
条带数据:~1 750 B
CRC32(4 B)
  • 文件按 块(block) 切分,每块 64 个源分片;
  • 编码包 = 块内随机子集的 XOR,参与集合由 seed 经约定 PRNG 还原;
  • 前 64 个包用系统码(原始分片本身),信道好时零解码开销;
  • 接收端每块维护 64×64 的 GF(2) 矩阵,高斯消元求解;
  • 冗余 15%(即平均收到 1.15×N 个包即可解出)。

Windows 端可直接用 raptorq crate;Android 端建议自研分组 XOR + 高斯消元, 两端算法必须逐位对齐(提供跨语言测试向量)。

3.6 采样解码器(替代 ZXing)

比 RS 解码更简单,纯整数运算:

1. tear guard 检查(16 次采样)           → 决定丢弃哪条带
2. 模糊门控(陀螺仪)                      → 可能直接跳过整帧
3. 从跟踪状态取单应矩阵 H
4. 读参考网格 → 插值阈值面
5. 对每个模块:用 H 逆映射取中心点采样,与阈值比较 → 1 bit
   (只取中心单点,不做邻域平均——3 px/模块下中心点信噪比已足够,速度快 3 倍)
6. 逐条带校验 CRC32 → 通过的送入喷泉解码器

复杂度 O(模块数),@1080p 每帧 208 K 次采样。可用 NEON 向量化, 或直接在 ImageProxy 的 Y 平面上按行做(内存访问连续)。 实测预算:60 FPS 下约 12.5 M 采样/s,中端 SoC 单核即可,不需要 GPU。

并行结构:analyze() 回调只做"按 H 计算 ROI 并 memcpy Y 平面"然后立即 image.close() 返回;采样解码与喷泉解码交给 2~3 个 worker 线程。 注意现有 GrayFrameBuffer 是单实例、非线程安全的,必须改成 per-worker 实例。


4. Windows 发送端

4.1 显示管线(必须先修)

现状:qr.rs 生成 1024×1024 的 ColorImage(RGBA)= 4 MiB/帧, 每帧 texture.set() 上传 GPU;optical_cache.rs 按 4 MiB/页 计算容量, 最多占用 768 MiB 内存。60 FPS 下这是 240 MB/s 的分配与上传。

改法:上传 模块级纹理(608×342 = 208 KB 灰度),用 TextureOptions::NEAREST 让 GPU 放大。绘制矩形边长取模块数的整数倍(608 × 3 = 1824 px),避免不均匀缩放。

  • 纹理上传:4 MiB → 208 KB(减少 95%,且不随显示尺寸增长)
  • 预编码缓存:768 MiB → < 20 MiB
  • 60 FPS 变得毫无压力

4.2 换页时序

现有 last_advance.elapsed() >= interval 轮询会产生抖动。 改为按 vsync 计数换页:60 Hz 屏每 1 个 vsync 换一页 = 精确 60 FPS; 每 2 个 vsync 换一页 = 精确 30 FPS。保证每帧显示时长完全一致。

4.3 显示器体检

启动光学模式时检测:刷新率、画布区可用逻辑像素宽度、DPI 缩放。 不满足"≥60 Hz 且 ≥1824 px"时,明确提示目标 B 不可达并给出当前档位的预计耗时。

4.4 编码吞吐

60 FPS × 21 KB = 1.27 MB/s 的 XOR + 位阵列打包。Rayon 并行下可忽略。


5. 分阶段落地

阶段 内容 可验证指标 风险
P1 Windows 模块级纹理 + vsync 换页 稳定 60.0 页/s,内存 < 50 MiB 低
P2 相机帧率三级锁定 + 闭环验证 + 关 EIS/抗闪烁 + 锁 AF p95/p50 < 1.30,实测帧率 = 标称 低
P3 手动曝光 2~4 ms + 陀螺仪前馈 + 模糊门控 10 °/s 晃动下不丢锁,模糊 < 1 px 中
P4 QFT5 画布格式 + 单应跟踪 + 采样解码器 单帧 208 K 模块解码 < 12 ms 高
P5 条带喷泉码(两端对齐 + 跨语言测试向量) 收包 1.15×N 即可还原 中
P6 1080p60 + tear guard + 参数调优 目标 A / B 达标 中

P1、P2 可以立刻做且零协议风险;P4 是主要工程量(估计是全部工作量的一半)。

建议在 P4 之前先做一个离线验证台:Windows 端把画布导出成 PNG 序列, Android 端加一个"从相册读图解码"的调试入口,先在无相机噪声的条件下 把采样解码器和喷泉码调通,再接实时相机。这能省掉大量难以复现的现场调试。


5.1 P0 · 分辨率楔形标定(已实现)

上表所有数字都建立在一个未经实测的假设上:px/模块 的真实下限。 合成实验显示这个值仅因对焦质量不同就能在 3.1~5.7 之间摆动, 所以它必须先测出来,不能靠推算。工具已在 scripts/ 下:

# 1. 生成标定图(尺寸填显示器的设备像素)
python scripts/wedge_gen.py --width 1920 --height 1080 --out out/wedge

# 2. 用浏览器打开 out/wedge.html,按 F11 全屏
#    页面左上角必须显示「缩放 1.000 ✅」,否则测量无效

# 3. 手机拍照:大致正立,四个黑色角标全部入画并尽量填满画面
#    建议在 2~4 个不同距离各拍一张

# 4. 分析
python scripts/wedge_analyze.py --spec out/wedge.json --photo IMG_0001.jpg

输出每条带的 实测 px/模块 → 对比度 → 误码率,并给出 BER=1e-3 的临界点, 以及按该临界点换算的画布净载荷与各帧率下的预计传输耗时。

--analysis-width 默认 1920,即把 12MP 原片降采样到 1080p,模拟真实的 ImageAnalysis 流;改成 1280 可直接对比 720p 分析流的能力差距。

自检(合成相机模型,无需硬件):python scripts/wedge_selftest.py。

标定结果如何反馈到本方案

实测临界 px/模块 结论
≤ 2.6 目标 B 有余量,可考虑 §5.2 的六边形点阵进一步加码
2.6 ~ 3.2 按本方案原样实施,目标 B 余量约 10%
3.2 ~ 4.0 目标 B 不可达;目标 A 仍可达。需下调指标或提高分析分辨率
> 4.0 光学链路能力远低于预期,应优先排查对焦/曝光(§1.2、§2.1)

一个必须修正的设计细节

标定工具的误码率输出暴露了 §3.5 的一个缺口:条带只有 CRC,没有内码。 1750 B 的条带有约 14 000 bit,只要 1 bit 错就整条报废。 若要求带错率 < 13%(喷泉码 15% 冗余能承受的上限), 原始 BER 必须低于 1e-5——这对光学信道是很苛刻的。

因此条带内部必须加内码,形成"内码纠错 + 外层喷泉码纠删"的级联结构 (与 QR 内部用 RS 是同一思路)。粗估所需冗余 ≈ 48 × BER:

实测原始 BER 内码冗余
1e-5 可省略
1e-4 ~0.5%
1e-3 ~4.8%
1e-2 ~48%(此工作点不可用)

wedge_analyze.py 已按此公式输出所需内码冗余,并计入净载荷估算。


6. 达标核算与回退

达标条件(目标 B)

1080p ImageAnalysis @ 60 FPS  ×  21 209 B/画布  ×  92% 撕裂效率
= 1 143 KB/s  →  10 MB / 9.0 s  ✅(余量 10%)

余量只有 10%,任一环节退化都会掉出指标。必须全部满足: 手机支持 1080p60 分析、显示器 ≥60 Hz、3.0 px/模块下解码成功率 > 95%、使用支架。

达标条件(目标 A)

1080p @ 24 FPS  ×  15 571 B/画布(3.5 px/模块)  ×  96%
= 350 KB/s  →  1 MB / 2.9 s  ✅(余量 42%)

余量充足,手持可行。建议把 3.5 px/模块设为默认档。

回退阶梯

App 应根据实测能力自动选档,并在 UI 明示当前档位与预计耗时:

档位 分析分辨率 px/模块 相机 FPS 吞吐 适用
极速(支架) 1080p 3.0 60 1143 KB/s 目标 B
标准(手持) 1080p 3.5 24~30 350~438 KB/s 目标 A
保守 720p 3.5 30 167 KB/s 老设备
兼容 720p 4.0 30 128 KB/s 最低保障

何时不该用光学

仓库已有 QFTSEND2 扫码直传(desktop/src/sender.rs:HTTP + Range 续传 + UDP 发现), 10 MB 在局域网下是亚秒级。光学链路应明确定位为物理隔离场景专用, 并在选择大文件时主动提示直传方案与两者的预计耗时对比。