[求助]:IDirectSoundCapture和IMoniker的關係?

aachenG 2003-09-11 02:54:22
情況是這樣的:
(1)因為工作需要,對一個音頻捕捉設備,我既要通過GUID使用IDirectSoundCapture,又要通過IMoniker來取得設備的Displayname.
(2)其中GUID是使用DirectSoundCaptureEnumerate()得到的,IMoniker是通過ICreateDevEnum::CreateClassEnumerator()得到的.一種是DirectSound的方法,一種是DirectShow的方法!
(3)問題是,當機器上有多個音頻捕捉設備時,兩種方法都得到了一個設備集合,我如何才能把兩個集合中相同的設備對應起來?

以上得到的同一個設備的IDirectSoundCapture和IMoniker,難道它們沒有甚麼聯系嗎?怎麼才能得到同一個設備的GUID和displayname?
請高手指點!
...全文
172 4 打赏 收藏 举报
写回复
用AI写文章
4 条回复
切换为时间正序
请发表友善的回复…
发表回复
flyingeagle 2003-09-12
  • 打赏
  • 举报
回复
我想微软不是大傻瓜,;)无论你用什么方法去寻找你关心的设备,你得到的结果应该是一样的啊!
利用IMoniker的方法你就可以得到设备的displayname了.同时利用IMoniker的方法GetClassID你就可以得到相应设备的GUID了.下面的你就可以做你想做的事情了吧.
dreameasy 2003-09-12
  • 打赏
  • 举报
回复
顶!
aachenG 2003-09-12
  • 打赏
  • 举报
回复
GetClassID我是已經試過的,得到的GUID是一個Class ID.無論是Video capture, 還是Audio capture, 或者audio renderer,得到的都是CLSID_DeviceMoniker這個常量.
我的問題,我已經找到解決的辦法了.原來相同類型的設備,它們的displayname並不一定是唯一的.對video capture,相同類型的,也有不同的displayname;而對於audio capture和renderer,形同類型的,displayname是一樣的,形式都是"@device:cm:{CLSID_AudioInputDeviceCategory}\Friendlyname".所以我可以在需要的時候自己構造一個displayname.
aachenG 2003-09-11
  • 打赏
  • 举报
回复
没人知道吗?
up
代码转载自:https://pan.quark.cn/s/a4b39357ea24 自动驾驶是当前科技界高度关注的研究方向,其研究范畴涵盖了人工智能、计算机视觉、机器学习以及传感器融合等多个重要学科。这份题为"自动驾驶论文"的资料,无疑为人们提供了一个深入了解这一复杂系统的机会。以下是基于其标题和描述所呈现的一些关键知识点的详细阐述: 1. **自动驾驶技术**:自动驾驶指的是车辆在无需人类驾驶员参与的情况下,借助各类传感器和智能算法来感知周围环境,制定行驶路线,并执行驾驶行为。这种技术的核心宗旨在于提升交通安全性、缓解交通压力,并改善出行体验。 2. **Python编程语言**:Python是一种在数据处理和科学计算领域得到广泛应用的高级编程语言,由于其语法简洁且拥有丰富的库支持,经常被应用于自动驾驶领域的数据处理、模型构建和系统集成。 3. **源代码分析**:论文中提供的源代码可能包含了自动驾驶算法的实现细节,可能涵盖环境感知模块(包括图像处理、激光雷达数据解读)、决策模块(涉及路径规划、行为分析)、控制模块(涵盖车辆动力学建模、控制策略设计)等,这些代码可作为学习和研究自动驾驶算法的实践范例。 4. **计算机视觉**:自动驾驶系统中的计算机视觉技术主要用于识别道路标识、行人、其他车辆等,这通常涉及图像分类、目标识别和语义分割等任务,常见的技术包括卷积神经网络(CNN)、区域提议网络(RPN)、YOLO、Faster R-CNN等。 5. **机器学习**:机器学习是自动驾驶技术的核心,用于训练模型以理解和预测复杂的驾驶情境。深度学习,特别是深度强化学习,在决策制定和控制策略方面已取得显著进展。 6. **传感器融合**:自动驾驶汽车通常装备多种传...
内容概要:本文提出了一种改进的多旋翼无人机动态模拟的模块化仿真环境,基于Matlab/Simulink平台实现。该仿真环境通过模块化设计,集成了无人机的气动模型、动力系统模型、传感器模型及控制算法等多个关键子系统,能够精确模拟多旋翼无人机在复杂飞行条件下的动态响应特性。系统改进之处在于增强了模型的真实性和可扩展性,优化了仿真计算效率,并支持硬件在环(HIL)测试,便于控制算法的快速原型验证与迭代开发。该环境不仅可用于无人机飞控算法的设计与验证,也可服务于飞行器性能评估、故障诊断与容错控制等研究。; 适合人群:具备一定控制理论基础和Matlab/Simulink使用经验的高校研究生、科研机构研究人员及无人机相关领域的工程技术人员。; 使用场景及目标:①用于多旋翼无人机飞行动力学建模与仿真分析;②支持先进飞行控制算法(如PID、LQR、MPC、自适应控制等)的开发与验证;③作为教学工具帮助学生理解无人机系统构成与控制原理;④为无人机产品开发提供前期仿真测试平台,降低实飞风险与研发成本。; 阅读建议:建议读者结合Matlab/Simulink环境动手实践,逐步搭建并调试各个模块,重点关注各子系统间的接口关系与数据交互逻辑。同时可参考文中提供的仿真案例,深入理解参数设置对系统动态性能的影响,进而开展个性化功能扩展与算法创新。

2,554

社区成员

发帖
与我相关
我的任务
社区描述
专题开发/技术/项目 多媒体/流媒体开发
社区管理员
  • 多媒体/流媒体开发社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧