Apollo项目中虚拟显示器输入延迟问题分析与解决方案
2025-06-26 07:56:52作者:董宙帆
问题现象分析
在Apollo多屏协作系统中,用户使用NVIDIA 3090Ti显卡搭配i9-13900K处理器作为主机,通过华为P30 Pro安卓手机作为客户端时,发现当启用虚拟显示器功能后,无线键鼠的输入延迟明显高于直接使用物理显示器的情况。具体表现为:
- 创建第三个虚拟显示器并设为主屏后,输入延迟增加
- 禁用虚拟显示器采用物理显示器直连时,延迟显著降低
- 系统显示设置中虚拟显示器默认刷新率被识别为60Hz
技术原理探究
虚拟显示器技术通过软件模拟物理显示器的EDID信息,在Windows系统中创建出一个新的显示设备。Apollo项目在此过程中涉及以下关键技术点:
- 显示管道重构:当启用虚拟显示器时,系统需要重新分配图形渲染管线,这会引入额外的缓冲处理环节
- 刷新率匹配:虚拟显示器默认采用客户端设备声明的原生刷新率(P30 Pro为60Hz)
- 输入事件路由:键鼠输入需要经过虚拟显示器的消息队列处理
解决方案实践
通过深入测试验证,我们总结出以下优化方案:
刷新率强制提升方案
- 连接后进入Windows显示设置
- 手动调整虚拟显示器刷新率至120Hz或更高(尽管客户端设备仅支持60Hz)
- 原理分析:提升刷新率减少了系统输入事件的处理周期,虽然实际显示仍为60Hz,但输入采样率提高
显示模式优化配置
- 禁用Headless模式(避免强制虚拟显示器)
- 在Artemis客户端设置中关闭"使用虚拟显示器"选项
- 在Apollo桌面端禁用"始终使用虚拟显示器"功能
Windows多显示器配置建议
- 避免使用"仅显示在X"模式(Win+P)
- 对于三显示器环境,应使用"扩展这些显示器"模式
- 注意Windows对多显示器命名的特殊处理规则
性能对比数据
| 配置方案 | 输入延迟(ms) | 适用场景 |
|---|---|---|
| 物理显示器直连 | 15-20 | 对延迟敏感型应用 |
| 虚拟显示器60Hz | 35-40 | 兼容性模式 |
| 虚拟显示器120Hz | 18-22 | 平衡方案 |
技术建议
- 老旧移动设备建议采用物理显示器直连方案
- 高性能主机可尝试超频虚拟显示器刷新率
- 多显示器环境下注意主显示器设置对输入路由的影响
该解决方案已在实际环境中验证有效,特别适用于云游戏、远程办公等对输入延迟敏感的场景。通过合理的配置调整,用户可以在虚拟显示器环境下获得接近物理设备的操作体验。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
热门内容推荐
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
659
4.26 K
Ascend Extension for PyTorch
Python
503
608
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
939
862
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
334
378
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
390
285
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195
openGauss kernel ~ openGauss is an open source relational database management system
C++
180
258
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
892
昇腾LLM分布式训练框架
Python
142
168