PsychoPy中GazePoint眼动仪集成问题分析与解决方案
2025-07-08 20:53:41作者:宗隆裙
问题背景
在PsychoPy 2024.2.1版本中,用户报告了一个与GazePoint眼动仪集成相关的关键错误。当尝试运行包含GazePoint眼动追踪的实验时,系统会抛出"KeyError: 'GazePoint'"异常,导致实验无法正常启动。这个问题主要出现在Windows 11操作系统环境下。
错误分析
该错误的核心在于PsychoPy的设备映射表中缺少GazePoint眼动仪的对应条目。具体表现为:
- 在实验设置阶段,当尝试写入设备代码时,系统无法在ioDeviceMap中找到'GazePoint'键
- 错误发生在
psychopy/experiment/components/settings/__init__.py文件的第1436行 - 问题根源在于设备映射表未正确包含GazePoint眼动仪的配置信息
解决方案
官方修复方案
PsychoPy开发团队已经确认在GazePoint插件0.0.4版本中修复了此问题。用户应采取以下步骤:
- 完全卸载现有GazePoint插件
- 通过PsychoPy的插件对话框重新安装最新版本
- 确保安装的是0.0.4或更高版本的插件
临时解决方案
对于需要立即使用而无法等待插件更新的用户,可以采用以下Python代码作为临时解决方案。这段代码通过直接与GazePoint控制软件建立socket连接来获取眼动数据:
import socket
# 连接配置
HOST = "10.10.10.1" # 根据实际情况修改
PORT = 4242 # 默认端口,必要时修改
OUTPUT_FILE = "eye_tracking_data.txt"
# 初始化命令,启用各种数据流
INIT_COMMANDS = [
'<SET ID="ENABLE_SEND_COUNTER" STATE="1" />\r\n',
'<SET ID="ENABLE_SEND_TIME" STATE="1" />\r\n',
'<SET ID="ENABLE_SEND_TIME_TICK" STATE="1" />\r\n',
'<SET ID="ENABLE_SEND_POG_FIX" STATE="1" />\r\n',
'<SET ID="ENABLE_SEND_POG_LEFT" STATE="1" />\r\n',
'<SET ID="ENABLE_SEND_POG_RIGHT" STATE="1" />\r\n',
'<SET ID="ENABLE_SEND_POG_BEST" STATE="1" />\r\n',
'<SET ID="ENABLE_SEND_PUPIL_LEFT" STATE="1" />\r\n',
'<SET ID="ENABLE_SEND_PUPIL_RIGHT" STATE="1" />\r\n',
'<SET ID="ENABLE_SEND_BLINK" STATE="1" />\r\n',
'<SET ID="ENABLE_SEND_PUPILMM" STATE="1" />\r\n',
'<SET ID="ENABLE_SEND_DATA" STATE="1" />\r\n',
]
# 建立连接并获取数据
with socket.socket(socket.AF_INET, socket.SOCK_STREAM) as s:
s.connect((HOST, PORT))
# 发送初始化命令
for cmd in INIT_COMMANDS:
s.sendall(cmd.encode("utf-8"))
# 将接收到的数据写入文件
with open(OUTPUT_FILE, "w") as file:
try:
while True:
data = s.recv(1024)
if not data:
break
file.write(data.decode("utf-8", errors="ignore"))
except KeyboardInterrupt:
print("\n用户中断")
最佳实践建议
-
校准流程:在使用此解决方案时,建议先在GazePoint控制软件中完成校准流程,然后再启动PsychoPy实验。
-
数据同步:考虑在实验中添加时间戳同步机制,确保眼动数据与实验事件能够准确对齐。
-
错误处理:增强代码的健壮性,添加适当的错误处理机制,处理网络中断等异常情况。
-
性能考虑:对于长时间运行的实验,考虑定期分割数据文件或实现循环缓冲区,避免内存问题。
总结
GazePoint眼动仪与PsychoPy的集成问题主要源于设备映射配置的缺失。虽然官方已在插件更新中修复此问题,但理解底层原理和掌握替代解决方案对于眼动追踪研究仍然非常重要。通过直接使用GazePoint API或等待官方插件更新,研究人员可以继续他们的眼动追踪实验工作。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
225
251
暂无简介
Dart
672
159
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++
663
319
🎉 (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
1.21 K
657
React Native鸿蒙化仓库
JavaScript
262
325
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868