这个项目用两个 ESP32 + 六轴 IMU 节点采集左右雪板/雪鞋动作，并通过 Web Bluetooth 在 index.html 中实时展示：
- 左右立刃角
- 左右同步分
- 左右承重估计
- 左右脚掌承重点估计
- 换刃次数
- 当前阶段：静止、平板、左刃、右刃、换刃
- 双雪板 3D 姿态
- 左右立刃角历史曲线
- JSONL 数据记录导出
每个节点包含：
- ESP32-C3 / ESP32-C5 开发板
- ICM-42670-P 六轴 IMU
- 可选 SHTC3 温湿度传感器
- 电池供电模块
安装位置建议：
- 想判断立刃、换刃、双板平行：优先固定在左右雪板上。
- 想判断脚踝动作：固定在左右雪鞋上。
- 想判断核心发力/上身稳定：建议后续增加腰部或胸口 IMU。
打开 esp32_c5_data_reader.ino。
左板烧录前保持：
#define SKI_SENSOR_SIDE "L"右板烧录前改成：
#define SKI_SENSOR_SIDE "R"然后分别烧录到两块 ESP32。
如果安装方向导致角度符号反了，可以改：
#define SKI_EDGE_SIGN 1.0f
#define SKI_PITCH_SIGN 1.0f调试方法：
- 左右板平放后点击网页“静止校准”。
- 用手把两块板向同一方向侧倾。
- 如果某一块板的曲线方向和另一块相反，就把那一块固件里的
SKI_EDGE_SIGN改成-1.0f后重新烧录。
在 Arduino IDE 的库管理器中安装：
Adafruit SHTC3ICM42670PNimBLE-Arduino
当前代码使用：
#define I2C_SDA 7
#define I2C_SCL 8如果你的开发板实际接线是 GPIO8/GPIO9，只需要改这里：
#define I2C_SDA 8
#define I2C_SCL 9校准分两步。
第一步是上电自动陀螺仪零偏校准：
- 给 ESP32 上电。
- 保持节点静止约 2 秒。
- 串口会输出
gyro_bias_x/y/z。
第二步是网页静止姿态校准：
- 打开
index.html。 - 分别点击“连接左板”“连接右板”。
- 把左右雪板/雪鞋平放、平行、静止。
- 点击“静止校准”。
- 网页显示“已校准”后，当前姿态会被作为
0°立刃角基准。
这一步很重要。否则传感器粘贴角度、绑带歪斜、雪板平放误差都会直接体现在立刃角里。
Web Bluetooth 通常要求安全上下文。推荐用本地 HTTP 服务打开：
python3 -m http.server 8000然后在 Chrome 中访问：
http://localhost:8000/index.html
实时采集页面：
index.html：连接左右 ESP32，实时显示动作和导出日志。
轨迹回放页面：
replay.html：加载 JSONL 日志，回放左右立刃角、动作阶段、同步分和估算滑行路径。- 默认会尝试加载
ski_imu_log_1777385783530.jsonl。 - 也可以把任意 JSONL 日志拖到页面左侧区域，或通过文件选择器打开。
- 教练标注支持设置动作窗口、动作类型、动作质量、错误类型和备注，也可以导入已有
labels.json后继续编辑、删除、清空和重新导出。
仓库里新增了 android/ Android 工程，用 WebView 复用 index.html / replay.html 的界面和算法，并用原生 BLE 替代 Web Bluetooth：
- 采集页点击“连接左板 / 连接右板”会扫描
SKI-IMU-L/SKI-IMU-R设备。 - 点击“开始记录”后，每条 BLE 数据都会立刻追加保存到 App 私有目录的 JSONL 文件。
- 点击“回放日志”可以直接加载本机最新日志，不需要先导出再导入。
- 点击“导出日志”会把当前记录拆成训练 ZIP 包并保存到手机
Downloads/。
用 Android Studio 打开 android/ 目录，等待 Gradle 同步后运行到手机即可。构建时会自动把仓库根目录的 index.html 和 replay.html 复制到 App assets。
命令行构建：
cd android
gradle assembleDebug需要 Android SDK、Android Gradle Plugin 和一台支持 BLE 的 Android 手机。首次运行要允许蓝牙权限；Android 11 及以下还需要位置权限才能扫描 BLE。
手机导出的训练 ZIP 包包含：
metadata.json：记录名称、开始时间、文件清单和传感器摘要。raw_imu.jsonl：原始 IMU 数据。features.jsonl：手机端规则算法生成的特征快照。labels.json：空标注文件，供电脑端替换。source_log.jsonl：完整原始日志备份。
电脑标注流程：
- 解压训练 ZIP，或者从 ZIP 中取出
source_log.jsonl/raw_imu.jsonl。 - 用本地 HTTP 服务打开
replay.html。 - 加载日志，播放或拖动时间轴，设置起点/终点并添加动作标签。
- 导出
labels.json。如果后续要修改，可以再导入这个labels.json继续编辑。
训练特征模型：
python tools/train_feature_model.py path/to/session_training.zip path/to/session_labels.json --output models/feature_model也可以传入一个目录，脚本会扫描里面的训练 ZIP、已解压训练包目录和 labels.json：
python tools/train_feature_model.py path/to/training_data --output models/feature_model脚本会输出：
feature_model.json：无第三方依赖的最近质心特征模型，可作为手机低频推理的第一版模型格式。metrics.json：训练集或按记录留一验证的准确率和混淆矩阵。training_samples.csv：每个标注窗口聚合后的训练样本，方便人工检查特征和标签。
ESP32 串口会输出完整 JSON，方便调参和离线分析；BLE 会发送精简 JSON，避免 Web Bluetooth 通知包过长。
{
"id": "L",
"t": 12.34,
"tp": 24.8,
"h": 41.2,
"ax": 0.01,
"ay": 0.02,
"az": 1.00,
"gx": 0.4,
"gy": 0.1,
"gz": -0.2,
"am": 1.002,
"gm": 0.6,
"r": 0.012,
"p": -0.006,
"y": 0.040,
"ed": 8.4,
"pd": -1.2,
"yd": 2.3,
"rr": 36.5,
"ph": "EDGE_CHANGE",
"ec": 3,
"cal": 1,
"imu": 1
}{
"id": "L",
"t": 12.3,
"tp": 24.8,
"ed": 8.4,
"pd": -1.2,
"rr": 36.5,
"pr": -12.0,
"am": 1.04,
"gm": 38.1,
"ph": "EDGE_CHANGE",
"ec": 3,
"cal": 1,
"imu": 1
}字段含义：
id：节点身份，L左板，R右板ed：相对静止校准零点的立刃角，单位度pd：相对零点的俯仰角，单位度yd：短期航向角，单位度，六轴 IMU 会漂移，只作参考rr：Roll 角速度，单位度/秒pr：Pitch 角速度，单位度/秒，用于辅助判断脚掌前后承重点可信度am：加速度模长，单位 g，用于辅助估算承重趋势ph：单板阶段，STILL、FLAT、LEFT_EDGE、RIGHT_EDGE、EDGE_CHANGEec：换刃次数cal：是否完成静止姿态校准imu：IMU 是否初始化成功
两个六轴 IMU 可以较可靠地判断：
- 立刃角
- 换刃时机
- 左右板是否同步
- 哪只脚更可能承重，以及左右承重转移趋势
- 脚掌承重点大概偏前掌/脚心/后跟，以及偏左侧刃/右侧刃
- 是否长时间平板滑
- 左右板角度明显分离
两个六轴 IMU 不能直接准确判断：
- 人体核心是否真正发力
- 精确重心位置
- 长时间准确航向角
- 准确速度
- 真实脚底压力或精确公斤力
- 真实足底压力中心
如果要继续做“核心发力、屈膝折叠、上身是否带转、重心横移”，建议增加第三个 IMU 到腰部或胸口。
页面里的“承重估计”是由立刃角、加速度模长、Roll 角速度和外板经验规则推算出的趋势值，不等同于压力传感器测得的真实压力。 页面里的“脚掌承重点估计”主要由 Pitch 角、立刃角和角速度推算，只适合观察趋势，不适合做精确鞋垫压力分析。