基于ESP32-S3的边缘AI手势识别与交互系统产品系统

本项目面向智能穿戴设备、无接触人机交互（如智能家居控制、VR/AR辅助输入）等场景。传统按键或触摸交互在特定场景存在局限性，本系统通过捕捉用户的轻量级手部挥动动作（上下左右、画圈等），实现隔空控制。系统基于本地MCU进行边缘计算，具有低延迟、无需联网、隐私安全等优势，可广泛应用于无障碍辅助设备及创客教育领域。

系统包含完整的端侧数据采集、特征工程与AI推理全链路功能：

硬件驱动：基于ESP-IDF开发I2C传感器（ADXL345/MPU6050）驱动，实现50Hz高频数据采集。

数据预处理：内置传感器零点校准、方向自适应反转及数字滤波功能。

算法推理：自主实现轻量级KNN分类器，替代传统庞大的AI黑盒，在MCU端直接完成手势识别。

反馈与交互：集成WS2812 RGB灯效模块，针对不同手势实时输出不同颜色的视觉反馈；支持串口双模式（采集/识别）切换。

配套上位机工具：提供Python编写的自动化数据采集、模型训练及C代码一键导出脚本。

我负责全流程的架构设计与代码实现。
技术栈：ESP-IDF、C/C++、FreeRTOS、Python、Scikit-learn。
亮点与难点：

放弃臃肿的第三方AI SDK（如Edge Impulse），自研特征工程（提取均值、方差、峰值方向），结合KNN算法，极大降低了内存占用，使轻量级MCU也能流畅运行AI模型。

解决了受限设备的内存崩溃问题：合理配置堆栈，启用外置PSRAM并优化动态内存分配。

攻克了硬件方向适配问题：通过算法实现软件级零点校准和轴方向自适应，屏蔽了不同批次传感器安装方向不一致带来的干扰。