SuperAPI AI 工具集

ruview-applications

数据与分析

查看项目

更新于 10-16 04:04

技能介绍

RuView Applications 是 RuView 传感应用的使用指南,说明 RuView 能感知什么以及如何运行每个应用。使用前提是已具备 Docker 演示环境(模拟 CSI)或实时 ESP32 接收端(参见 ruview-quickstart / ruview-hardware-setup)。

应用目录

存在/占用:穿墙检测人员、计数、跟踪进出(训练模型 + PIR 融合,约 0.012 ms 延迟)。入口:sensing-server live 模式;examples/environment/。

生命体征:呼吸 6–30 BPM(带通 0.1–0.5 Hz),心率 40–120 BPM(带通 0.8–2.0 Hz),睡眠/静坐时非接触测量。入口:wifi-densepose-vitals crate(ADR-021);examples/medical/。

活动识别:行走、坐下、手势、跌倒——基于时序 CSI 模式。入口:RuvSense gesture.rs(DTW)、pose_tracker.rs;scripts/gait-analyzer.js。

姿态估计:通过 WiFlow 架构输出 17 个 COCO 关键点;双模态摄像头+WiFi 融合演示。入口:cargo run -p wifi-densepose-sensing-server + pose-fusion 演示(ADR-059);训练参见 ruview-model-training。

睡眠监测:整夜监测、睡眠分期分类、呼吸暂停筛查。入口:examples/sleep/;scripts/apnea-detector.js。

环境建图:RF 指纹识别房间、检测家具移动、发现新物体。入口:sensing-server --build-index env;RuvSense field_model.rs、cross_room.rs。

大规模伤亡评估(MAT):灾难幸存者检测——在废墟/烟雾中寻找人员。入口:wifi-densepose-mat crate;docs/wifi-mat-user-guide.md;examples/medical/。

3D 点云(可选融合):摄像头深度(MiDaS)+ WiFi CSI + 毫米波雷达 → 统一空间模型(约 22 ms,每帧 19K+ 点)。入口:scripts/mmwave_fusion_bridge.py;ADR-094(GitHub Pages 部署)。

新型 RF 应用:被动雷达、材料分类、设备指纹识别、最小割人数统计。入口:scripts/passive-radar.js、material-classifier.js、device-fingerprint.js、mincut-person-counter.js(ADR-077/078)。

快速配方

Docker 演示——全部功能,模拟 CSI

docker run -p 3000:3000 ruvnet/wifi-densepose:latest # http://localhost:3000

实时传感服务器(消费 ESP32 UDP CSI)

cd v2 && cargo run -p wifi-densepose-sensing-server

实时 RF 房间扫描(Cognitum Seed 在 :5006)

node scripts/rf-scan.js --port 5006 node scripts/snn-csi-processor.js --port 5006

嵌入训练好的模型 + 构建环境索引

cd v2 cargo run -p wifi-densepose-sensing-server -- --model model.rvf --embed cargo run -p wifi-densepose-sensing-server -- --model model.rvf --build-index env

Python 实时演示

python examples/ruview_live.py

频谱图 / 图可视化器

node scripts/csi-spectrogram.js node scripts/csi-graph-visualizer.js

选择合适模态

穿墙、无视线 → 存在 + 活动;预期深度 ≤5 m(菲涅尔区几何)。

人员静止(睡眠/静坐)→ 生命体征(先呼吸,心率需要更干净信号)+ 睡眠分期。

需要骨架 → 姿态(WiFlow)。无摄像头可用但效果一般;摄像头监督可达 92.9% PCK@20——需训练(ruview-model-training)。

搜救 → MAT(docs/wifi-mat-user-guide.md)。

“这个房间发生了什么变化?” → 环境建图 / RF 指纹索引。

最佳空间精度 → 2 个以上 ESP32 节点 + 跨视角融合(ruview-advanced-sensing),可选 + Cognitum Seed。

示例目录地图

examples/environment/ · examples/medical/ · examples/sleep/ · examples/stress/ · examples/happiness-vector/ · examples/ruview_live.py——每个都有 README。

参考

README.md——功能矩阵、延迟/吞吐量数字

docs/user-guide.md、docs/wifi-mat-user-guide.md

ADR:021(生命体征)、024(AETHER 对比嵌入)、027(MERIDIAN 域泛化)、041(边缘模块)、059(实时 ESP32 流水线)、077/078(新型 RF 应用)、082(姿态跟踪器输出滤波)、094(点云)

RuvSense 模块:v2/crates/wifi-densepose-signal/src/ruvsense/(14 个模块)