1. 产品简介

Gravity：AI 姿势&手势传感器是一款支持离线 AI 推理的视觉交互传感器，集成手部关键点识别、人体骨架识别能力，可实现手势识别、姿势识别和自定义动作学习。

传感器可通过配套上位机软件进行手势和姿势学习。用户连接电脑后，即可按照软件提示完成动作采样，并将学习结果保存到传感器本地。学习完成后，设备可脱离电脑，通过 I2C/UART 与 Arduino、ESP32、micro:bit 等主控通信，实现个性化体感交互。

设备的 AI 推理在本地离线完成，无需联网，识别数据无需上传云端，可有效降低隐私泄漏风险。37×37mm 的紧凑尺寸、Gravity 接口、Type-C 调试配置接口以及低功耗设计，让它适合快速原型开发、教学演示和嵌入式交互项目。

三种识别模式，灵活覆盖不同场景

传感器提供三种识别模式，可通过上位机软件或通信指令进行切换。

• 手部关键点识别模式：追踪手部 21 个关键点，识别帧率约 5 FPS，建议识别距离 0.1~1m（建议 0.5m），适合近距离手势交互。
• 人体骨架识别模式：追踪人体 17 个关键点，支持多人同时识别，帧率约 10 FPS，建议识别距离 2~4m（建议 2m），适合全身姿态识别。
• 固定手势分类模式：内置 13 种常用固定手势，上电即可识别，适合快速项目验证。

一键学习，所想即所得

搭配上位机软件，可完成静态手势和姿势的学习、命名、管理和删除。学习结果可删除和重新学习，记录保存在本地闪存中，掉电不丢失。注：仅支持静态姿势学习，不支持动态动作（如挥手轨迹）识别。

用户可将举手、站立等特定静态姿势，或自定义手势设置为触发条件，用于控制灯光、机器人、音乐、互动装置或其他创意项目。

低功耗，小体积，部署更自由

传感器工作电流典型值约 40mA@3.3V，睡眠电流低至 37μA@3.3V，并提供 WAKEUP 引脚用于低功耗唤醒，适合间歇工作型电池供电项目。37×37mm 的紧凑 PCB 尺寸，便于嵌入小型机器人、桌面设备和互动装置。

接口丰富，兼容主流生态

硬件支持 I2C/UART 通信，并集成标准 Gravity 接口，可方便接入 DFRobot Gravity 生态。供电电压支持 3.3V~5V，通信电平为 3.3V，适用于 Arduino UNO、micro:bit、ESP32 等常见主控平台。Type-C 接口用于供电、调试、参数配置和连接上位机软件。

软件支持，低门槛上手

配套上位机软件提供可视化操作界面，可查看识别状态、关键点信息、当前工作模式和已学习动作，支持模式切换、自定义动作学习、动作命名与删除。

产品提供 Arduino IDE 用户库，可通过 API 读取识别结果、关键点数据和自定义动作 ID。目前也支持MakeCode库。

2. 产品特性

• 支持人体骨架识别、手部关键点识别和固定手势分类。
• 支持自定义姿势/手势学习，可同时存储 8 个姿势和8个手势。
• 支持低功耗模式，睡眠电流仅37μA，可通过 WAKEUP 引脚唤醒。
• 支持 I2C/UART 通信，兼容 Arduino、ESP32、micro:bit 等主控。
• 支持 Type-C 调试和上位机软件配置。
• 本地离线 AI 推理，无需联网。
• 通过CE-EMC/RoHS认证。

3. 应用场景

• 智能家居非接触控制
• 机器人交互
• 互动艺术装置
• 手势音乐盒
• 光影互动控制
• 虚拟角色简易动作触发
• STEAM 教育与创客项目

4. 技术规格

电源参数

接口参数

识别参数

物理尺寸

5. 功能示意图

6. 产品尺寸图

单位：mm

7. 核心功能简介

传感器支持 3 种识别模式 + 一键学习功能，如下，这里简单介绍下每种模式的功能及注意事项。

7.1. 自定义姿势识别

基于 17 个人体关键点（头部、肩部、肘部、手腕、髋部、膝盖、脚踝等），支持单人全身的静态姿势识别。可学习专属趣味姿势，例如伸懒腰、金鸡独立、举手等自定义姿态，适用于互动游戏、非接触式控制、智能交互等场景。

注意事项：

• 最佳识别距离：2 米，尽量保证人体完整出现在摄像头画面中，关键点数据越多识别越准确。
• 同一时间仅支持学习一个人的姿势，但可以识别多个人的骨架数据。
• 复杂姿势建议多次学习取最优结果，可通过调节相似度提升识别准确率。
• 传感器可输出 17 个关键点的实时坐标，您也可以基于坐标自行计算关节角度实现更复杂的姿势判断。

7.2. 自定义手势识别

基于21个人体手势关键点来识别，支持用户学习并保存最多 8 个专属自定义手势，数据存储在板载 Flash 中，掉电不丢失。可自由调节手势识别相似度阈值，支持随时删除、重新学习手势，满足个性化交互需求。

注意事项：

• 单手势学习时间建议保持 3~5 秒，学习时保持手势清晰、无遮挡
• 识别相似度阈值建议设置在 70%-80%，过低易误识别，过高难触发
• 同一时间仅支持识别和学习一只手的手势。
• 复杂手势建议多次学习取最优结果，可通过调节相似度提升识别准确率。
• 传感器可输出 21 个关键点的实时坐标，您也可以基于坐标自行计算关节角度实现更复杂的手势判断。

7.3. 固定手势识别

传感器内置 13 种通用固定手势，无需提前训练，上电即可直接调用识别，适合快速搭建基础手势交互项目。支持识别喜欢、不喜欢、OK、数字 1-5、停止等常用手势。

注意事项：

• 该功能仍处于测试阶段，识别精度有待提高。我们正在持续优化AI模型中。
• 该功能识别时对背景环境要求较高，白色干净背景下识别效果较好，复杂背景环境下识别效果较差。

7.4. 学习功能

传感器的学习功能是实现自定义手势、自定义姿势识别的核心底层能力，所有训练过程均在传感器本地离线完成，无需联网或云端计算，零基础也能快速上手。

注意事项：

• 环境要求：学习需在光线充足均匀的环境下进行，避免逆光、强光直射或昏暗环境，背景尽量简洁，减少无关物体和人员干扰
• 动作要求：学习时保持动作稳定标准，不要晃动或有多余小动作，确保传感器能完整捕捉手势 / 姿势的核心特征
• 区分度原则：不同自定义手势 / 姿势之间的差异要足够明显，避免特征相似导致交叉误识别
• 存储限制：最多同时保存 8 个自定义姿势和8个自定义手势，数量受板载 Flash 容量限制，建议按需保存
• 状态提示：学习过程中传感器有学习失败提示，请按照提示进行相关操作。

8. 上位机使用教程

本教程旨在使用户了解传感器功能之后，可通过配套的上位机软件来快速体验传感器的核心功能。

8.1 硬件准备

• Gravity: AI 姿势和手势传感器 (SKU: SEN0670) ×1
• USB Type-C 线 ×1
• PC ×1

8.2 软件准备

• 下载 SEN0670 上位机软件: SEN0670_上位机软件.zip
• 下载 CH343 驱动: CH343 驱动.zip

8.3 硬件连接

8.4 操作步骤

1. 下载SEN0670_上位机软件，保存至本地文件夹，并解压，如下图所示找到 .exe文件。
   

2. 双击.exe文件，运行上位机，可以看到下图中的上位机界面。可修改显示语言为中文。
   

3. 连接好传感器设备之后，上位机端口会自动识别设备端口号。因此只需点击打开按钮。即可看到传感器摄像头识别画面和数据，如下图所示。
   
   上位机核心功能如下：

   ①	摄像头显示区	查看摄像头画面。
   ②	实时数据区	输出传感器推理数据：手势识别数据（"hand_keypoints": []）或姿势识别数据（"pose_keypoints": []），可一键复制。
   ③	模式选择	可切换姿势识别、手势识别或手势分类识别功能。
   ④	学习按键	学习摄像头画面中识别到的手势或姿势，可自定义命名，最多同时可学习自定义8个手势和8姿势。
   ⑤	清除按键	清除学习的全部手势或姿势。
   ⑥	学习内容区	显示已学手势或姿势的ID和名称等信息，并支持重命名或删除指定的学习内容。

4. 上位机默认为手势识别模式。如下图所示，任意摆出一个手势，传感器将会进行识别，输出对应姿势的ID为0，置信度为93，并且输出该手势的21个关键点实时数据。
   

5. 接下来选择姿势识别模式，传感器无需断电，即时生效。如下图所示，任意摆出一个姿势，传感器将会进行识别，输出对应姿势的ID为0，置信度为90，并且输出该姿势的17个关键点实时数据。
   

6. 最后体验固定手势识别模式。如下图所示，根据右侧图片中的手势类型，摆出任意一个手势，传感器会识别对应手势的ID和名称。
   
   注意：该模式仍处于测试阶段，识别精度目前有限。尤其是在复杂背景下识别效果较差，例如白色干净背景识别效果较好。

7. 学习操作：以手势识别为例，姿势识别操作相同。切换到手势识别模式。
   当摄像头画面识别到自定义的手势，点击学习按键，此次手势保持静止3~4秒，直到完成学习，此时手势的颜色有变化。
   

   手势 / 姿态识别 ID 规则

   • 初始状态 ID=0，代表系统识别到未录入、未训练的手势或姿态动作。
   • 手势训练完成后，已录入动作会展示在训练列表中，并自动分配独立 ID：初始训练 ID 默认从 1 开始顺序递增，系统最多支持录入 8 组手势/姿势，ID 取值范围为 1～8。
   • 系统识别到已训练完成的动作时，会同步回传该动作对应的 ID 与自定义名称。
   • 手势默认命名格式为 Gesture_1、Gesture_2……；支持用户自定义修改名称（仅允许字符格式），修改保存后立即生效。

   例如重命名为like，保存之后再次做出相同的手势，如下图所示。该手势识别信息为 ID:1 like, 与定义的手势相似度为88。则此手势学习成功。
   
   重复以上操作可让传感器学习更多自定义手势或姿势。而已学习手势或姿势的ID号或ID名称可用于主机端进行获取并写对应的执行程序。

   上位机使用需注意：

   1. 清除按键请慎重操作，按下则会清除手势的或姿势的全部学习内容。
   2. 手势识别最佳距离为50~60cm；姿势识别最近距离为2m。

8. 上位机其他功能介绍，点击设置按钮。
   
   支持以下功能

   1. 固件升级：更新固件
   2. UART 波特率：设置UART接口的通讯波特率
   3. 关于：查看产品相关信息

9. Arudino使用教程

9.1 硬件准备

• Gravity: AI 姿势和手势传感器 (SKU: SEN0670) ×1
• Firebeetle 2 ESP32-E（SKU: DFR0654）
• USB Type-C 线 ×1
• PC ×1

9.2 软件准备

• 编程环境：点击下载Arduino IDE
• 下载并安装传感器库：DFRobot_HumanPose
• 请点击此处查看：如何安装库？

9.3 接线图

1. I2C连接方式（后续示例均采用I2C通信）

连接说明：

2. UART连接方式

连接说明：

注意：

• 传感器默认出厂通讯方式为I2C，若需要切换为UART，可通过板载的拨码开关切换通讯方式。
• 切换之后，传感器要重新上电方能生效。

9.4 Arduino平台示例

1. 自定义手势识别

开始本例程之前，请确保传感器已通过上位机软件进行自定义手势学习。若没有提前学习，则传感器识别为未知手势。

示例代码:

#include <DFRobot_HumanPose.h>

// 默认使用I2C通信
const uint8_t I2C_ADDR = 0x3A;
DFRobot_HumanPose_I2C humanPose(&Wire, I2C_ADDR);

void setup()
{
  Serial.begin(115200);

  // 1. 初始化传感器
  while (!humanPose.begin()) {
    Serial.println("传感器初始化失败，请检查接线！");
    delay(1000);
  }
  Serial.println("传感器初始化成功！");

  // 2. 设置为“手部检测”模式
  humanPose.setModelType(DFRobot_HumanPose::eHand);
}

void loop()
{
  // 3. 获取检测结果
  if (humanPose.getResult() == DFRobot_HumanPose::eOK) {
    // 遍历所有检测到的手/手势
    while (humanPose.availableResult()) {
      Result *result = humanPose.popResult();
      if (result) {
        // 判断逻辑：id=0 是未学习，id≠0 是已学习
        if (result->id == 0) {
          Serial.println("【未学习手势】");
        } else {
          Serial.print("【已学习手势】名称: ");
          Serial.println(result->name); // 已学习的打印名称
        }
        
        // 打印通用信息：置信度、位置
        Serial.print("置信度: "); Serial.println(result->score);
        Serial.print("位置: 左="); Serial.print(result->xLeft);
        Serial.print(" 上="); Serial.print(result->yTop);
        Serial.print(" 宽="); Serial.print(result->width);
        Serial.print(" 高="); Serial.println(result->height);
        Serial.println("------------------------");
      }
    }
  }

  delay(100); // 延时100ms，避免刷屏
}

运行结果：

传感器自动对手势进行识别，可区分已学习手势和未学习手势。

2. 自定义姿势识别

开始本例程之前，请确保传感器已通过上位机软件进行自定义姿势学习。若没有提前学习，则传感器识别为未知姿势。

示例代码：

#include <DFRobot_HumanPose.h>

const uint8_t I2C_ADDR = 0x3A;   // 默认使用I2C通信
DFRobot_HumanPose_I2C humanPose(&Wire, I2C_ADDR);

void setup()
{
  Serial.begin(115200);

  // 1. 初始化传感器
  while (!humanPose.begin()) {
    Serial.println("传感器初始化失败，请检查接线！");
    delay(1000);
  }
  Serial.println("传感器初始化成功！");

  // 2. 设置为“人体姿态检测”模式
  humanPose.setModelType(DFRobot_HumanPose::ePose);
}

void loop()
{
  // 3. 获取检测结果
  if (humanPose.getResult() == DFRobot_HumanPose::eOK) {
    // 遍历所有检测到的目标
    while (humanPose.availableResult()) {
      Result *result = humanPose.popResult();
      if (result) {
        // 统一打印前缀
        if (result->id == 0) {
          Serial.print("【未学习姿态/人体】");
        } else {
          Serial.print("【已学习姿态】");
        }
        
        // 统一打印 ID、名称
        Serial.print(" ID: ");
        Serial.print(result->id);
        Serial.print(" | 名称: ");
        if (result->id == 0) {
          Serial.println("unknown"); // 未学习统一显示 unknown
        } else {
          Serial.println(result->name); // 已学习显示实际名称
        }
        
        // 打印通用信息：置信度
        Serial.print("置信度: ");
        Serial.println(result->score);
        Serial.println("------------------------");
      }
    }
  }

  delay(100); // 延时100ms，避免刷屏
}

运行结果：

传感器自动对姿势进行识别，可区分已学习姿势和未学习姿势。

3. 固定手势识别

注意：该功能还处于测试阶段，AI模型识别精度有限。我们正在优化该功能中

固定手势列表如下:

代码中设置传感器为固定手势识别模式，可识别上图中的固定手势，串口则会打印对应的数字ID，例如检测到“OK“手势，会打印对应的ID "9"。不在上图中的手势，均打印为未检测到有效手势。

示例代码：

#include <DFRobot_HumanPose.h>

// 选择通信方式：默认使用I2C（接线最简单）
#define HUMANPOSE_COMM_I2C

#if defined(HUMANPOSE_COMM_I2C)
// I2C默认地址0x3A，无需修改
const uint8_t I2C_ADDR = 0x3A;
DFRobot_HumanPose_I2C humanPose(&Wire, I2C_ADDR);
#else
#error "请先定义通信方式（推荐I2C）"
#endif

// 无目标提示间隔（单位：毫秒），默认1000ms=1秒，避免刷屏
const unsigned long NO_TARGET_INTERVAL = 1000;
// 记录上次打印无目标提示的时间
unsigned long lastNoTargetTime = 0;

void setup()
{
  Serial.begin(115200);

  // 初始化传感器
  while (!humanPose.begin()) {
    Serial.println("传感器初始化失败，请检查接线！");
    delay(1000);
  }
  Serial.println("传感器初始化成功！");
  Serial.println("请在传感器前方做出手势~");
  Serial.println("------------------------");

  // 设置为固定手势识别模式
  humanPose.setModelType(DFRobot_HumanPose::eGesture);
}

void loop()
{
  // 获取识别结果
  if (humanPose.getResult() == DFRobot_HumanPose::eOK) {
    bool hasTarget = false;

    // 遍历所有检测到的手势
    while (humanPose.availableResult()) {
      Result *result = humanPose.popResult();
      if (result) {
        hasTarget = true;
        // 打印手势核心信息
        Serial.print("手势ID: "); Serial.print(result->id);
        Serial.print(" | 名称: "); Serial.print(result->name);
        Serial.print(" | 置信度: "); Serial.println(result->score);
        Serial.print("位置: 左="); Serial.print(result->xLeft);
        Serial.print(" 上="); Serial.print(result->yTop);
        Serial.print(" 宽="); Serial.print(result->width);
        Serial.print(" 高="); Serial.println(result->height);
        Serial.println("------------------------");
      }
    }

    // 关键修改：没有检测到目标时，按间隔打印提示
    if (!hasTarget) {
      unsigned long now = millis();
      if (now - lastNoTargetTime >= NO_TARGET_INTERVAL) {
        Serial.println("未检测到有效手势");
        Serial.println("------------------------");
        lastNoTargetTime = now; // 更新上次提示时间
      }
    }
  } else {
    // 可选：添加传感器读取超时提示（一般不用，除非接线松动）
    // Serial.println("传感器读取超时");
  }

  delay(100);
}

运行结果：

比出上图中的任意手势，传感器能有效识别并打印对应的ID。

4. 获取手势学习列表

已学习的自定义手势或姿势可通过上位机软件查看列表，也可以通过本示例来查看。使用本例程前，请确保已在上位机上进行传感器自定义手势学习。

示例代码：

#include <DFRobot_HumanPose.h>

// I2C 固定配置
const uint8_t I2C_ADDR = 0x3A;
DFRobot_HumanPose_I2C humanPose(&Wire, I2C_ADDR);

void setup()
{
  Serial.begin(115200);

  // 初始化传感器
  while (!humanPose.begin())
  {
    Serial.println("传感器连接失败...");
    delay(1000);
  }
  Serial.println("传感器连接成功\n");

  // 设置为手部检测模式（如需读取姿态列表，改成 ePose 即可）
  humanPose.setModelType(DFRobot_HumanPose::eHand);

  // 获取已学习列表
  LearnList list = humanPose.getLearnList(DFRobot_HumanPose::eHand);

  Serial.println("===== 已学习列表 =====");
  for (int i = 0; i < list.size(); i++)
  {
    Serial.print("ID：");
    Serial.print(i);
    Serial.print("   名称：");
    Serial.println(list[i].c_str());
  }
}

void loop()
{
  // 无需循环，只读取一次
}

运行结果：

| Arduino UNO R3 主板由于运行内存限制，无法获取完整的学习列表。只能显示学习列表前4个，但识别功能不受影响，若学习了8个自定义手势，都可以识别检测到。

5. 点亮LED灯教程

本例程演示了传感器只有识别到ID为1的手势，才会点亮主板板载的LED灯。

示例代码：

#include <DFRobot_HumanPose.h>

// I2C 通信
const uint8_t I2C_ADDR = 0x3A;
DFRobot_HumanPose_I2C humanPose(&Wire, I2C_ADDR);

void setup() {
  Serial.begin(115200);

  // 初始化传感器
  while (!humanPose.begin()) {
    Serial.println("传感器初始化失败！");
    delay(1000);
  }
  Serial.println("传感器初始化成功！");

  // 设置手部检测模式
  humanPose.setModelType(DFRobot_HumanPose::eHand);

  // 降低误识别：提高置信度门槛
  humanPose.setConfidence(80);
  humanPose.setLearnSimilarity(80);

  // 初始化LED
  pinMode(LED_BUILTIN, OUTPUT);
  digitalWrite(LED_BUILTIN, LOW);
}

void loop() {
  bool ledState = LOW; // 默认关灯

  if (humanPose.getResult() == DFRobot_HumanPose::eOK) {
    while (humanPose.availableResult()) {
      Result *result = humanPose.popResult();
      if (!result) continue;

      // ==========================================
      // ? 只有 ID=1 才亮灯
      // ==========================================
      if (result->id == 1 && result->score >= 80) {
        ledState = HIGH;
        Serial.print("✅ 识别到 ID=1 手势：");
        Serial.println(result->name);
      }
    }
  }

  // 控制LED
  digitalWrite(LED_BUILTIN, ledState);
  delay(100);
}

运行结果：

打开串口监视器并设置波特率为 115200。当传感器识别到已学习列表中 ID=1 的手势，且识别置信度不低于 80 时，主控板上的 LED 灯会点亮，同时串口会输出识别到的手势 ID 和名称。
例如：如果上位机中学习的 ID=1 手势名称为 yes，识别成功后串口会打印：
✅ 识别到 ID=1 手势：yes
当未识别到手势、识别到的手势 ID 不是 1，或置信度低于设定阈值时，LED 灯保持熄灭。

6. 低功耗模式

硬件连接图：

I2C连接方式

连接说明

UART连接方式

连接说明

示例代码：

控制传感器的WAKEUP 引脚，实现低功耗休眠 + 唤醒。

// 传感器 EN/WAKE 引脚接 ESP32-E 引脚 D7
const int WAKEUP_PIN = D7;

void setup() {
  Serial.begin(115200);
  pinMode(WAKEUP_PIN, OUTPUT);  // 设置为输出模式
}

void loop() {
  // 1. 传感器休眠（低功耗）
  digitalWrite(WAKEUP_PIN, LOW);
  Serial.println("传感器已休眠 → 低功耗模式");
  delay(3000);  // 保持休眠3秒

  // 2. 传感器唤醒
  digitalWrite(WAKEUP_PIN, HIGH);
  Serial.println("传感器已唤醒 → 正常工作");
  delay(5000);  // 保持工作5秒
}

运行结果：

打印结果可以看到传感器根据设定的时间进行工作状态切换。

7. 设置 UART 波特率

注意：本例程需要切换为UART 硬件连接方式。

该示例通过传感器默认9600初始波特率完成设备连接，用于一键修改并永久保存传感器UART串口通信波特率，适配不同传输速率使用需求。

示例代码：

#include <DFRobot_HumanPose.h>

// ESP32硬件串口1：RX=25，TX=26，传感器默认9600
DFRobot_HumanPose_UART humanPose(&Serial1, 9600, 25, 26);

void setup() {
  Serial.begin(115200);
  Serial1.begin(9600);
  delay(100);

  while (!humanPose.begin()) {
    Serial.println("连接失败...");
    delay(1000);
  }
  Serial.println("连接成功！");

  // 修改波特率为115200
  humanPose.setBaud(DFRobot_HumanPose_UART::eBaud_115200);
  Serial.println("✅ 波特率已改为 115200 ！");
}

void loop() {
}

运行结果：

该示例只打印一次，打开串口监视器后需要按 RST 查看输出。

10. AT命令教程

常用AT命令如下，更多请到更多资料下载SEN0670_串口通信协议_V.10.pdf。

AT通讯示例：

准备： 传感器通过USB接口连接到电脑，打开sscom类似的串口助手软件。

**注意: **
如果串口返回内容中夹杂乱码或不可见字符，但能看到部分有效字段，说明模块可能当前不是 JSON 文本输出模式。请先发送以下指令切换输出协议：

AT+TPROTO=0

切换成功后，再发送：

AT+ID?

正常情况下会返回 JSON 格式数据，例如：

{"type":0,"name":"ID?","code":0,"code_text":"EL_OK","ok":1,"data":"3343029e"}

11. API 函数

    /**
     * @fn begin
     * @brief 初始化传感器
     * @return 如果初始化成功返回 true，否则返回 false
     */
    bool begin();

    /**
     * @fn getResult
     * @brief 从传感器获取检测结果
     * @return 类型为 `eCmdCode_t` 的状态代码。成功返回 `eOK`，否则返回错误代码。
     * @note 调用此函数后，检测结果将存储在内部结果数组中。
     *       您可以使用 availableResult() 和 popResult() 方法访问结果。
     */
    eCmdCode_t getResult();

    /**
     * @fn setConfidence
     * @brief 设置检测置信度阈值
     *
     * 设置检测被视为有效所需的最小置信度分数。
     * 较高的值会导致更少但更可靠的检测。较低的值允许更多
     * 检测但可能包含误报。
     *
     * @param confidence 置信度阈值值（0-100）。默认值通常为 60。
     * @return 类型为 `eCmdCode_t` 的状态代码。成功返回 `eOK`，否则返回错误代码。
     */
    eCmdCode_t setConfidence(uint8_t confidence);

    /**
     * @fn setIOU
     * @brief 设置交并比（IOU）阈值
     *
     * 设置用于目标检测过程中非极大值抑制的 IOU 阈值。
     * 此参数有助于过滤重叠的检测。
     *
     * @param iou IOU 阈值值（0-100）。默认值通常为 45。
     * @return 类型为 `eCmdCode_t` 的状态代码。成功返回 `eOK`，否则返回错误代码。
     */
    eCmdCode_t setIOU(uint8_t iou);

    /**
     * @fn setModelType
     * @brief 设置检测模型
     *
     * 选择要使用的检测模型。
     *
     * @param model 类型为 `eModel_t` 的模型类型，可能的值包括：
     *              - `eHand` - 手势检测模型
     *              - `ePose` - 人体姿态检测模型
     *              - `eGesture`  - 固定手势分类模型（MODEL 4）
     * @return 类型为 `eCmdCode_t` 的状态代码。成功返回 `eOK`，否则返回错误代码。
     */
    eCmdCode_t setModelType(eModel_t model);

    /**
     * @fn setLearnSimilarity
     * @brief 设置学习目标的相似度阈值
     *
     * 设置用于将检测到的目标与学习目标匹配的相似度阈值。
     * 此参数用于手势识别和学习姿态匹配。
     *
     * @param Similarity 相似度阈值值（0-100）。默认值通常为 60。
     * @return 类型为 `eCmdCode_t` 的状态代码。成功返回 `eOK`，否则返回错误代码。
     */
    eCmdCode_t setLearnSimilarity(uint8_t Similarity);

    /**
     * @fn getConfidence
     * @brief 获取当前检测置信度阈值
     *
     * 检索当前配置的检测置信度阈值。
     *
     * @param confidence 用于存储置信度阈值值的指针（0-100）
     * @return 类型为 `eCmdCode_t` 的状态代码。成功返回 `eOK`，否则返回错误代码。
     */
    eCmdCode_t getConfidence(uint8_t* confidence);

    /**
     * @fn getIOU
     * @brief 获取当前 IOU 阈值
     *
     * 检索当前配置的 IOU 阈值值。
     *
     * @param iou 用于存储 IOU 阈值值的指针（0-100）
     * @return 类型为 `eCmdCode_t` 的状态代码。成功返回 `eOK`，否则返回错误代码。
     */
    eCmdCode_t getIOU(uint8_t* iou);

    /**
     * @fn getLearnSimilarity
     * @brief 获取当前相似度阈值
     *
     * 检索当前配置的相似度阈值值。
     *
     * @param Similarity 用于存储相似度阈值值的指针（0-100）
     * @return 类型为 `eCmdCode_t` 的状态代码。成功返回 `eOK`，否则返回错误代码。
     */
    eCmdCode_t getLearnSimilarity(uint8_t* Similarity);

    /**
     * @fn setKeypointOutput
     * @brief 配置 INVOKE 输出是否包含关键点
     * @param enable 1: 输出关键点, 0: 仅输出边界框
     * @return 类型为 `eCmdCode_t` 的状态代码。
     */
    eCmdCode_t setKeypointOutput(bool enable);

    /**
     * @fn getKeypointOutput
     * @brief 获取当前关键点输出模式
     * @param enable 用于存储 1(含关键点)/0(仅边界框) 的指针
     * @return 类型为 `eCmdCode_t` 的状态代码。
     */
    eCmdCode_t getKeypointOutput(uint8_t *enable);

    /**
     * @fn getLearnList
     * @brief 获取指定模型的学习目标列表
     *
     * 检索指定检测模型的所有学习目标名称列表。
     * 此函数可用于手势识别和姿态学习应用。
     *
     * @param model 类型为 `eModel_t` 的模型类型：
     *              - `eHand` - 获取学习手势列表
     *              - `ePose` - 获取学习姿态列表
     *              - `eGesture`  - 不适用（返回空列表）
     * @return 包含学习目标名称的字符串向量。出错时返回空向量。
     */
    LearnList getLearnList(eModel_t model);

    /**
     * @fn availableResult
     * @brief 检查是否有可用的检测结果
     * @return 如果有可用的检测结果返回 true，否则返回 false
     */
    bool availableResult();

    /**
     * @fn popResult
     * @brief 获取并弹出下一个检测结果
     * @return 指向 Result 对象的指针。如果没有可用结果则返回 NULL。
     * @note 按当前模型分别转换为 PoseResult / HandResult / Result（`eGesture` 使用 Result）。
     *       使用完后，结果会被标记为已使用。
     */
    Result *popResult();

    /**
     * @fn setBaud
     * @brief 设置 UART 波特率
     *
     * 配置 UART 通信波特率。用户可以根据需要选择合适的
     * 波特率，以确保与设备的稳定和有效通信。
     *
     * @param baud 类型为 `eBaudConfig_t` 的波特率配置，可能的值包括：
     *             - `eBaud_9600`  - 9600 波特（UART 默认链路）
     *             - `eBaud_14400` - 14400 波特
     *             - `eBaud_19200` - 19200 波特
     *             - `eBaud_38400` - 38400 波特
     *             - `eBaud_57600` - 57600 波特
     *             - `eBaud_115200`- 115200 波特
     *             - `eBaud_230400`- 230400 波特
     *             - `eBaud_460800`- 460800 波特
     *             - `eBaud_921600`- 921600 波特（高速）
     * @return 如果成功设置波特率返回 true，否则返回 false
     */
    bool setBaud(eBaudConfig_t baud);

    // Result 基类包含以下公共成员：
    uint8_t id;           // 检测目标ID
    uint16_t xLeft;        // 边界框左上角X坐标
    uint16_t yTop;         // 边界框左上角Y坐标
    uint16_t width;        // 边界框宽度
    uint16_t height;       // 边界框高度
    uint8_t score;         // 分数（0-100）：id==0 为检测置信度，id!=0 为与学习目标相似度
    String name;           // 检测目标名称
    bool used;             // 是否已使用标记

    // PoseResult 类（人体姿态检测结果）额外包含以下关键点：
    PointU16 nose;         // 鼻子
    PointU16 leye;         // 左眼
    PointU16 reye;         // 右眼
    PointU16 lear;         // 左耳
    PointU16 rear;         // 右耳
    PointU16 lshoulder;    // 左肩
    PointU16 rshoulder;    // 右肩
    PointU16 lelbow;       // 左肘
    PointU16 relbow;       // 右肘
    PointU16 lwrist;       // 左手腕
    PointU16 rwrist;       // 右手腕
    PointU16 lhip;         // 左髋
    PointU16 rhip;         // 右髋
    PointU16 lknee;        // 左膝
    PointU16 rknee;        // 右膝
    PointU16 lankle;       // 左踝
    PointU16 rankle;        // 右踝

    // HandResult 类（手势检测结果）额外包含以下关键点：
    PointU16 wrist;        // 手腕
    PointU16 thumbCmc;     // 拇指CMC
    PointU16 thumbMcp;     // 拇指MCP
    PointU16 thumbIp;      // 拇指IP
    PointU16 thumbTip;     // 拇指指尖
    PointU16 indexFingerMcp;   // 食指MCP
    PointU16 indexFingerPip;   // 食指PIP
    PointU16 indexFingerDip;   // 食指DIP
    PointU16 indexFingerTip;   // 食指指尖
    PointU16 middleFingerMcp; // 中指MCP
    PointU16 middleFingerPip; // 中指PIP
    PointU16 middleFingerDip; // 中指DIP
    PointU16 middleFingerTip; // 中指指尖
    PointU16 ringFingerMcp;   // 无名指MCP
    PointU16 ringFingerPip;   // 无名指PIP
    PointU16 ringFingerDip;   // 无名指DIP
    PointU16 ringFingerTip;   // 无名指指尖
    PointU16 pinkyFingerMcp; // 小指MCP
    PointU16 pinkyFingerPip; // 小指PIP
    PointU16 pinkyFingerDip; // 小指DIP
    PointU16 pinkyFingerTip; // 小指指尖

12. 产品资料

• SEN0670_电路原理图_V1.0.pdf
• SEN0670_尺寸图.png
• SEN0670_CAD图.zip
• SEN0670_STP文件.zip
• SEN0670_串口通信协议_V.10.pdf
• SEN0670-CE EMC.pdf
• SEN0670-CE ROHS.pdf

13. 常见问题

1. Q：上位机软件支持哪些电脑系统？
   A：经测试验证，目前支持Win10/Win11系统。

2. Q：CH343P的驱动是否必须需要安装?
   A：Windows 10/11 多数情况下可自动安装，若自动安装失败或显示为“未知设备”，需手动安装。

14. 更多

还没有客户对此产品有任何问题，欢迎通过qq或者论坛联系我们！

更多问题及有趣的应用，可以 访问论坛 进行查阅或发帖。

DFRobot商城购买链接