智能手语手套：柔性传感器 + 加速度计 + 蓝牙将手势转文字/语音

项目使命

旨在帮助听障/语障儿童通过美国手语 (ASL) 与常人无障碍沟通。手套集成 5 根柔性弯曲传感器（五指各一）与 ADXL335 三轴加速度计（腕部姿态），Arduino Micro 采集模拟量并映射为字母/词汇，经 HC-05 蓝牙传输至 PC/手机显示文字并合成语音播报。低成本（约 ¥6000，量产可降 50%）、低功耗、佩戴舒适。

系统架构

发射端（手套）

• 5× 柔性传感器：阻值随弯曲角度变化 (约 10k~100kΩ)，接分压电路（配 10k/22k 固定电阻）输出 0~3.3V 模拟电压，接 Arduino A0~A4。
• ADXL335 加速度计：X/Y/Z 三轴模拟输出接 A5~A7，识别涉及腕部旋转/翻转的手势（如 J、Z 等动态字母）。
• Arduino Micro (Pro Micro)：ADC 采样 → 手势识别算法 → 串口发送字符 → HC-05 透传。
• HC-05 蓝牙模块：从机模式，波特率 9600，配对后自动连接。
• 电源：3.7V 锂电池 + Boost 5V 供 Micro/传感器，或直接 3.3V 供电 (Micro 3.3V 版本)。

接收端

• PC 运行 Python/Processing 脚本监听串口，实时显示字母、拼词、语音合成 (pyttsx3 / Web Speech API)。
• 或 Android App (MIT App Inventor) 接收蓝牙 SPP 数据，同步显示与 TTS 播报。

手势识别流程

1. 采样：100 Hz 读取 8 通道 ADC (5 指弯曲 + 3 轴加速度)。
2. 预处理：滑动窗口均值滤波、归一化到 0~1。
3. 特征向量：8 维向量代表一个手势快照。
4. 分类：预存标准手势模板库（每字母多样本均值），计算欧氏距离/余弦相似度，最近邻匹配。
5. 后处理：连续相同识别结果计数 > N 次才确认输出，防抖；引入上下文语言模型纠错（可选）。

关键代码片段

const int FLEX_PINS[5] = {A0, A1, A2, A3, A4};
const int ACC_PINS[3] = {A5, A6, A7};
float flexCalib[5][2]; // [min, max] 校准区间

void calibrate() {
  // 启动时引导用户做“全伸直”、“全握拳”动作，记录每指 min/max
}

float readFlexNorm(int i) {
  int raw = analogRead(FLEX_PINS[i]);
  return constrain(map(raw, flexCalib[i][0], flexCalib[i][1], 0, 1000), 0, 1000) / 1000.0;
}

char recognizeGesture(float feat[8]) {
  float bestDist = 1e9; char bestChar = '?';
  for (auto &tmpl : templates) { // templates: map
    float d = 0;
    for (int i=0;i<8;i++) d += sq(feat[i] - tmpl.second[i]);
    if (d < bestDist) { bestDist = d; bestChar = tmpl.first; }
  }
  return (bestDist < THRESHOLD) ? bestChar : '?';
}

void loop() {
  float feat[8];
  for (int i=0;i<5;i++) feat[i] = readFlexNorm(i);
  for (int i=0;i<3;i++) feat[5+i] = (analogRead(ACC_PINS[i]) - 337) / 337.0; // 约 ±1g 归一化

  char c = recognizeGesture(feat);
  static char last = '?'; static int cnt = 0;
  if (c == last) cnt++; else { last = c; cnt = 1; }
  if (cnt == 3 && c != '?') { Serial.print(c); cnt = 0; } // 确认输出
  delay(10);
}

校准与个性化

• 每副手套出厂/首次佩戴需跑校准流程：引导用户做“全伸”、“全屈”、“自然弯曲”三组动作，自动记录每指 ADC 极值。
• 手型差异大，建议引入“自适应学习”：用户确认识别错误时，将当前特征向量加入对应字母模板库均值更新。

社会价值与未来展望

• 教学工具：特教学校可批量部署，辅助手语教学与日常沟通。
• 同理心教育：让普通学生体验手语交流，培养包容意识。
• 便携化：移植到 Raspberry Pi Zero W + 小屏 + 电池，脱离 PC 独立运行。
• 芯片级集成：量产时将柔性传感器阵列、IMU、MCU、BLE 集成单柔性 PCB，缝入手套内层。
• 盲童辅助：加装超声波测距模块，振动反馈障碍物距离。

成本估算 (单件)

（原文称 ¥6000 可能含研发人工与小批量溢价，DIY 复刻成本远低于此。）