基于ESP32与IMU的DIY跳跃传感器：从原理到实战

1. 从一个“不起眼的小玩意”说起：DIY jump sensor 到底能做什么

第一次听到“DIY jump sensor”这个词，很多人脑子里冒出来的画面可能是健身房里的专业弹跳测试仪，或者是运动员身上贴满传感器的高科技装备。其实完全不是那么回事。所谓 jump sensor，直译过来就是“跳跃传感器”，核心功能只有一个：检测物体是否离开地面，以及离开地面多久、跳了多高、跳了几次。而加上“DIY”三个字，意味着这东西不需要你花大几千去买商用设备，用几十块钱的常见元件加上一块单片机，就能自己攒出来。

我最早接触这个需求，是帮一个做青少年体能训练的朋友解决“摸高测试”的痛点。传统摸高要么用粉笔在墙上画，要么用电子摸高器，前者不卫生、后者贵且固定。后来我想，能不能做一个巴掌大的小盒子，往地上一放，人从上面跳过去或者站在上面起跳，它就能自动记录腾空时间和跳跃高度？这就是 DIY jump sensor 最朴素的应用场景。

它的适用人群其实比想象中广得多。体能教练可以用它做纵跳测试，评估运动员的爆发力变化；体育老师可以用它做课堂上的立定跳远辅助测量；创客爱好者拿它当入门级的传感器融合项目练手；甚至家长也能陪孩子玩“跳格子”游戏时统计次数。技术栈上，它横跨了嵌入式开发、传感器信号处理、机械结构设计三个领域，是一个典型的“小项目、大综合”的练手题材。

这篇文章我会从方案选型一路讲到代码实现和现场调试，把我在这个项目上踩过的坑、试过的错、最后跑通的方案完整拆开。不管你是刚摸单片机的学生，还是想找个周末项目练手的老手，都能直接抄作业。

2. 方案选型：为什么我最终放弃了红外和超声波

2.1 三种主流检测原理的横向对比

做 jump sensor，第一步不是写代码，而是想清楚“用什么感知跳跃”。市面上能用的原理无非三类：红外对射、超声波测距、惯性测量单元（IMU）。我最初图便宜，先试了红外对管，结果被现实狠狠教育了一顿。

红外对射的原理很简单：一端发射红外光，另一端接收，人跳起来挡住光路就触发一次。听起来很美好，但实际用起来问题一大堆。首先，红外对管的检测范围很窄，通常只有几厘米到十几厘米，人跳起来脚一偏就漏检。其次，环境光干扰严重，阳光里的红外成分会让接收端一直处于饱和状态，白天在室外基本没法用。我试过加遮光罩、调制解调，折腾了两天，稳定性依然堪忧。

超声波方案稍微好一点。HC-SR04 这类模块便宜又好买，测距范围 2cm 到 400cm，理论上把模块朝上安装，人跳起来时距离变化就能反映高度。但超声波有个致命伤：波束角太大。HC-SR04 的波束角大约 15 度，在 1 米高度上光斑直径就有 26 厘米，人跳起来时身体各部位反射回来的回波混在一起，测距值跳得厉害。而且超声波对软质衣物吸收严重，穿羽绒服跳和穿紧身衣跳，回波强度完全不一样。

最后我选了IMU 方案，具体来说是用一块六轴传感器（三轴加速度计 + 三轴陀螺仪），固定在人身上或者踏板上，通过加速度积分来判断腾空。这个方案的好处是：不受环境光影响、不受衣物材质影响、体积小、功耗低。缺点是算法复杂，零漂和积分误差需要处理。但恰恰是这一点，让这个项目有了“技术含量”，也让我学到了最多东西。

2.2 IMU 方案的核心思路拆解

用 IMU 做跳跃检测，核心逻辑其实就一句话：当合加速度的模值显著小于重力加速度时，说明物体处于失重状态，即腾空。自由落体时加速度计读数为零（理想情况），实际跳跃时由于空气阻力和身体摆动，读数会在 0 到 1g 之间波动。所以判断条件可以写成：合加速度模值持续低于某个阈值（比如 0.5g）超过一定时间（比如 50ms），就认为是一次跳跃的开始；当合加速度恢复到 1g 附近并稳定一段时间，认为跳跃结束。

这个思路听起来简单，但实际写起来有一堆细节要处理。比如人走路时也会有短暂的失重感，但持续时间通常只有 20-30ms，所以阈值时间要卡在 50ms 以上。再比如落地瞬间会有冲击加速度，可能达到 3g 甚至 5g，这个冲击信号要用来辅助判断落地时刻，提高腾空时间计算的精度。

我最终选的主控是ESP32-C3，原因有三：一是它自带 Wi-Fi 和蓝牙，方便把数据实时传到手机上看波形；二是它的 ADC 和 I2C 外设够用，驱动 IMU 绰绰有余；三是价格便宜，某宝上十几块钱就能买到开发板。IMU 选的是MPU6050，经典款，资料多，虽然老但足够用。如果你手头有 ICM-20602 或者 BMI160，也可以直接替换，代码改一下寄存器地址就行。

3. 硬件搭建：从零把电路跑起来

3.1 物料清单与接线方案

先列一下我最终定版的物料清单，都是常见件，不存在买不到的问题：

• ESP32-C3 开发板 x1
• MPU6050 模块 x1
• 锂电池 3.7V 500mAh x1
• TP4056 充电模块 x1
• 轻触开关 x1
• 洞洞板 5x7cm x1
• 排针、排母、细导线若干

接线方面，MPU6050 和 ESP32-C3 之间走 I2C 协议，只需要四根线：VCC 接 3.3V，GND 接 GND，SCL 接 GPIO5，SDA 接 GPIO4。这里有个坑要注意：MPU6050 模块上的上拉电阻。很多廉价模块自带上拉，但阻值偏大（10k），在 400kHz 的 I2C 速率下波形上升沿会变缓，导致通信失败。我的做法是在 SCL 和 SDA 上各并联一个 4.7k 的电阻到 3.3V，问题立刻解决。

电源部分，TP4056 负责给锂电池充电，输出直接接到 ESP32-C3 的 5V 引脚（开发板上有 LDO 会降到 3.3V）。这里注意 TP4056 的输出电压是电池电压，满电 4.2V，欠压 3.0V，而 ESP32-C3 的 5V 引脚实际可以接受 3.3V 到 5.5V 的输入，所以直连没问题。但如果你用的是其他开发板，一定要查清楚输入电压范围，别把板子烧了。

提示：MPU6050 对电源纹波比较敏感，如果发现数据跳动大，可以在 VCC 和 GND 之间并一个 100nF 的陶瓷电容，紧贴模块引脚焊接，效果立竿见影。

3.2 机械结构：传感器到底装在哪里

这个问题我纠结了很久。装在人身上（比如绑在腰间）和装在踏板上，算法逻辑完全不同。绑在身上时，传感器跟着人体一起运动，加速度计读的是人体质心的加速度；装在踏板上时，传感器静止，只有人跳离踏板后踏板回弹的振动信号。前者能直接测腾空时间，后者只能测“人离开踏板”这个事件，精度差很多。

我最终选了绑在腰间的方案。具体做法是找一条弹性绑带，把洞洞板固定在腰带位置，传感器芯片朝外。为什么朝外？因为 MPU6050 的 Z 轴垂直于芯片表面，朝外安装时 Z 轴正好对应人体的前后方向，X 轴对应左右，Y 轴对应上下。这样在静止站立时，Y 轴读数约为 1g，X 和 Z 轴约为 0g，后续做姿态解算时坐标系最直观。

如果你要做踏板方案，也不是不行，但需要加一个压力传感器或者微动开关来辅助判断起跳时刻。我试过用 FSR402 薄膜压力传感器，响应速度够快，但一致性差，不同批次灵敏度不一样，最后放弃了。

3.3 焊接与组装注意事项

焊接顺序建议从矮到高：先焊排针，再焊电阻电容，最后焊模块。MPU6050 模块的引脚比较细，焊接时烙铁温度调到 320 度左右，停留时间不要超过 3 秒，否则容易把焊盘烫掉。我第一块板子就是因为烙铁温度太高，把 SDA 焊盘弄脱落了，只能飞线补救。

电池用双面胶固定在洞洞板背面，TP4056 模块用热缩管包一下防止短路。整个装置做出来大概一个火柴盒大小，重量不到 50 克，绑在腰上几乎感觉不到。开关串联在电池和 TP4056 之间，不用的时候关掉，500mAh 电池能撑大概 8 小时连续工作。

4. 固件开发：从读取原始数据到算出跳跃高度

4.1 开发环境搭建与基础读数

我用的开发环境是 Arduino IDE，ESP32-C3 的板级支持包装 2.0.11 版本，这个版本对 C3 的支持最稳定。MPU6050 驱动直接用现成的库，但我不建议用太复杂的库，因为很多库封装了 DMP（数字运动处理器），反而把原始数据挡住了。我自己写了一个精简的 I2C 读写函数，直接操作寄存器，代码量不到 100 行，但完全可控。

初始化流程是这样的：先复位 MPU6050，设置采样率为 1kHz，配置加速度计量程为 ±4g，陀螺仪量程为 ±500°/s，然后关闭中断，使能加速度计和陀螺仪。这里量程选择有讲究：±4g 的量程对应灵敏度 8192 LSB/g，分辨率足够，而且落地冲击时不容易饱和。如果你选 ±2g，冲击瞬间读数会溢出，导致数据截断，影响落地检测。

基础读数代码大概长这样：

void read_mpu(float *ax, float *ay, float *az) { uint8_t buf[6]; i2c_read(MPU_ADDR, ACCEL_XOUT_H, buf, 6); *ax = (int16_t)((buf[0] << 8) | buf[1]) / 8192.0; *ay = (int16_t)((buf[2] << 8) | buf[3]) / 8192.0; *az = (int16_t)((buf[4] << 8) | buf[5]) / 8192.0; }

读出来的单位是 g，静止时合加速度模值应该在 1.0 附近。如果偏差超过 0.1，说明传感器需要校准。校准方法很简单：把传感器水平静止放置，采集 1000 个样本取平均，得到零偏值，后续读数减去零偏即可。

4.2 姿态解算：为什么需要陀螺仪

只用加速度计能不能判断跳跃？能，但精度有限。因为加速度计测量的是“比力”，包含重力分量和运动加速度。当人体前倾或后仰时，重力在 Y 轴上的分量会变化，导致合加速度模值偏离 1g，容易误判。加入陀螺仪后，可以通过互补滤波或者卡尔曼滤波把姿态角算出来，然后把重力分量从加速度里减掉，得到纯运动加速度。

我用的互补滤波，公式很简单：

angle = 0.98 * (angle + gyro * dt) + 0.02 * accel_angle;

其中accel_angle是从加速度计算出的倾角，gyro是陀螺仪角速度。这个滤波器的物理意义是：高频信任陀螺仪，低频信任加速度计。实际跑下来，姿态角误差在 1 度以内，完全够用。

算出姿态后，把加速度从机体坐标系转到地理坐标系，得到垂直方向的运动加速度a_vertical。这个值在静止时应该接近 0，跳跃时先负后正（起跳时向下蹬地，加速度向上，但传感器感受到的是反作用力，所以先出现负值再出现正值）。

4.3 跳跃检测状态机设计

整个检测逻辑我用一个状态机来实现，状态转移图如下（文字描述）：IDLE（空闲）→ TAKEOFF（起跳）→ AIRBORNE（腾空）→ LANDING（落地）→ IDLE。

IDLE 状态下，持续监测合加速度模值。当模值低于 0.5g 且持续时间超过 50ms，进入 TAKEOFF 状态，记录当前时间戳t_start。TAKEOFF 状态是一个过渡态，持续 100ms，用来确认不是噪声引起的误触发。如果 100ms 内模值恢复到 0.8g 以上，说明是误触发，回到 IDLE；否则进入 AIRBORNE。

AIRBORNE 状态下，持续监测模值。当模值超过 2.5g 且持续时间超过 20ms，认为落地冲击发生，记录时间戳t_end，进入 LANDING。LANDING 状态持续 200ms，等待信号稳定，然后计算腾空时间t_air = t_end - t_start，通过公式h = 0.5 * g * (t_air/2)^2计算跳跃高度，最后回到 IDLE。

这个状态机的参数都是我在实测中调出来的。比如 50ms 的失重阈值，是因为人走路时单脚离地时间大约 300ms，但失重感只持续 20-30ms，所以 50ms 能过滤掉走路。再比如 2.5g 的落地阈值，是因为正常落地冲击在 3g 左右，但如果你轻轻落地可能只有 1.5g，所以这个阈值要结合你的使用场景调整。

4.4 数据滤波与零漂处理

MPU6050 的零漂是个绕不开的问题。即使静止不动，加速度计读数也会有 ±0.02g 的波动，陀螺仪零漂更大，可能达到 ±2°/s。这些零漂积分后会变成累积误差，导致姿态角慢慢漂移。

我的处理方法是：每次进入 IDLE 状态时，重新校准零偏。具体做法是采集 200 个样本，计算均值和标准差，如果标准差小于 0.05g，认为处于静止状态，更新零偏值。这样每次跳跃前都会自动校准，漂移问题基本解决。

另外，原始数据还要过一个低通滤波器，截止频率设在 20Hz。因为人体跳跃的主要频率成分在 5Hz 以下，20Hz 以上的都是噪声。我用的是二阶巴特沃斯滤波器，差分方程如下：

y[n] = 0.2929*y[n-1] - 0.1716*y[n-2] + 0.0975*x[n] + 0.1950*x[n-1] + 0.0975*x[n-2];

这个滤波器在 20Hz 处衰减 3dB，在 50Hz 处衰减 20dB，效果很好。注意采样率要稳定在 200Hz，我用的是定时器中断触发采样，避免loop()里delay()导致采样间隔不均匀。

5. 实测与调参：那些文档里不会写的经验

5.1 第一次实测：数据跳得没法看

板子焊好、代码烧进去之后，我兴冲冲地绑在腰上跳了几下，结果串口打印出来的数据简直没法看。腾空时间算出来 0.8 秒，跳跃高度 80 厘米，而我实际只跳了 30 厘米左右。问题出在哪？我把原始数据存下来用 Excel 画了个图，发现落地冲击信号被误判成了两次跳跃，导致腾空时间被拉长了。

原因有两个：一是落地后身体会有一个反弹，加速度计读数会再次出现短暂的低值，被状态机误认为是第二次起跳；二是我的落地阈值设得太低，2.5g 的冲击在硬地面上很容易达到，但在木地板上只有 1.8g，导致落地检测延迟。

解决办法：在 LANDING 状态后加一个500ms 的锁定时间，期间不响应任何新的跳跃检测。同时把落地阈值改成自适应：根据前一次跳跃的冲击峰值动态调整，公式是threshold = 0.7 * last_peak。这样无论在地板还是地垫上，都能可靠检测。

5.2 不同跳跃类型的识别

调好基础检测后，我发现一个问题：下蹲跳和连续跳的波形完全不一样。下蹲跳有一个明显的下蹲蓄力过程，加速度先正后负再正，而连续跳几乎没有蓄力，直接起跳。如果都用同一套参数，连续跳的腾空时间会算短。

我的做法是加一个简单的分类器：如果起跳前 300ms 内垂直加速度出现过大于 0.5g 的正值，判定为下蹲跳，使用较长的失重阈值（80ms）；否则判定为连续跳，使用较短的阈值（40ms）。这个分类器准确率大概 85%，对于业余训练足够用了。

5.3 常见问题速查表

注意：MPU6050 的 I2C 地址由 AD0 引脚决定，接 GND 时是 0x68，接 VCC 时是 0x69。如果你买了多个模块，可以通过这个引脚区分。

5.4 标定与验证方法

做任何传感器项目，标定都是绕不开的。我的标定方法很土但很有效：找一个已知高度的台阶，比如 20 厘米，站在上面往下跳，记录传感器算出的高度，和实际高度对比。重复 20 次，算平均误差和标准差。如果平均误差小于 2 厘米，标准差小于 1 厘米，说明标定合格。

我还用高速摄像机（手机慢动作 240fps）拍了一段跳跃视频，逐帧数出腾空帧数，换算成时间，和传感器数据对比。结果发现传感器算出的腾空时间比视频少了大约 30ms，原因是起跳瞬间脚离地时传感器还没检测到失重。这个系统误差可以通过在起跳检测里减去 15ms 来补偿，但我觉得没必要，因为相对变化比绝对精度更重要。

6. 数据可视化与扩展玩法

6.1 用手机实时看波形

ESP32-C3 自带蓝牙，我写了一个简单的 BLE 服务，把加速度数据打包成 20 字节的特征值，手机端用 nRF Connect 就能看波形。如果你想做得更精致，可以用 MIT App Inventor 拖一个界面，显示实时曲线和跳跃次数。我试过用 Web Bluetooth API 在浏览器里画图，延迟大概 100ms，对于观察波形足够了。

6.2 数据记录与训练分析

每次跳跃后，我把腾空时间、跳跃高度、落地冲击力三个数据存到 Flash 里，最多存 1000 条。训练结束后通过串口导出 CSV，丢进 Excel 或者 Python 里做趋势分析。我帮朋友做的那个体能训练项目，就是每周测一次纵跳，看爆发力的变化曲线。如果连续两周下降超过 10%，就提示可能过度训练，需要调整强度。

6.3 从单传感器到多传感器融合

如果你想让精度再上一个台阶，可以加一个BMP280 气压计。气压计对高度变化敏感，虽然绝对精度差（±1 米），但相对精度高（±0.1 米）。把加速度积分得到的高度和气压计高度做卡尔曼滤波融合，能有效抑制积分漂移。我试过这个方案，腾空时间 0.5 秒的跳跃，高度误差从 3 厘米降到了 1.5 厘米。代价是代码复杂度翻倍，看你愿不愿意折腾。

另一个扩展方向是多节点同步。比如在篮球场上放四个传感器节点，通过 Wi-Fi 时间同步，可以算出运动员的起跳位置和移动轨迹。这个玩法就大了，适合做团队项目。

7. 我踩过的坑与最后分享几个实用技巧

第一个坑是电池供电时的噪声。用 USB 供电时数据很干净，一切换到锂电池，加速度计读数就多了 0.05g 的周期性波动。后来发现是 TP4056 的充电电路在电池供电时仍有微弱振荡，加一个 LC 滤波器（10uH 电感 + 100uF 电容）就解决了。如果你也遇到类似问题，先查电源，再查信号。

第二个坑是I2C 总线死锁。ESP32-C3 的 I2C 外设在某些情况下会卡死，表现为 SCL 被拉低。解决办法是在初始化时加一个总线恢复函数：把 SCL 配置成 GPIO 输出，手动发送 9 个时钟脉冲，然后重新初始化 I2C。这个函数我放在setup()里，每次上电都执行一遍，再也没死锁过。

第三个坑是固件升级后参数丢失。我习惯把阈值参数存在 NVS（非易失存储）里，但 ESP32-C3 的 NVS 在固件升级后有时会保留旧值，导致新代码用了旧参数。后来我在setup()里加了一个版本号检查，如果版本号不匹配就恢复默认值。这个技巧在开发阶段特别有用，省得每次手动擦除 Flash。

最后分享一个小技巧：用 LED 闪烁来指示状态。IDLE 时 LED 慢闪（1Hz），检测到跳跃时快闪（10Hz），落地后常亮 200ms。这样你不用看串口就知道传感器在工作，调试效率翻倍。我用的是板载的 WS2812，颜色还能区分不同状态，绿色空闲、蓝色腾空、红色落地，一目了然。

这个项目我从开始到稳定运行大概花了三个周末，其中一半时间在调算法，一半时间在焊板子。如果你也想做一个，我的建议是先用面包板把电路搭起来，确认数据能读、波形能看，再动手焊洞洞板。算法部分不要一上来就追求完美，先把最简单的阈值检测跑通，再慢慢加滤波和状态机。传感器项目就是这样，数据对了，一切都对了。