XMove是沙漠君和几个死党从2010年开始开发的一套人体动作捕捉系统，软硬件全部自行开发，投入了大量的精力，历经三年，发展四个版本。文章分上下篇，本文为下篇，前三代的故事在《光荣与梦想| XMove动作感应系统(一)》，建议阅读。
2012年的最后一天，我安静地走出科研楼的大门，那一天，我停止了对XMove所有的开发和维护。这个我曾为其痴迷，痛苦和成长的项目，正式成为了过去式。
然而2011年暑假，本科毕业刚喝完散伙酒的我才不这么想，制定了一大堆目标，兴冲冲的上路了：
第四代的小目标：赚它一套学区房
如果我们想捕捉人体完整的动作，至少需要23个节点。但前三代因为条件所限，只有手脚四个节点。第四代传感器覆盖了从头到脚的每个关键位置，最终效果是这样的：
穿上这套服装，然后在广场打一套太极拳，传感器就会通过无线传递给手机，手机利用无线网络传回电脑，系统会记录和分析每一个动作细节，然后给出动作相似度和建议，一旦用户摔倒，马上就会检测到。
彼时正值移动互联网创业，这样的“人体物联网”思路别具一格：中科院投入千万在类似的项目上，国外类似产品笨重低效却卖75万一套，智能硬件和健康一定会在未来成为风口。虽然有基于摄像头的类似设备Kinect，但它在阳光下完全不能工作，可XMove毫无压力。
如果能满足健身爱好者和舞蹈家的要求，我相信这套系统至少能赚个北京一套房（2011年二环内三万一平）。
超轻薄的动作传感器
因为要贴在人身上，所以传感器必须非常轻薄，我们选用了超小的CPU，加速度计和陀螺仪，用手工焊接出了50套微型节点（这样才够两个人嘛），成品只有4mm厚度，比手机常用的TF卡稍微大一些：
调试微型节点遇到了很大的困难：传感器数据总是读取失败！刚开始以为是硬件问题，重做了七八次电路，多花了几万块钱，电路板堆得有一米高，项目延期了接近半年！险些要放弃的我，最后在国外某篇文献里查到了答案。当时我疯了，冲出去大喊大叫！
如果你吐槽软件开发难，是因为不知道做硬件有多苦，焊接米粒一样的芯片，省吃俭用，而一不小心就能烧掉一个月的饭钱。遇到问题得靠大量的经验去解决，硬件工程师是用钱和汗水堆出来的，此话并不为过。
为了解决多个节点的无线通信和充电，我们设计了“节点航母”，它能最多同时与32个节点通信，把节点插在航母上就能充电，还能通过蓝牙把数据传给手机：
我还给XMove专门设计了一个手柄(下图最右)，包含八个按键，两个摇杆，想想真丧心病狂。这是所有4代硬件的全家福：
然而，我们还是遇到了几乎无法解决的问题：无线通信。电池容量太小，当时的蓝牙2.0功耗太高，更高级的无线方案根本用不起。
我们自行设计了支持自动跳频，时隙划分，支持自动组网和路由，功耗低于2mA的通信协议：
管理端能够方便的监控每个节点的状态：
然而，成也萧何败萧何。当23个节点同时以32帧的速率传输数据时，信道质量变得出奇的差。无线芯片底层采用GFSK调制，而底层CRC校验错误一个字节，就会抛弃整个包。节点间干扰非常严重，发射功率太低，只要转身发生阻挡，丢包率90%以上！
我曾想通过数据平滑来对丢失数据做补偿，然而这么高的丢包率让一切方案变得束手无策。我们没有设计天线的经验，北邮在这个领域强手如林，我们寻遍各大实验室，大神给的方案都败在了功耗和成本上：那些方案几分钟内就会消耗完那可怜电池的所有电量。
Android版本的XMove
由于手机要作为信号中继，也是重要的传感器之一，XMove就肯定要涉及手机端。
2011年暑假，我就开发了这个安卓版本的XMove组件。下面是手机无线多点触摸板，支持双指缩放和三指拖拽，能与电脑通过WIFI和3G信号连接，这是使用截图：
安卓手机端的界面截图：
还有通过手机旋转和倾斜实现的飞行游戏手柄(著名的飞行战斗游戏HAWX)：
我还专门针对安卓版本开发了一版PC管理器：
我通过XMove学会了安卓开发，那时安卓程序员还是凤毛菱角，赚钱超多，好后悔没有对安卓投入更多的精力。不过现在看来，安卓开发已经没落了，数据算法工程师反而独占鳌头。哈哈哈。
强大的监控端
为了能够监控不同节点，重建人体动作，我花了大量时间，开发了爬虫Hawk的祖奶奶，功能强大的监控软件XMove Studio:
你能对任意节点进行路由组网，远程配置，通过拖拽支持复杂的应用。它是Hawk的最初原型！
管理端能用3D形式展示数据流是如何从传感器传入到不同应用，并能监控各节点的信号强度，电量等关键信息:
也许你发现了，这套系统有过度设计的嫌疑。很多功能不重要，却浪费了过多时间，而最核心的算法部分，却没有分配足够的精力。
实现3D人体重建
可能你对上一篇文章中展示节点姿态的茶壶有印象。为了重建人体，就需要操控人体3D骨骼。我从头学了一遍OpenGL，一点点地研究四元数绑定，和矩阵变换，刚开始实现的效果是这样：
想想看一个在X光片里的骷髅跟着你来回乱动了，妹子们都表示太吓人了！我不得不放弃了这个OpenGL方案。
最后才用到了Unity3D，这个超强的3D引擎，配合我写的C#远程RPC(程序之间互相通信的协议)，很好地解决了这一问题，效果还不错，搬运工森林旅游即视感：
不过因为丢包的问题，突然胳膊肘就拐到身后，大腿就撇到了头上：搬运工哥哥各种丧病的动作，把参观者笑个半死，哈哈哈哈哈。苦中作乐，苦中作乐！
加速度计，磁力计和陀螺仪的原始数据是不能直接给3D引擎用的，需要做传感器融合和姿态解算。当时AHRS(全姿态解算)找不到像样的资料，我不得不花了好多精力研究，这是当时演算的一部分手稿：
之前用SVM解决动作判别，但无法处理流式数据。因此我尝试用HMM(隐马尔科夫链)去监测奔跑跳跃，摔倒或挥手，还能分析它与标准动作的相似度，但效果总是不好。当时对步态识别能搞个八九不离十，更复杂的就搞不定了。现在想起来，低阶HMM无法根本解决它，而三年后才出现解决这类问题的算法LSTM（哭）...
从激情到放弃
XMove第四代，消耗的精力是前三代总和的接近两倍。虽获得了学校老师的帮助，不过经费基本自掏腰包。开发出两套原型机，在无干扰的环境下，能实现基本的动作捕捉，而一旦无线环境恶劣，通信问题就让整个系统乱套了。
当朋友们出门旅游玩耍，我却低头检查硬件问题；当同学们在各大名企实习，我在调动作识别算法。在实验室繁重的项目压力下，我还要在XMove上投入足够多的精力和资金。直到最后，它都没有商业化应用，雷声大雨点小，因为它太不稳定了。
曾经充满美好幻想的我，却看不到未来，终于在2012年的最后一天，我决定及时止损，出现了开头出现的那一幕。
究其失败原因：
严重的过度设计，一股脑地把所有的自己想到的需求塞进去，根本没有调研目标用户怎么想。
大量的精力投入到根本不是核心的监控端开发，却没有在动作捕捉算法上下足够功夫。
缺乏硬件经验：事先调研不足，对无线信道效率估计过高，适合我们的无线方案，直到2015年才出现。
这还仅仅是研发层面的困难，更不用说交付给用户后，电池老化，软件稳定性的问题：我们的硬件根本不可靠，渗进汗水可能就短路烧坏了。
因为XMove，我甚至开始怀疑面向对象编程。如果我现在写Python版本的XMove驱动和管理端，代码还是不会超过1000行，函数式风格，结构肯定会远好高于之前的设计。
我依然记得2012年的正月初一到初七，我拒绝了大部分的走亲访友，一个人在家憋着写代码；记得和队友一起，钻在实验室的焊接台下，检查着每一个焊点，之后只敢去食堂吃最便宜的菜；也记得因为无线通信不论如何都无法解决，气愤地在操场上大喊大叫。
不过，我不后悔。
我也记得它给我带来的兴奋和成绩。XMove在我大学和研究生阶段，写下了浓墨重彩的一笔。它驱使我解决一个个实际的问题，对架构有了嗅觉，能够随时警惕过度设计，知道了简洁远优于复杂的道理。也知道如何做合理的商业决策，避免因为自己的幻想，一条道走到黑。
XMove寿终正寝，但它依然以文章的形式出现在我的博客中。在Git Hub里也开源了它的部分代码。我给它装了一个精心设计的塑料盒，放在书房里。
这就是我和XMove的故事。
后记
- 据不完全统计，XMove在两年内占据了我50%以上的工作时间。
- XMove能同时兼容2012年上市的Kinect，并提供统一的API
- 笔者在之后金盆洗手，不接触任何硬件开发项目
- 2013年开始，智能硬件成为风口，大量类似产品出现，但之后浪潮退净，幸存者所剩无几