新闻详情

新闻详情

首页 / 资讯中心 / 详情

如何快速上手眼动模块:从OpenBlock接线到第一次眨眼的5分钟教程

发布时间:2026/11/17 18:38:36来源:尧图网络
如何快速上手眼动模块:从OpenBlock接线到第一次眨眼的5分钟教程
如何快速上手眼动模块从OpenBlock接线到第一次眨眼的5分钟教程【免费下载链接】eye-tracking-module源师兄扩展项目: 眼动模块 | 由源师兄组织创建项目地址: https://gitcode.com/yuanshixiong/eye-tracking-module本教程帮助新手在 5 分钟内快速上手源师兄眼动模块通过串口把模块接入源师兄主控再在 OpenBlock 里拖拽几个积木就能让屏幕上的小眼睛眨眼、转动、变色全程不需要写复杂代码。眼动模块是什么能做什么眼动模块的官方定位很直白通过串口控制眼动模块的眼睛状态见 config.json。它是一块圆形小屏幕通过 UART 串口接收指令在屏幕上显示眼睛的各种状态。在积木库里该扩展提供两个核心积木分类结构见 category.json屏幕颜色积木设置圆形屏底色可选清屏、白色、红色、蓝色、绿色、黄色、橙色眼睛状态积木显示 8 种眼睛姿态——眼睛、眨眼、向上看、向下看、向左看、向右看、左下看、右下看两个积木都可以选择串口引脚支持 P1、P2、P8、P12、P15、P16方便按你的实际接线灵活选择。眼动模块接线方法用串口连上主控眼动模块通过UART 串口与主控通信接线只需记住两点将模块的 TX/RX 与主控 GPIO交叉连接TX 对 RX在积木下拉框中选择对应引脚若使用默认硬件串口保持默认即可底层连接逻辑封装在 library/CircularScreenExtend.py默认使用板载硬件串口指定引脚时会自动创建软件串口新手无需关心实现细节。OpenBlock 三步编程完成第一次眨眼在 OpenBlock 中打开「眼动模块」积木分类积木与代码生成逻辑定义于 blocksdef.js三步即可出效果清屏打底拖入屏幕颜色积木选择「清屏」或任意底色选择眨眼拖入眼睛状态积木选择「眨眼」运行程序屏幕上的小眼睛会依次播放睁眼、闭眼、睁眼的帧动画眨眼效果由 CircularScreenExtend.py 中的eye_blink函数实现——按每帧 200ms 的节奏连播 8 帧形成自然眨眼的观感。进阶玩法8 种眼神 7 种底色除了眨眼还可以把积木自由拼接做出更有性格的小角色场景积木组合呆萌注视清屏黑 眼睛转头看人向左看 → 向右看害羞眨眼清屏橙色 眨眼思考中向上看 清屏白色配合循环积木还能做出「盯着你看 3 秒后眨一次眼」之类的动效。项目文件速查想深入了解仓库内容可以查看这些文件README.md — 项目简介源师兄扩展项目·眼动模块config.json — 模块注册信息设备名、描述category.json — 积木分类与顺序blocksdef.js — 两个积木的定义及 Python 代码生成规则library/CircularScreenExtend.py — 串口指令驱动清屏、显示图片、显示文字、眨眼动画常见问题快速排查屏幕不亮优先检查 TX/RX 是否交叉接反再核对积木中选定的引脚与实际接线是否一致切换状态无反应每条串口指令发送后需要约 50ms指令之间建议加短暂延时引脚被占用可选用软件串口把模块接到 P1、P2、P8、P12、P15、P16 等任意空闲引脚跟着这篇 5 分钟教程从零开始接线、拖积木你的屏幕上很快就能出现一只会眨眼睛的小眼睛。熟练后逐步尝试 8 种眼神与 7 种底色就能创作出更多有趣的小角色程序。【免费下载链接】eye-tracking-module源师兄扩展项目: 眼动模块 | 由源师兄组织创建项目地址: https://gitcode.com/yuanshixiong/eye-tracking-module创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉