你有没有想过不用摄像头，而是用64个距离数字在电脑上拼出一个会动的3D世界？
把手伸到传感器前，屏幕上的点云会立刻靠近；左右移动物体，点云也会随之移动；轻轻转动开发板，整个3D画面的方向还会同步改变。
实现这个效果的硬件并不复杂：一枚TOF传感器负责测量前方64个区域的距离，一颗IMU负责判断开发板的倾斜和旋转，RA6M4则基于Zephyr完成数据采集、处理和传输，把这些信息转换成电脑能够显示的3D点云。
从64个距离点，到一幅可以实时互动的三维画面，整条数据链路是如何构建的？接下来，我们从硬件连接开始，一步步搭建这套TOF＋IMU实时点云系统。
01 系统组成：距离、姿态与3D显示
本项目以RA-Eco-RA6M4-V2.0开发板为核心，连接VL53L7CX多区TOF传感器和BNO080九轴IMU。VL53L7CX在8×8模式下，将前方视野划分成64个区域，每个区域分别输出一个距离值，形成一张8×8深度矩阵。
BNO080提供设备当前的Rotation Vector，也就是旋转四元数。RA6M4结合距离矩阵和旋转姿态，对数据进行滤波与坐标转换，再通过USB CDC虚拟串口发送至电脑。
VL53L7CX获取8×8距离矩阵＋BNO080获取旋转四元数
↓
距离滤波与异常点处理→四元数转旋转矩阵
↓
64点三维坐标转换→USB CDC输出JSON→上位机显示3D点云
上位机采用WebUI与FastAPI实现，支持演示模式、UDP客户端和USB虚拟串口。本项目主要使用USB虚拟串口完成从开发板到电脑端的完整数据闭环。
02 硬件平台与接口连接
项目使用的RA6M4型号为R7FA6M4AF3CFP，搭载200MHz Arm Cortex-M33内核，具有1MB Flash和256KB SRAM，并支持TrustZone。传感器及通信接口配置如下。
模块 | 通信方式 | 项目配置 |
VL53L7CX | I²C，1MHz | 地址0x29；8×8模式；INT=P3.5；LPn=P3.7 |
BNO080 | SPI Mode 3，2MHz | CS=P1.3；INT=P3.1；RESET=P3.6 |
USB CDC ACM | USB Full Speed | 点云数据输出 与控制命令接收 |
VL53L7CX的数据就绪中断为低电平有效，BNO080的片选、中断和复位信号同样采用低电平有效逻辑。设备连接电脑后，USB CDC会枚举为虚拟串口。
03 软件架构：三级任务完成一帧数据
整个3D扫描系统被划分为三个处理阶段，并通过raw_queue和processed_queue两个队列连接。
Stage 1：TOF＋IMU数据采集
↓ raw_queue
Stage 2：滤波、姿态处理与3D转换
↓ processed_queue
Stage 3：JSON格式化与USB发送
系统还包含BNO080服务线程和USB命令线程。BNO080服务线程负责SPI通信和传感器报告解析，将最新姿态保存到缓存中，不直接参与点云业务处理；USB命令线程负责接收start、stop、status和模式设置等指令。
VL53L7CX的数据就绪中断只负责发出通知，具体的I²C读取由线程完成，避免在中断回调中执行耗时的传感器通信。VL53L7CX结果等较大的数据对象则设置为静态对象，避免占用线程栈。
04 数据帧、队列与点云处理
项目定义了统一的数据帧结构，用于保存时间戳、64区TOF距离矩阵、BNO080旋转四元数、三维点坐标、有效性标志、帧类型和引用计数。
系统使用Zephyr的K_MEM_SLAB建立深度为16的静态帧池。
Stage 1采集前通过scan3d_frame_pool_alloc()取得空闲帧；
数据进入队列时增加引用计数；
各线程处理完成后减少引用；
引用归零时，数据帧返回池中。
raw_queue和processed_queue均采用深度为8的SPSC环形队列，由单一线程写入、单一线程读取。
01
第一步：采集TOF和IMU
Stage 1等待VL53L7CX的数据就绪中断，读取64区距离结果，并通过sh2_demo_read_rv()取得BNO080缓存中的最新Rotation Vector。两类数据写入同一个数据帧，再送入raw_queue。
02
第二步：处理距离数据
Stage 2从raw_queue取得数据，使用3×3空间中值滤波处理孤立噪点，通过4帧滑动平均平滑连续测量结果，并根据距离范围和帧间变化标记异常点。
03
第三步：转换三维坐标
系统根据64个测距区域在视场中的位置，计算每个区域对应的水平角和垂直角，再结合距离得到传感器坐标系中的X、Y、Z坐标。BNO080输出的Rotation Vector被转换为四元数，并进一步生成3×3旋转矩阵。
修正后的点坐标=旋转矩阵×传感器坐标
经过姿态修正的64个三维点被写入数据帧，再送入processed_queue，等待Stage 3处理。
05 JSON协议与USB CDC通信
Stage 3从processed_queue取得数据，将时间戳、TOF距离和旋转四元数封装成JSON。实际tof数组包含64个距离值。
{"data": {"ts": 180883,"frame_type": "raw","tof": [41, 42, 43, 44],"rv": {"i": 0.5208, "j": -0.2365, "k": -0.8156, "real": 0.0870}}}
命令 | 用途 | 示例 |
start | 开始扫描 | {"cmd":"start"} |
stop | 停止扫描 | {"cmd":"stop"} |
status | 查询状态 | {"cmd":"status"} |
set_prediction | 设置预测模式 | {"cmd":"set_prediction", "mode":1} |
get_prediction | 读取预测模式 | {"cmd":"get_prediction"} |
发送端使用32KB环形缓冲保存待发送的JSON数据，再由USB CDC接口持续发送至电脑。USB命令线程解析来自上位机的控制指令，并将控制信息交给对应任务。
06 工程配置与固件构建
项目通过Kconfig提供传感器帧率、预测模式、卡尔曼参数以及队列、滤波器和帧池单元测试等配置项。板级配置文件ra-eco_ra6m4.conf中启用主要模块：
CONFIG_ENABLE_VL53L7CX=yCONFIG_ENABLE_BNO080=yCONFIG_ENABLE_USB_CDC=yCONFIG_ENABLE_SCAN3D=yCONFIG_TOF_RESOLUTION_8X8=yCONFIG_BNO080_DEFAULT_ALL=yCONFIG_USB_DEVICE_STACK_NEXT=yCONFIG_SERIAL=yCONFIG_UART_LINE_CTRL=yCONFIG_USBD_CDC_ACM_CLASS=yCONFIG_SCAN3D_SENSOR_FPS=60
完成配置后，使用已建立的Zephyr开发环境选择RA-Eco-RA6M4板级工程进行编译，并将生成的固件烧录至开发板。固件启动后完成VL53L7CX、BNO080和USB CDC初始化，连接电脑后即可看到对应的虚拟串口。
07 构建并启动上位机
上位机代码位于3d_scan_webdemo工程中，由前端页面和Python服务组成。运行前需要准备Node.js、npm和Python环境。
首先进入frontend目录，安装前端依赖并完成构建：
cd frontendnpm installnpm run build
随后返回项目根目录，根据requirements.txt安装Python依赖，并启动点云查看器：
cd ..python -m pip install -r requirements.txtpython -m viewer.start
服务启动后，根据终端提示打开Web页面，选择RA6M4对应的虚拟串口并建立连接。可以先发送status查询系统状态，确认通信正常后，再发送start启动扫描。
此时，RA6M4开始持续输出TOF和IMU数据，上位机解析JSON并刷新3D点云。将手掌或其他物体放在VL53L7CX前方并缓慢移动，可以观察64个点随距离变化；转动开发板，则可以看到点云根据BNO080姿态同步调整方向。
08 最终实现效果如下：
01
串口终端测试：
02
TOF点云上位机展示
64个独立的距离数据被转换成了一幅可以随物体移动、随开发板姿态变化的三维画面，也完成了从传感器、RA6M4固件到电脑上位机的完整项目构建。
对该项目以及完整代码感兴趣的开发者可以点击文末“阅读原文”查看相关内容。
