mini-prog/doc/archive/notes/Gemini分析.md

CMR-Mini 项目深度分析报告 (GeminiAnalysis.md)

文档版本：v1.0 最后更新：2026-04-02 08:28:05

1. 项目定位与核心愿景

CMR-Mini 是一个运行在微信小程序环境中的高性能定向越野 (Orienteering) 实时竞赛/练习引擎。其核心竞争力在于通过自研的 WebGL 地图渲染管线 提供流畅的地图交互，并结合高精度多传感器融合技术（GPS、罗盘、心率、加速度计等）实现精准的运动反馈。

2. 核心系统架构分析

2.1 地图渲染引擎 (Map Engine)

• 渲染技术：采用 Single WebGL Pipeline。相比微信原生地图组件，具有更高的定制化能力，特别是在“Heading-Up”（朝向朝上）模式下的性能表现。
• 瓦片管理：通过 TileStore 实现三级缓存（内存 -> 磁盘 -> 网络），并支持 tilePersistentCache。
• 投影逻辑：采用 WGS84 -> WorldTile -> Camera -> Screen 的标准 GIS 变换链，能够精准处理地理坐标到屏幕像素的映射。

2.2 传感器融合系统 (Sensor System)

• CompassHeadingController：核心逻辑在于罗盘数据 (wx.onCompassChange) 与设备姿态 (wx.onDeviceMotionChange) 的协同。
• LocationController：支持真实 GPS 数据与 Mock 模拟器（通过 WebSocket 连接 mock-gps-sim 工具）的无缝切换。
• TelemetryRuntime：实现了运动参数的实时计算，包括速度、距离目标点距离、心率分区等指标。

2.3 游戏逻辑与规则 (Game Logic)

• GameRuntime：驱动对局状态机，支持“顺序赛 (Classic Sequential)”与“积分赛 (Score-O)”。
• PunchPolicy：实现了自动进入检查点范围触发、手动打点、跳过点位等业务逻辑。

3. 指北针 (Compass) 平滑度瓶颈分析

根据目前的实现，指北针的卡顿感主要源于以下三个层面：

1. 采样频率与插值逻辑：
   • 目前使用 interpolateHeadingDeg 进行线性差值，且 ABSOLUTE_HEADING_CORRECTION 为固定系数 (0.44)。这种静态系数在“静态微调”时显得不够敏锐，在“快速旋转”时又显得滞后。
2. Android/iOS 差异化丢帧：
   • Android 传感器回调频率不稳定。
   • 逻辑中对 direction 进行了严格的数值有效性判断，若系统由于硬件抖动返回短时异常值，会导致视觉上的“跳帧”。
3. UI 同步周期限制：
   • MapEngine 的 UI_SYNC_INTERVAL_MS 设置为 80ms，这意味着视觉反馈的最高帧率仅为 12.5Hz，远低于屏幕刷新率，导致指针转动不够丝滑。

4. 优化技术路线建议

4.1 引入指数加权移动平均 (EWMA) 的动态系数

建议根据旋转角速度动态调整平滑系数。当检测到瞬时角位移较大时，降低平滑度以追求响应速度；当位移较小时，增加平滑度以过滤手抖带来的噪声。

4.2 视觉平滑：使用 CSS Transform 或 WebGL 帧间补偿

目前数据是由控制器下发到 UI 的。建议：

• 方案 A (推荐)：在 UI 层（.wxml/.wxss）利用 transition: transform 0.1s linear; 实现视觉层面的自动补帧。
• 方案 B：在 WebGL 渲染循环内进行帧间插值，将数据的 12.5Hz 提升到 渲染循环的 60Hz。

4.3 预测与死区 (Dead-zone) 过滤

在 CompassHeadingController 中加入微小位移的死区过滤逻辑，避免由于硬件高频微小抖动导致的视图高频重绘，降低系统功耗的同时提升视觉稳定性。

5. 结论

CMR-Mini 已经建立了一个非常坚实的专业定向越野引擎基础。后续的优化重点应从“功能的实现”转向“交互的极致平滑”，特别是针对指北针这类核心导向组件，需要更精细化的信号处理策略。

---

Generated by Gemini CLI Analysis Tool