update test files

项目测试文档.md

@@ -153,11 +153,100 @@
 
 
 
-## 四、测试结果分析
+## 四、核心功能测试（wavecontrol-test）
+
+项目测试脚本集中存放于 `wavecontrol-test/src/` （gesture分支）路径下，采用 TypeScript + Vue3 框架实现，通过 MediaPipe 实时检测与手势逻辑模块协同，实现系统功能验证。
+
+### 4.1 hand_landmark 模块
+
+- **detector.ts**
+   核心手部关键点检测模块，封装对 MediaPipe 的调用逻辑，统一输出手部21个关键点的坐标、置信度等数据。
+  - 功能点：初始化摄像头流、绑定回调、封装模型参数。
+  - 用于：为 `VideoDetector.vue` 和 `gesture_handler.ts` 提供关键点数据源。
+- **gesture_handler.ts**
+   手势解析与事件派发模块，将 landmark 数据解析为具体手势动作（如光标控制、点击、跳跃等）。
+  - 支持自定义手势库扩展。
+  - 与游戏控制模块或系统控制指令绑定。
+- **VideoDetector.vue**
+   Vue 组件封装，展示摄像头实时画面 + 可视化 landmark 点位（调试模式用）。
+  - 提供测试 UI 面板，便于调试每个手势识别过程。
+  - 集成 FPS 状态、实时识别手势结果反馈。
+
+### 4.2 独立运行说明与调试提示
+
+- **模块定位：**
+   `wavecontrol-test` 为独立测试工程，当前未集成至主项目的 UI 页面路由体系，主要用于**手势识别逻辑的单元测试与调试验证**。
+- **运行状态说明：**
+   启动后页面加载为空白（白屏），属**正常表现**，原因如下：
+  - 项目尚未渲染任何主界面组件；
+  - 测试逻辑运行主要依赖控制台输出来验证关键逻辑（如 landmark 检测、手势判断等）。
+- **调试建议：**
+   启动后打开浏览器开发者工具（快捷键 `F12` 或 `Ctrl+Shift+I`），查看：
+  - 控制台（Console）：打印识别结果、错误日志、手势状态；
+  - 网络（Network）：确认模型文件是否成功加载；
+  - 元素（Elements）：手动挂载 `VideoDetector.vue`注入测试组件进行临时渲染调试。
+
+
+
+## 五、游戏控制模块测试（`test.py` 等）
+
+### 5.1 模块定位与结构
+
+该模块为游戏控制核心动作识别的测试环境，主要用于模拟真实场景下用户的手势输入，评估系统能否准确识别特定动作（如加速、转弯、刹车等），并通过 OpenCV 实时可视化手势状态与角度变化。
+
+- **所在目录：** `wavecontrol/test_py/`（`game_control` 分支）
+- **相关脚本：**
+  - `test.py`：主测试入口，执行实时手势识别与状态展示。
+  - `gesture_detector.py`：封装具体的手势识别逻辑。
+  - `utils.py`：通用工具类，如角度计算、数据格式处理等。
+  - `test_xbox.py`：拟用于连接虚拟 Xbox 控制器，模拟游戏输入。
+  - `test_gui.py`：图形界面测试入口。
+
+
+
+### 5.2 核心测试逻辑（基于 `test.py`）
+
+#### 功能点解析：
+
+- **手势状态追踪：**
+   通过 `gesture_status` 字典记录五类状态：
+  - `Left Fist`、`Right Fist`：用于映射刹车/加速等动作
+  - `Left Thumb`、`Right Thumb`：映射转向或音量等功能
+  - `Angle`：表示当前手势的偏转角度，用于模拟方向盘行为或特殊动作
+- **视觉反馈：**
+   使用 `OpenCV` (`cv2`) 实时将识别结果叠加在摄像头图像上，显示五种状态的当前值，方便快速人工验证是否识别准确。
+- **模块化调用：**
+   `GestureDetector` 实例通过 `gesture_detector.py` 导入，使得识别逻辑可独立测试、方便集成到主游戏模块。
+
+------
+
+### 5.3 使用说明
+
+- **启动方法：**
+
+  ```
+  python test.py
+  ```
+
+  **运行效果：**
+
+  - 打开摄像头窗口；
+  - 实时显示识别到的五项手势状态；
+  - 开发者可通过手部动作验证识别准确性。
+
+- **测试目标：**
+
+  - 验证关键手势在自然使用状态下的识别准确率；
+  - 评估系统在不同光照/距离/角度条件下对“加速”“刹车”“左右转”的响应稳定性；
+  - 检查 OpenCV 图像反馈是否与真实操作一致，便于回归对比。
+
+
+
+## 六、测试结果分析
 
 [⌛️项目测试结果](./项目测试结果.xlsx)
 
-### **4.1 测试通过率**
+### **6.1 测试通过率**
 
 - **总体通过率：**
    在所有模块（主控制系统 + WaveSign + 游戏控制模块）共计 **50+ 条用例 × 10次测试 = 500+ 次执行记录**中，约 **88%** 的测试结果为“通过”，**12%** 的测试记录显示“未通过”。
@@ -170,7 +259,7 @@
 
 ------
 
-### **4.2 典型问题分析**
+### **6.2 典型问题分析**
 
 - **（1）识别类问题：**
   - 当背景复杂或光照不足时，MediaPipe 模型识别准确率下降，个别测试记录显示 **响应时间超过0.7s**，甚至未正确识别手势。
@@ -185,7 +274,7 @@
 
 ------
 
-### **4.3 综合结论**
+### **6.3 综合结论**
 
 - WaveControl 系统整体功能 **满足预期目标**，大部分核心功能已稳定实现。