RuView部署实战：用家里的WiFi路由器实现无摄像头空间感知

准备工作

在开始之前，先确认你的环境满足以下条件：

– 一台运行Linux的电脑（Ubuntu 22.04+推荐，树莓派也行）

– 支持CSI数据提取的WiFi网卡（推荐Intel AX210或Intel 5300）

– Rust开发环境（1.75+）

Step 1：安装Rust

如果你还没有Rust环境，一行命令搞定：

curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
source $HOME/.cargo/env
rustc --version  # 确认安装成功

Step 2：克隆并编译RuView

git clone https://github.com/ruvnet/RuView.git
cd RuView
cargo build --release

编译完成后，二进制文件在 `target/release/ruview`。首次编译需要下载依赖，大约需要5-10分钟。

Step 3：配置WiFi网卡

这是最关键的一步。RuView需要从WiFi网卡提取CSI数据，不是所有网卡都支持。推荐两种方案：

方案A：使用Intel AX210（推荐）

# 安装修改过的驱动
git clone https://github.com/seemoo-lab/nexmon_csi.git
cd nexmon_csi
cd patches/driver/brcmfmac/6.x.cypress
make
sudo make install-firmware

# 重启后验证
sudo dmesg | grep -i csi

方案B：使用Intel 5300（老但稳定）

sudo apt install linux-headers-$(uname -r)
git clone https://github.com/dhalperi/linux-80211n-csitool-supplementary.git
cd linux-80211n-csitool-supplementary
make -C /lib/modules/$(uname -r)/build M=$(pwd) modules
sudo make -C /lib/modules/$(uname -r)/build M=$(pwd) modules_install

Step 4：启动RuView

# 基本启动（仅人体检测）
./target/release/ruview --interface wlan0 --mode presence

# 高级模式（生命体征监测）
./target/release/ruview --interface wlan0 --mode vitals --sample-rate 100

# 可视化管理界面（启动后浏览器打开 http://localhost:8080）
./target/release/ruview --interface wlan0 --mode vitals --web

启动后你会在终端看到实时的CSI数据流。如果有Web界面，可以看到房间的”热力图”——红色区域代表检测到人体活动。

Step 5：校准与环境优化

初次使用需要做一次快速的校准：

./target/release/ruview --calibrate --duration 30

这个命令会采集30秒的”空房间”数据作为基线。校准完成后，RuView才能准确区分”环境噪音”和”人体信号”。

常见问题

Q: 我的网卡不支持CSI怎么办？

如果没有兼容网卡，可以先试用RuView的模拟模式来验证安装：

./target/release/ruview --mock-data --web

这会用预录的样本数据演示所有功能——是快速体验的好方法。

Q: 精度不够怎么办？

可以尝试以下优化：

– 将路由器靠近目标区域（3-5米内最佳）

– 减少WiFi信道干扰（用 `iwlist wlan0 channel` 检查）

– 调整采样率：`–sample-rate 200`

Q: 多人场景下能区分不同人吗？

当前版本还不支持多人区分（这是社区正在攻克的难题），但可以检测到”不止一个人”。

**核心思路：** RuView利用的是CSI（Channel State Information）——WiFi通信协议中描述信号传播路径的底层数据。人体的存在、移动和呼吸都会改变信号的传播路径，CSI能捕捉到这些微秒级的变化。这种”被动感知”模式不需要被监测者携带任何设备，完全无感。

进阶玩法：接入智能家居系统

安装和运行只是第一步。RuView真正的威力在于和其他系统联动。这里分享一个实用的场景——当RuView检测到房间无人时自动关灯：

# 使用RuView的REST API查询当前状态
ROOM_STATUS=$(curl -s http://localhost:8080/api/status | jq '.presence')

if [ "$ROOM_STATUS" = "false" ]; then
    # 通过Home Assistant API关灯
    curl -X POST http://homeassistant:8123/api/services/light/turn_off \
        -H "Authorization: Bearer $HA_TOKEN" \
        -H "Content-Type: application/json" \
        -d '{"entity_id": "light.living_room"}'
fi

把这个脚本放进crontab（`*/5 * * * * /path/to/auto_light.sh`），你就拥有了一个完全隐私保护的智能灯光控制系统。

对于更复杂的场景，比如老人跌倒检测，可以通过RuView的生命体征变化（心率突变+快速位移）结合简单的阈值判断实现告警：

./target/release/ruview --interface wlan0 --mode vitals --alert-threshold 0.3 \
    --alert-webhook "https://hooks.slack.com/your-webhook-url"

当检测到异常波动，RuView会自动向Slack或企业微信发送告警消息。

性能调优与常见踩坑

在实际部署中，有几个容易踩的坑：

坑1：网卡驱动冲突。 如果你之前安装过其他WiFi工具（如airodump-ng），记得先卸载旧驱动再安装CSItool。内核模块冲突会导致RuView启动后完全没有CSI数据输出。

坑2：信道选择。 RuView的性能和WiFi信道质量直接相关。用 `iwlist wlan0 scanning | grep -E “Channel|Quality”` 查看当前信道拥挤情况，选择最空闲的信道运行。2.4GHz穿墙能力强但干扰多，5GHz信号干净但衰减快——如果目标距离路由器较远，优先用2.4GHz。

坑3：内存占用。 `–sample-rate` 设置过高会导致CPU和内存暴增。对于人体检测场景，100Hz采样率完全足够。只有做精细的手势识别时才需要200+Hz。生产环境建议用 `–sample-rate 100` 并通过 `–buffer-size 60` 限制内存缓冲区。

— END —
LC 智趣厅 · 科技与生活的交点
ihygg.cn