数据收集器 从 Leap Motion 控制器收集手势数据 数据采集 该 GUI 用于收集 RIT 学生的数据，作为对 Leap Motion 控制器手势识别的研究。 关于 Leap Motion 的信息可以在这里找到： : 收集的数据（约 1.5 GB，超过 9000 个单独的手势实例）位于此处： : 收集这些数据的目的是创建一个手势识别引擎，该引擎可以按照在线方式对手势进行分段、分类和解析。 我们目前对这个主题的研究可以在其他 repos 中看到。 跑步 要在 Windows 上运行 jar，只需双击 jar 文件或使用 $ java -jar DataCollector.jar 与 Leap Motion 控制器交互所需的 Windows 库和 Jar 文件已打包到此存储库中。 通常，用户发现在此 GUI 中执行手势时运行 Leap Motion Visualizer

Leap Motion 4.5.0/4.5.1/4.6.0

Leap Motion 手势控制 使用一些 Leap Motion 手势的简单系统托盘应用程序： 画一个圆圈滚动（顺时针向下） 做一个按键手势向下移动 1 行 向上/向下滑动以按下Home/End键 向左/向右滑动Ctrl+Tab和Ctrl+Shift+Tab （大多数浏览器中的选项卡切换）

unity3D和开发游戏时候用到的leapmotion的驱动程序，直接安装在电脑上就好了

跳跃手势识别 使用Leap Motion控制器识别和学习手势的应用程序。 加利福尼亚州立大学北岭分校计算机科学理学硕士项目： ：

jump_neuro_gesture

伴随虚拟现实（Virtual Reality，VR）技术的发展，以及人们对人机交互性能和体验感的要求提高，手势识别作为影响虚拟现实中交互操作的重要技术之一，其精确度急需提升[1].针对当前手势识别方法在一些动作类似的手势识别中表现欠佳的问题，提出了一种多特征动态手势识别方法.该方法首先使用体感控制器Leap Motion追踪动态手势获取数据，然后在特征提取过程中增加对位移向量角度和拐点判定计数的提取，接着进行动态手势隐马尔科夫模型（Hidden Markov Model，HMM）的训练，最后根据待测手势与模型的匹配率进行识别.从实验结果中得出，该多特征识别方法能够提升相似手势的识别率.

该设计是有关如何控制一个简单的机械手臂。该机械手臂采用AL5A 三菱驱动器，通过Arduino 可兼容开发板控制其工作运转。它通过使用Leap Motion控制器来监测手臂以及手指的相关动作，GUI界面同时实时显示当前Leap Motion数据参数并计算，将数据发送到Arduino控制器，此时机械手臂则会做出相应的动作。 GUI界面截图:

leapmotion java sdk,通过导入到工程和java根目录可以实现调控leap motion的作用。

Leap Motion SDK 是应用于Leap Motion 开发环境（Java C++等）于应用程序之间的数据调用的函数库