0
| 本文作者： 天諾 | 2017-04-28 00:00 |
雷鋒網(wǎng)按：本文作者是 Sensics 公司首席執(zhí)行官、OSVR 聯(lián)合創(chuàng)始人 Yuval。雷鋒網(wǎng)對(duì)其內(nèi)容進(jìn)行編譯。
在虛擬現(xiàn)實(shí)和增強(qiáng)現(xiàn)實(shí)系統(tǒng)環(huán)境中，可預(yù)測追蹤技術(shù)能夠?qū)δ硞€(gè)對(duì)象或身體某一部位的下一步方向和（或）位置進(jìn)行預(yù)測處理。雷鋒網(wǎng)給你舉個(gè)例子，當(dāng)你的頭部朝著某個(gè)方向轉(zhuǎn)動(dòng)時(shí)，可以同步來預(yù)測你的手可能放置的位置。
可預(yù)測追蹤技術(shù)的一個(gè)常見應(yīng)用，就是減少“運(yùn)動(dòng)光子”延遲時(shí)間，所謂運(yùn)動(dòng)的光子延遲是指用戶在虛擬現(xiàn)實(shí)或增強(qiáng)現(xiàn)實(shí)環(huán)境下完成一個(gè)動(dòng)作，到該動(dòng)作被充分反映在顯示屏上的時(shí)間。由于運(yùn)動(dòng)本身就會(huì)產(chǎn)生一些延遲，而當(dāng)運(yùn)動(dòng)完成、信息展現(xiàn)在屏幕上時(shí)又會(huì)出現(xiàn)一段時(shí)延（更多引起時(shí)延的原因請(qǐng)參見下文），因此當(dāng)你能夠預(yù)測下一步方向和位置，然后將相關(guān)數(shù)據(jù)優(yōu)先更新到屏幕上，就可以大大縮短感知延遲。
雖然在虛擬現(xiàn)實(shí)應(yīng)用中，對(duì)于可預(yù)測追蹤技術(shù)的關(guān)注比較多，但其實(shí)該技術(shù)在增強(qiáng)現(xiàn)實(shí)領(lǐng)域里也同樣非常重要，特別是當(dāng)用戶在真實(shí)世界中發(fā)生瞬時(shí)移動(dòng)，相應(yīng)的增強(qiáng)現(xiàn)實(shí)疊加也要在顯示屏上體現(xiàn)出來。舉個(gè)例子，如果你帶著一個(gè)增強(qiáng)現(xiàn)實(shí)頭盔，看到增強(qiáng)顯示的圖形疊加在實(shí)體對(duì)象的頂部，更重要的是，即使你旋轉(zhuǎn)了自己的頭庫，增強(qiáng)現(xiàn)實(shí)環(huán)境中的“覆蓋物”需要依然“鎖定”在原來的那個(gè)對(duì)象上，而不是隨著你的頭部轉(zhuǎn)動(dòng)而轉(zhuǎn)動(dòng)，它其實(shí)展示的是真實(shí)世界的一部分。對(duì)象或許可以被攝像頭識(shí)別，但是攝像頭可能需要耗費(fèi)一些時(shí)間來捕獲幀，以便處理器能夠判斷出這個(gè)對(duì)象在幀中的位置，然后圖形處理芯片需要再呈現(xiàn)疊加層上的新位置。而通過使用可預(yù)測追蹤技術(shù)，相比于現(xiàn)實(shí)世界，在疊加層中運(yùn)動(dòng)處理能夠有所減少。
如果你看到一輛汽車正在以恒定的速度行駛，然后你想要預(yù)測這輛汽車在下一秒后可能達(dá)到的位置似乎是一件非常簡單的事情，而且不出意外的話，預(yù)測的準(zhǔn)確度也會(huì)很高——因?yàn)槟悴坏肋@輛汽車的準(zhǔn)確位置，而且還知道它當(dāng)前的（或是估算的）行駛速度，所以有了這些條件之后，基本就能推斷出這輛汽車未來所處的位置在哪里。
當(dāng)然，如果你要預(yù)測這輛汽車在一秒鐘時(shí)間內(nèi)到底能開到哪兒，那么這個(gè)預(yù)測可能無法做到每次都百分之百準(zhǔn)確，因?yàn)樵谶@段時(shí)間里，汽車可能會(huì)改變方向，也有可能會(huì)加速。因此對(duì)于汽車行駛預(yù)測而言，你嘗試預(yù)測的范圍越遠(yuǎn)，預(yù)測的就會(huì)更不準(zhǔn)確。簡單的說，如果讓你預(yù)測汽車在一秒鐘時(shí)間之后所在的位置，準(zhǔn)確度肯定比讓你預(yù)測汽車在一分鐘時(shí)間之后所在的位置要高。
此外，你對(duì)汽車本身情況了解的越多，那么預(yù)測準(zhǔn)確的機(jī)會(huì)也就越大。比如，你不僅要測量汽車的速度，還要測量它的加速度，繼而進(jìn)行更準(zhǔn)確的預(yù)測。
所以，假如你能夠獲得被追蹤物體對(duì)象更多的行為信息，那么也可以提高預(yù)測準(zhǔn)確度。在舉例說明，當(dāng)你進(jìn)行頭部追蹤時(shí)，如果能夠了解頭部旋轉(zhuǎn)的速度、以及可能旋轉(zhuǎn)的角度，那么就能進(jìn)一步優(yōu)化追蹤模型，從而做出更準(zhǔn)確的判斷。同樣地，假如你正在進(jìn)行眼球追蹤，那么也可以將獲取到的眼球追蹤信息用于預(yù)測頭部運(yùn)動(dòng)（這會(huì)在本文后詳細(xì)探討）。
VR頭盔延遲測試裝置
對(duì)于可預(yù)測追蹤技術(shù)的渴望，主要來自于虛擬現(xiàn)實(shí)和增強(qiáng)現(xiàn)實(shí)環(huán)境中的時(shí)延，通常這個(gè)時(shí)延是指用戶在現(xiàn)實(shí)世界中完成了一個(gè)動(dòng)作之后，該動(dòng)作（或是該動(dòng)作所產(chǎn)生的效果）要花多長時(shí)間才能反映到顯示屏上。事實(shí)上，導(dǎo)致時(shí)延主要有以下幾個(gè)原因，比如：
感官延遲：傳感器（比如陀螺儀）可能受到帶寬限制，并且不會(huì)立即報(bào)告方向和位置變化信息。同樣地，基于攝像頭的傳感器也可能出現(xiàn)延遲，因?yàn)閿z像頭傳感器收到來自追蹤對(duì)象的光線像素，到對(duì)應(yīng)的幀準(zhǔn)備好被發(fā)送到主機(jī)處理器也需要一段時(shí)間，因此會(huì)造成時(shí)延。
處理延遲：傳感器數(shù)據(jù)通常會(huì)使用一些傳感器融合算法進(jìn)行整合，而如果執(zhí)行相關(guān)算法，那么在接收數(shù)據(jù)和到算法輸出答案之間也會(huì)造成時(shí)延。
為確保數(shù)據(jù)流暢，導(dǎo)致延遲：傳感器數(shù)據(jù)有時(shí)會(huì)比較雜亂，為了避免出現(xiàn)錯(cuò)誤，可能會(huì)執(zhí)行一些軟件或基于硬件的低通算法，雖然能夠在一定程度上提升數(shù)據(jù)流暢性，但會(huì)因?yàn)樗惴ㄙ|(zhì)量較低造成時(shí)延。
傳輸延遲：舉個(gè)例子，如果使用一個(gè) USB 互聯(lián)設(shè)備來進(jìn)行方向傳感器數(shù)據(jù)收集，那么在主機(jī)處理器收集數(shù)據(jù)和數(shù)據(jù)通過 USB 傳輸數(shù)據(jù)之間會(huì)需要一定時(shí)間，造成時(shí)延。
渲染延遲：當(dāng)你要渲染一個(gè)復(fù)雜場景時(shí)，對(duì)于處理器來說可能需要花上一段時(shí)間來判斷（或決定）每一幀里面的每一個(gè)像素放在哪個(gè)位置，以及這一幀什么時(shí)候被發(fā)送到顯示屏上。
幀速率延遲：舉個(gè)例子，如果你使用的是 100Hz顯示屏，那么就意味著從一幀到下一幀所需要的時(shí)間大約為 10 毫秒。當(dāng)繪制特定像素時(shí)，可能無法實(shí)時(shí)匹配當(dāng)前信息，因?yàn)槟阈枰仍撓袼乇粫?huì)繪制到顯示屏上，才能出現(xiàn)下一個(gè)像素。
上面提到的這些造成時(shí)延的原因，可能有一些只會(huì)導(dǎo)致非常小的時(shí)延感受，不過如果幾個(gè)問題疊加起來，可能就會(huì)帶來比較不好的用戶體驗(yàn)了。事實(shí)上，可預(yù)測追蹤技術(shù)（結(jié)合諸如時(shí)間規(guī)整算法等其他技術(shù)）對(duì)于減少明顯時(shí)延非常有幫助。
實(shí)際上，上面這個(gè)問題似乎沒有標(biāo)準(zhǔn)答案，因?yàn)樽罱K還是要看用戶的使用體驗(yàn)和感受，每個(gè)人的體感也都是不一樣的。一開始，你可能會(huì)先估計(jì)系統(tǒng)端到端的時(shí)延，然后根據(jù)自己的喜好來優(yōu)化時(shí)間。
此外，在對(duì)未來某個(gè)給定時(shí)間段內(nèi)進(jìn)行預(yù)測時(shí)，你可能需要將這段時(shí)間拆分成幾個(gè)預(yù)測時(shí)間段，為什么要這么做呢？我們用以下幾個(gè)例子來做下解釋：
不同的對(duì)象有不同的端到端延遲。舉個(gè)例子，基于攝像頭的手部追蹤和基于攝像頭的頭部追蹤所表現(xiàn)出的時(shí)延就不一樣，但在某些虛擬現(xiàn)實(shí)或增強(qiáng)現(xiàn)實(shí)應(yīng)用場景下，你又需要將手部和頭部動(dòng)作同步起來，所以你需要采用不同的預(yù)測追蹤時(shí)間，使得最終效果更加協(xié)調(diào)。
在配置用于雙眼圖像提供的單屏幕（比如智能手機(jī)屏幕）時(shí)，對(duì)于單眼圖像顯示，也會(huì)出現(xiàn)半幀的延遲（比如，六十分之一秒的一半，或是大約 8 毫秒），一只眼睛會(huì)“先看到”圖像，然后該圖像才會(huì)反映到另一只眼睛上。所以在這種情況下，最好也能夠應(yīng)用可預(yù)測追蹤技術(shù)，提前 8 毫秒時(shí)間進(jìn)行判斷，減少半屏延遲體驗(yàn)。
這里再介紹幾個(gè)可預(yù)測追蹤算法的例子：
導(dǎo)航推測算法：這其實(shí)是一個(gè)非常簡單的算法，如果在給定時(shí)間內(nèi)位置和速度（或是角位置和角速度）都是已知的，而且在速度保持不變的情況下，速度值也不會(huì)有錯(cuò)誤，那么就可以計(jì)算出對(duì)象最后的“落腳點(diǎn)”，繼而進(jìn)行位置預(yù)測。舉個(gè)例子，如果最后一個(gè)所知位置是 100 單位，而最后所知的速度是每秒 10 單位，那么在未來 10 毫秒這段時(shí)間里，該對(duì)象的位置點(diǎn)就是 100+10*0.01=100.1。當(dāng)然，這是一個(gè)非常簡單的計(jì)算，因?yàn)樗幸粋€(gè)假設(shè)前提，那就是位置和速度都是正確的（而且在主觀上也不會(huì)受到其他測量問題的影響），同時(shí)速度也都是保持恒定。但事實(shí)上，所有這些假設(shè)在現(xiàn)實(shí)中幾乎都很難實(shí)現(xiàn)。
卡爾曼預(yù)測器：它是基于著名的卡爾曼濾波器，用于在已有系統(tǒng)運(yùn)行的數(shù)學(xué)模型中減少系統(tǒng)傳感器噪音的。如果你需要了解更多和卡爾曼濾波器有關(guān)的信息，請(qǐng)參見這里。
Alpha-beta-gamma：ABG 預(yù)測器和上文提到的卡爾曼預(yù)測器相關(guān)度很高，雖然數(shù)學(xué)應(yīng)用更簡單，但是它的通用性卻比較一般。ABG 預(yù)測器會(huì)嘗試不斷估算速度和加速度，然后將這些數(shù)據(jù)應(yīng)用于預(yù)測。由于估值考慮到了實(shí)際數(shù)據(jù)，所以他們減少一部分估值誤差。配置 alpha、beta 和 gamma 參數(shù)也增強(qiáng)了響應(yīng)能力。
可預(yù)測追蹤技術(shù)是一種非常有用的虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)技術(shù)，而且也常用語減少表現(xiàn)時(shí)延問題。該技術(shù)執(zhí)行起來雖然簡單，但是對(duì)專業(yè)水平要求較高，所以需要你多做一些思考和分析，因?yàn)榫湍壳暗奶摂M現(xiàn)實(shí)和增強(qiáng)現(xiàn)實(shí)系統(tǒng)來說，減少時(shí)延是至關(guān)重要的。
VIA roadtovr
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
