增强现实引擎开发（Unity AR） AR显示基本原理 AR显示基本原理.pptxVIP

AR显示基本原理 目录 一、工作原理 四、工作原理 在2009年2月的TED大会上，帕蒂•梅斯（Pattie Maes）和普拉纳夫•米斯特莱（Pranav Mistry）展示了他们研发的AR系统。该系统属于麻省理工学院媒体实验室流体界面小组的研究成果之一，他们称之为SixthSense（第六感）。它依靠众多AR系统中常见的一些基本元件来工作：摄像头、小型投影仪、智能手机和镜子。 四、工作原理 四、工作原理 AR系统结构讲解，由虚拟场景生成单元以及显示器和头盔等交互设备构成。其中虚拟场景生成单元负责虚拟场景的建模、管理、绘制和其它外设的管理；显示器负责显示虚拟和现实融合后的信号；头部跟踪设备跟踪用户视线变化；交互设备用于实现感官信号及环境控制操作信号的输入输出。 首先摄像头和传感器采集真实场景的视频或者图像，传入后台的处理单元对其进行分析和重构，并结合头部跟踪设备的数据来分析虚拟场景和真实场景的相对位置，实现坐标系的对齐并进行虚拟场景的融合计算；交互设备采集外部控制信号，实现对虚实结合场景的交互操作。系统融合后的信息会实时地显示在显示器中，展现在人的视野中。 四、工作原理 为了保持现实和虚拟的对准，跟踪和识别的技术就显得尤为重要。检测和识别技术包含图像匹配和识别以及语义检测和识别这2点。 图片匹配识别：适用于需要对环境进行精确跟踪，定位环境中的目标的应用场景。 语义检测和识别：适用于强调增强辅助信息应用场景如检测人脸后显示年龄和性别。 四、工作原理 跟踪定位技术则分为基于硬件的定位技术和基于视觉的定位技术2点。其中基于视觉的跟踪定位技术最核心的技术，也是主流技术。基于视觉的三维配准包含了这3个发展阶段。 基于硬件：光学跟踪和惯性跟踪是比较常用的两种硬件跟踪方式，精确度取决于硬件性能。比如基于LBS的Pokemon Go 基于视觉：优化对场景识别的算法来解决跟踪精度问题。非接触式、精确、低成本。是当前的主流技术。 四、工作原理 二维图片定位 二维图片定位是指基于平面物体的识别和定位，比如现在市场上很常见的一些AR技术图书，又或则是APP应用。这种技术是将现实世界的一张图片作为定位的锚点，计算机生成的虚拟物体会围绕这个定位点，融入现实环境中。目前基于图片定位的AR是最为成熟的技术，广泛运用在各个地方。目前用在儿童教育图书方面，会比较多。 三维物体定位 当然扩展当属三维物体。一些简单的规则三维物体，比如圆柱状可乐罐，同样可以作为虚实结合的载体。对于一些特定的非规则物体，比如人脸，由于有多年的研究积累和海量的数据支持，已经有很多算法可以进行实时精准对齐。 基于SLAM的三维环境定位 对于三维环境的动态的实时的理解是当前AR在技术研究方面最活跃的问题。其核心就是最近火热的“即时定位与地图构建”（SLAM，SimultaneouslyLocalization And Mapping），在无人车，无人机和机器人等领域也起着核心作用。AR中的SLAM比其他领域中一般难度要大很多，主要是因为AR赖以依存的移动端的计算能力和资源比起其他领域来说要弱很多。目前在AR中还是以视觉SLAM为主，其他传感器为辅的局面，尽管这个情况正在改变。 四、工作原理 标准的视觉SLAM问题可以这么描述为：把你空投到一个陌生的环境中，你要解决“我在哪”的问题。这里的“我”基本上等同于相机或者眼睛（因为单目，即单相机，请把自己想象成独眼龙），“在”就是要定位（就是localization），“哪”需要一张本来不存在的需要你来构建的地图（就是mapping）。你带着一只眼睛一边走，一边对周边环境进行理解（建图），一边确定在所建地图中的位置（定位），这就是SLAM了。换句话说，在走的过程中，一方面把所见到（相机拍到）的地方连起来成地图，另一方面把走的轨迹在地图上找到。 谢谢观看