預(yù)測(cè)追蹤(predictive tracking)指的是預(yù)測(cè)物體或身體的一部分將要移動(dòng)的方向或位置。隨著AR和VR對(duì)呈像要求越來(lái)越高，預(yù)測(cè)追蹤將被應(yīng)用到各大頭顯設(shè)備。
預(yù)測(cè)追蹤的作用
預(yù)測(cè)追蹤的一個(gè)常見(jiàn)的用途是減少明顯的運(yùn)動(dòng)光子延遲(“motion-to-photon” latency)，即減少運(yùn)動(dòng)發(fā)生和顯示到顯示器上的之間的時(shí)間差距，用預(yù)測(cè)未來(lái)方向和位置的方法作為更新顯示使用的數(shù)據(jù)，可以縮短這個(gè)延遲。
大量關(guān)于預(yù)測(cè)追蹤的注意力都集中在VR應(yīng)用領(lǐng)域，其實(shí)在AR現(xiàn)實(shí)領(lǐng)域它也是非常重要的，因?yàn)樵贏R頭顯設(shè)備中既可以看到現(xiàn)實(shí)世界中的瞬間運(yùn)動(dòng)，又可以看到在現(xiàn)實(shí)上疊加的虛擬影像。
例如，如果你正在使用頭顯設(shè)備觀看一個(gè)現(xiàn)實(shí)世界的物理對(duì)象，設(shè)備需要在對(duì)象上顯示一個(gè)圖形覆蓋，這種覆蓋狀態(tài)要保持“鎖定”十分重要，即使用戶旋轉(zhuǎn)頭，也能使覆蓋的圖層看起來(lái)像是現(xiàn)實(shí)世界的一部分。
該對(duì)象可能會(huì)被相機(jī)識(shí)別，但相機(jī)進(jìn)行捕捉、處理器確定的對(duì)象所在位置、圖形芯片渲染覆蓋圖層也都需要時(shí)間。通過(guò)使用預(yù)測(cè)追蹤，可以減少覆蓋圖層和現(xiàn)實(shí)世界的分離。
如何預(yù)測(cè)追蹤路徑
如果你看到一輛汽車以恒定的速度行駛，你應(yīng)該會(huì)對(duì)這輛車將在未來(lái)一秒鐘的位移做出準(zhǔn)確預(yù)測(cè)。你知道汽車的當(dāng)前位置，知道(或者估計(jì))當(dāng)前的速度，因此你可以推斷出這個(gè)位置接下來(lái)的變化。
當(dāng)然，你的預(yù)測(cè)不可能每一次都100%準(zhǔn)確，因?yàn)槠嚳赡軙?huì)在這一秒鐘時(shí)間內(nèi)改變方向或加快速度。你想要預(yù)測(cè)的時(shí)間越長(zhǎng)，你的預(yù)測(cè)就越不準(zhǔn)確，即預(yù)測(cè)一秒鐘內(nèi)車在哪里會(huì)比預(yù)測(cè)一分鐘內(nèi)它的位置要準(zhǔn)確得多。
你越了解汽車和它的行為，你就有更好的機(jī)會(huì)做出準(zhǔn)確的預(yù)測(cè)。例如，如果你能測(cè)量速度和加速度，你可以做出更準(zhǔn)確的預(yù)測(cè)。
如果有被追蹤體的行為的其他信息，也可以提高預(yù)測(cè)精度。例如，在做頭部追蹤時(shí)，了解人頭部的轉(zhuǎn)頭速度有多快，以及常見(jiàn)的轉(zhuǎn)頭速度，就可以改善追蹤模型。同樣，如果你正在做眼部追蹤，你可以使用眼部追蹤信息來(lái)預(yù)測(cè)頭部。
延遲的原因
對(duì)預(yù)測(cè)追蹤的需求是來(lái)源于實(shí)際運(yùn)動(dòng)與畫面顯示之間的一些延遲。延遲的原因有很多，主要有以下幾個(gè)：
●檢測(cè)延遲。傳感器(例如陀螺儀)的帶寬有可能是受限的，不會(huì)立馬反饋方向或位置的變化。同樣，攝像頭的傳感器從接到信息到把信息輸送到主處理器中也會(huì)有延遲。
●處理延遲。傳感數(shù)據(jù)往往使用了某種算法，而執(zhí)行該算法也需要一定時(shí)間，會(huì)造成延時(shí)。
●數(shù)據(jù)信號(hào)加工。傳感數(shù)據(jù)有時(shí)含有噪音，為了避免這些噪音，需要執(zhí)行一個(gè)以軟、硬件為基礎(chǔ)的低通算法，需要時(shí)間。
●傳輸延遲。如果方向檢測(cè)是用USB連接的設(shè)備進(jìn)行的，主機(jī)處理器采集到數(shù)據(jù)同USB傳輸過(guò)去之間也需要一定的時(shí)間。
●渲染延遲。如果遇到復(fù)雜的嘲，處理器需要一段時(shí)間來(lái)渲染。
●幀速率延遲。如果顯示器的刷新率在100Hz，從一幀到下一幀有10毫秒的時(shí)間間隔。如果某一幀的信息不是那么清楚時(shí)，可能需要等下一幀。
延遲測(cè)試器正在頭顯設(shè)備上進(jìn)行測(cè)試
這些延遲是非常小的，但全加起來(lái)就很多了。預(yù)測(cè)追蹤同時(shí)間扭曲(time-warping)等技術(shù)，都有助于減少明顯的延遲。
需要預(yù)測(cè)多長(zhǎng)時(shí)間?
答案是三個(gè)字：不一定。
你可能會(huì)需要預(yù)測(cè)未來(lái)的幾個(gè)時(shí)間點(diǎn)。以下是一些例子：
●有不同的端到端的延遲對(duì)象。例如，用攝像機(jī)對(duì)手部進(jìn)行失蹤同追蹤頭部可能有不同的延遲，但需要同時(shí)呈現(xiàn)在同一畫面上，所以需要對(duì)未來(lái)不同時(shí)間點(diǎn)進(jìn)行預(yù)測(cè)追蹤。
●使用單屏幕(如智能手機(jī)屏幕)來(lái)為雙眼提供圖像時(shí)，通常有只眼睛的圖像相對(duì)于另一只眼睛可能會(huì)出現(xiàn)半幀(1/60秒的一半或約8毫秒)的延遲。
常見(jiàn)的預(yù)測(cè)算法
這里是一些預(yù)測(cè)追蹤的算法：
●Dead reckoning：這是一個(gè)非常簡(jiǎn)單的算法，如果在給定的時(shí)間已知位置和速度(或角位置和角速度)，可以預(yù)測(cè)未來(lái)的位置，但有一些前提，即給定時(shí)間的最后時(shí)間的位置和速度是正確的，且速度保持不變。
例如，如果最后一個(gè)已知的位置是100個(gè)單位，最后一個(gè)已知速度是10單位/秒，那么未來(lái)10毫秒的位置是100 + 10 ×0.01 = 100.1。雖然這看起來(lái)算法簡(jiǎn)單，但需要最后的位置和速度是準(zhǔn)確的(不受任何測(cè)量噪聲)和速度是恒定的，這很難達(dá)到。
●Kalman predictor：這是基于一個(gè)卡爾曼濾波器的預(yù)測(cè)，用來(lái)用于削弱傳感器噪音。這個(gè)系統(tǒng)可用包含正交狀態(tài)變量的微分方程模型來(lái)描述，這種濾波器是將過(guò)去的測(cè)量估計(jì)誤差合并到新的測(cè)量誤差中來(lái)估計(jì)將來(lái)的誤差。
●Alpha-beta-gamma：ABG預(yù)測(cè)與Kalman predictor預(yù)測(cè)密切相關(guān)，但又有不同。ABG會(huì)不斷地估計(jì)速度和加速度，并將其用于預(yù)測(cè)，因?yàn)楣浪阒禃?huì)參考實(shí)際數(shù)據(jù)，所以它們會(huì)減少測(cè)量噪聲。配置參數(shù)(alpha，beta和gamma)更加強(qiáng)調(diào)反應(yīng)的能力，而不是降噪。
預(yù)測(cè)追蹤是減少明顯延遲的一種有用且常用的技術(shù)，要在今天的VR和AR系統(tǒng)實(shí)現(xiàn)低延遲追蹤，使用預(yù)測(cè)追蹤是必不可少的。
投稿郵箱：chuanbeiol@163.com 詳情請(qǐng)?jiān)L問(wèn)川北在線：http://www.sanmuled.cn/
