【導讀】增強現實（AR）和虛擬現實（VR）技術近年在產業界和學術界吸引了極高的關注度

，它們豐富了現實世界環境，或用模擬環境替代現實世界。然而，AR/VR設備存在的端到端延遲會嚴重影響用戶體驗。尤其是動顯延遲（Motion-to-photons latency，定義為從用戶發生動作到該動作觸發的反饋顯示在屏幕上所需要的時間）

，它是限製AR/VR應用的主要挑戰之一。例如，動顯延遲高於20 ms就會導致用戶惡心或眩暈。

yinci，jianshaodongxianyanchiduiyugaishanyonghudexunitiyanzhiguanzhongyao。jianshaodongxianyanchideyizhongchangjianfangfashitongguoyupanyonghudeyidonglaiyuceweilaidetoubufangxiang，shiAR/VR設備能夠提前渲染接下來的場景。因此，開發能夠在AR/VR設備中準確預測頭部方向的算法至關重要。當然，除了AR/VR應用，方向預測在無人機、機器人和導航係統等其他實際應用中也至關重要。

方向預測需要利用各種測量源（例如慣性傳感器或單目/立體相機）dexinxilaiyuxiangusuandangqianfangxiang。liru，zhiqianyiyouyanjiuhebingliyongguanxingchuanganqihexiangjiceliangshujuyigusuanwutidefangxiang，qizhongguanxingchuanganqiyongyutongguojifencelianglaiquedingfangxiang
，erxiangjishuchuyongyubuchangwucha。raner
，xiangjishijiaoxinxizengjialegusuanguochengdefuzaxing
，bushiheziyuanyouxiandeshebei。

此外，照明變化也會影響基於相機的算法性能。MEMS技術的進步推動了慣性測量單元（IMU）的小型化和經濟性。憑借其高采樣率、低延遲和小尺寸

，IMU已被用於現代AR/VR設備，以獲取用於定位和方向的數據。

頭部方向預測示意圖

商用IMU通常包括三軸陀螺儀
、三軸加速度計和/或磁力計。陀螺儀測量角速度並隨時間進行積分以確定方向角。然而，積分過程也會累積傳感器誤差；yinci，suizheshijiandetuiyi
，gusuanfangxianghuipianlizhenshifangxiang
，yingxiangkekaoxing。jiasudujiyongyuceliangdiqiudeyinlichanglaikefuzhegewenti，congerchanshengyongyuxiaozhenggusuanfangxiangdecankaoshiliang。celiangdiqiucichangdecilijiyeyongyuxiaozhengjiaosudu。buguo，youyuqiduiciganrao（如金屬或電氣設備產生的磁幹擾）非常敏感，使其適用性受到限製。

此外

，已有研究利用IMU基於卡爾曼濾波（KF）和粒子濾波（PF）開發了多種用於AR/VR設she備bei的de方fang向xiang預yu測ce算suan法fa。基ji於yu卡ka爾er曼man濾lv波bo的de算suan法fa通tong過guo遞di歸gui地di執zhi行xing兩liang步bu預yu測ce和he校xiao正zheng來lai導dao出chu最zui優you估gu計ji。在zai預yu測ce步bu驟zhou中zhong
，濾lv波bo器qi預yu測ce未wei來lai方fang向xiang及ji其qi不bu確que定ding性xing。一yi旦dan觀guan察cha到dao實shi際ji測ce量liang結jie果guo
，就jiu使shi用yong加jia權quan平ping均jun來lai校xiao正zheng預yu測ce，其qi中zhong不bu確que定ding性xing較jiao低di的de估gu計ji值zhi被bei分fen配pei更geng大da的de權quan重zhong。相xiang比bi之zhi下xia，粒li子zi濾lv波bo是shi一yi種zhong遞di歸gui貝bei葉ye斯si狀zhuang態tai估gu算suan模mo型xing，利li用yong隨sui機ji樣yang本ben表biao示shi係xi統tong狀zhuang態tai的de概gai率lv密mi度du函han數shu。因yin為wei粒li子zi濾lv波bo可ke以yi以yi任ren何he形xing式shi使shi用yong狀zhuang態tai空kong間jian模mo型xing，所suo以yi它ta們men可ke以yi應ying用yong於yu廣guang泛fan的de模mo型xing。然ran而er，盡jin管guan粒li子zi濾lv波bo更geng複fu雜za，但dan與yu卡ka爾er曼man濾lv波bo相xiang比bi，粒li子zi濾lv波bo並bing未wei表biao現xian出chu顯xian著zhu的de改gai進jin。

因此，卡爾曼濾波更常用於方向估算和預測。由於標準卡爾曼濾波是僅在線性假設下的最優估算，因此其變體，例如擴展卡爾曼濾波（EKF）和無跡卡爾曼濾波（UKF），廣泛用於非線性係統中的方向預測。特別是擴展卡爾曼濾波通過將基於先前估算的狀態轉移函數線性化到當前估算來預測方向。

然(ran)而(er)，當(dang)狀(zhuang)態(tai)轉(zhuan)移(yi)和(he)觀(guan)測(ce)模(mo)型(xing)高(gao)度(du)非(fei)線(xian)性(xing)時(shi)，擴(kuo)展(zhan)卡(ka)爾(er)曼(man)濾(lv)波(bo)可(ke)能(neng)由(you)於(yu)不(bu)確(que)定(ding)度(du)的(de)傳(chuan)播(bo)而(er)表(biao)現(xian)出(chu)較(jiao)差(cha)的(de)性(xing)能(neng)。在(zai)無(wu)跡(ji)卡(ka)爾(er)曼(man)濾(lv)波(bo)中(zhong)，線(xian)性(xing)化(hua)被(bei)稱(cheng)為(wei)無(wu)跡(ji)變(bian)換(huan)的(de)確(que)定(ding)性(xing)采(cai)樣(yang)方(fang)案(an)所(suo)取(qu)代(dai)，該(gai)方(fang)案(an)在(zai)均(jun)值(zhi)附(fu)近(jin)選(xuan)擇(ze)一(yi)組(zu)采(cai)樣(yang)點(dian)。因(yin)此(ci)，基(ji)於(yu)無(wu)跡(ji)卡(ka)爾(er)曼(man)濾(lv)波(bo)的(de)算(suan)法(fa)不(bu)適(shi)用(yong)於(yu)AR/VR等計算能力有限的設備。

據(ju)麥(mai)姆(mu)斯(si)谘(zi)詢(xun)介(jie)紹(shao)，韓(han)國(guo)東(dong)國(guo)大(da)學(xue)多(duo)媒(mei)體(ti)工(gong)程(cheng)係(xi)的(de)一(yi)支(zhi)研(yan)究(jiu)團(tuan)隊(dui)近(jin)期(qi)提(ti)出(chu)了(le)一(yi)種(zhong)新(xin)的(de)方(fang)向(xiang)預(yu)測(ce)算(suan)法(fa)
，通(tong)過(guo)解(jie)決(jue)傳(chuan)統(tong)預(yu)測(ce)算(suan)法(fa)的(de)局(ju)限(xian)性(xing)來(lai)提(ti)高(gao)預(yu)測(ce)精(jing)度(du)。所(suo)提(ti)出(chu)的(de)算(suan)法(fa)通(tong)過(guo)從(cong)當(dang)前(qian)方(fang)向(xiang)估(gu)算(suan)線(xian)性(xing)位(wei)移(yi)及(ji)隨(sui)後(hou)的(de)調(tiao)整(zheng)來(lai)補(bu)償(chang)線(xian)性(xing)預(yu)測(ce)引(yin)起(qi)的(de)誤(wu)差(cha)。

當(dang)前(qian)預(yu)測(ce)基(ji)於(yu)先(xian)前(qian)預(yu)測(ce)的(de)準(zhun)確(que)性(xing)進(jin)行(xing)調(tiao)整(zheng)。為(wei)此(ci)

，確(que)定(ding)先(xian)前(qian)線(xian)性(xing)預(yu)測(ce)和(he)當(dang)前(qian)方(fang)向(xiang)之(zhi)間(jian)的(de)方(fang)向(xiang)差(cha)異(yi)。然(ran)後(hou)
，研(yan)究(jiu)人(ren)員(yuan)定(ding)義(yi)了(le)一(yi)個(ge)權(quan)重(zhong)矩(ju)陣(zhen)
，基(ji)於(yu)方(fang)向(xiang)差(cha)確(que)定(ding)當(dang)前(qian)預(yu)測(ce)的(de)最(zui)優(you)調(tiao)整(zheng)。

與卡爾曼濾波的推導相似（不確定性較低的差異被分配更大的權重），使用當前和先前預測的方向之間的預測誤差
，獲得最佳權重矩陣作為最小均方誤差（MMSE）估算。

總體來說，研究人員提出了一種配備IMU（包括三軸陀螺儀和三軸加速度計）
、基於類卡爾曼誤差補償的AR/VRshebeifangxiangyucesuanfa。zhexiangyanjiudezhuyaogongxianshijiyuxianqiandeyucejingdutigaodangqiandeyucejingdu，bingjiyufangxiangchaquedingyucedezuijiatiaozheng。shiyanjieguobiaoming，gaisuanfazaiduogekaifangshujujishangyouyuchuantongdefangxiangyucesuanfa。

來源：MEMS

免責聲明：本文為轉載文章，轉載此文目的在於傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片
、文字如涉及作品版權問題，請聯係小編進行處理。

推薦閱讀：

高階整車域控製器的詳細設計方案

單對以太網要如何實現10Base-T1L？

有關機器視覺的四個真相，你知道幾個？

基於傳感器內神經網絡的模擬-信息轉換技術
，可顯著降低傳感器功耗

寄生電感的介紹