你的位置:首頁 > 互連技術(shù) > 正文

現(xiàn)實(shí)與虛擬的結(jié)合:從Magic Leap和HoloLens看增強(qiáng)現(xiàn)實(shí)的挑戰(zhàn)

發(fā)布時(shí)間:2016-02-14 責(zé)任編輯:susan

【導(dǎo)讀】最近Magic Leap和HoloLens很火。它們是什么?為什么這么火?什么時(shí)候能做成?還面臨哪些挑戰(zhàn)?Botao同學(xué)在知乎上談了不少3D感知部分,我來補(bǔ)充補(bǔ)充別的。
 

 
Magic Leap 和 HoloLens 是什么?
  
Magic Leap 和 HoloLens 都是 Augmented Reality (AR)眼鏡的代表。
  
AR 和 VR 眼鏡的區(qū)別是什么?
 
 
AR 眼鏡是透明的,讓你能同時(shí)看到現(xiàn)實(shí)世界,和疊加在上面的虛擬成像。應(yīng)用例子:趕不上 Lady Gaga 的演唱會(huì)?沒關(guān)系,戴上眼鏡她就在你家里開一個(gè)。代表產(chǎn)品原型:Magic Leap 和微軟的 HoloLens。
  
VR 眼鏡是不透明的,只顯示虛擬世界,把物理世界完全擋住。應(yīng)用例子:坐在家里也能去大溪地“潛水”。代表產(chǎn)品:三星的 Gear VR,谷歌 Cardboard,Oculus Rift。
 
 
Magic Leap 和 Microsoft 為什么要做 AR 眼鏡?
  
總的來說,這是計(jì)算機(jī)的必然發(fā)展趨勢(shì)。2007 年蘋果推出 iPhone 以來,手機(jī)發(fā)展太迅猛,用戶隨時(shí)隨地帶著它,各項(xiàng)使用數(shù)據(jù)毫無懸念地都在超越 PC 端。所以,人機(jī)交互界面的未來主要在于移動(dòng)。但現(xiàn)在的手機(jī)局限在于:
  
(1)既然要便于攜帶屏幕就做得小,屏幕小了某些功能就得受限;
(2)顯示屏幕是平面也就是二維的,而真實(shí)世界是三維的。
  
未來的 AR 眼鏡有望實(shí)現(xiàn)大突破,就是既能讓用戶隨身攜帶,又能在他眼前顯示超大屏幕,還能把以假亂真的 3D 內(nèi)容渲染到他看到的真實(shí)世界里(想象你坐在教室里聽課,你的老師看起來真實(shí)無比,但其實(shí)就是在你的眼鏡上虛擬出來的)。這樣的眼鏡大概不會(huì)完全取代手機(jī),但毫無疑問潛力無窮。
  
跟 VR 比較,AR 的應(yīng)用場(chǎng)景也更廣闊(你總不能帶著 VR 頭盔大街上走吧)。本質(zhì)上,AR 是 VR 的超集,鏡片前面一擋就成了 VR(前提是視角能做到差不多大)。
  
戴眼鏡好麻煩,為什么不直接像《星球大戰(zhàn)》一樣在空氣中顯示全息圖(Hologram)?
  
Holography 是人類的美好愿景,有一天也許能做成,但近期看離實(shí)用還早?,F(xiàn)在有一些大學(xué)實(shí)驗(yàn)室在研究裸眼光場(chǎng)顯示器(light field display),但需要很復(fù)雜笨重昂貴的設(shè)備,還只能在安裝了的地方用。相對(duì)而言,眼鏡的可行性要大得多。如果能做成輕便的 AR 眼鏡,將是移動(dòng)人機(jī)交互界面上也是計(jì)算機(jī)發(fā)展的重大革新。
  
在 VR 頭盔上加個(gè)前視攝像頭不也就成 AR 了嗎?為什么非要透明的?
  
好問題。說起來 AR 有兩種,一種是前面所說的透明 AR(optical see-through)——現(xiàn)實(shí)世界是透過鏡片直接看到的。另一種就是“視頻疊加”(video see-through 或者 video overlay)——現(xiàn)實(shí)世界是通過攝像頭捕捉,然后以視頻的方式呈現(xiàn)給用戶(在上面再渲染一些東西)。事實(shí)上,現(xiàn)在手機(jī)和平板上已經(jīng)出現(xiàn)了很多 video overlay 的應(yīng)用,比如看星空,求翻譯,選家具等。
  
那為什么不用 VR 頭盔加攝像頭實(shí)現(xiàn)這種 AR 呢?當(dāng)然可以,現(xiàn)在很多 VR 頭盔都在試探這種做法。它和透明 AR 相比各有優(yōu)劣,比如優(yōu)勢(shì)在于用視頻實(shí)現(xiàn)的虛擬和現(xiàn)實(shí)的疊加(overlay)要比透明 AR 簡(jiǎn)單得多,這也是為什么它已經(jīng)開始在移動(dòng)端商用的原因。
  
但劣勢(shì)也可想而知,用戶看到的畢竟只是一個(gè) 2D 視頻,質(zhì)量跟眼睛直接看到的世界還是差很大的。而且視頻從采集到顯示總歸是有延遲的,如果跟體感信號(hào)不一致的話會(huì)造成身體不適。所以不管怎樣都還是會(huì)有公司前仆后繼地去做透明 AR 的,Magic Leap 和 Microsoft HoloLens 就是例子。
  
Magic Leap 為什么那么牛能融到 5.42 億?(最近的 C 輪在融 8億)
  
前面說的應(yīng)用潛力無窮肯定是助力,同時(shí)還有技術(shù),創(chuàng)始人,團(tuán)隊(duì)的原因。
  
Magic Leap 的核心技術(shù)是來自華盛頓大學(xué)前研究員 Brian Schowengerdt 的,他導(dǎo)師 Eric Seibel 是光纖掃描內(nèi)窺鏡(Scanning Fiber Endoscope)的專家。大家都知道內(nèi)窺鏡就是醫(yī)生們做手術(shù)時(shí)用來體內(nèi)成像的,本質(zhì)是個(gè)微小攝像頭。Brian 很聰明地逆轉(zhuǎn)光路把這個(gè)技術(shù)用到了顯示上,這樣通過極細(xì)的光纖用激光就可以打出彩色的圖像(如圖所示)。這個(gè)技術(shù)十幾年前就發(fā)表了,后來又不斷改進(jìn),生成了一堆專利。Magic Leap 很大程度上是基于 Brian 的這些專利。
  
那這種技術(shù)為什么重要呢?我們后面留成一個(gè)專門的問題講。
 
然而光有技術(shù)牛是不夠的,AR 眼鏡這種東西,要想做好可想而知是需要投入巨大的人力物力的,軟件硬件都得有重大突破。蘋果、微軟、谷歌這樣的公司可能有財(cái)力去做這個(gè)事,為什么會(huì)相信一個(gè)初創(chuàng)小企業(yè)能做成?我覺得猶太人創(chuàng)始人 Rony Abovitz 起的作用很大。Rony 之前是 MAKO Surgical 的聯(lián)合創(chuàng)始人。這家公司知道的人不多,但他們做的東西說出來就嚇人了——是做機(jī)器人手術(shù)(robotic surgery)的,主要是骨科手術(shù)精準(zhǔn)定位。聽起來科幻超前吧,可是人 2004 年創(chuàng)建,2008 年就上市了,2013 年以 16.5 億美元賣給了 Stryker Medical。這種 track record 他拉不到投資誰能拉到。
  
除了創(chuàng)始人兼 CEO,團(tuán)隊(duì)也不是蓋的,計(jì)算機(jī)視覺部分拉到了 Gary Bradski 和 Jean-Yves Bouguet 這樣的大牛。合作的 Weta Workshop 是在好萊塢給電影做特效的,《指環(huán)王》就是他們做的。所以 Magic Leap 當(dāng)年用來拉投資用的概念視頻就像一個(gè)微型電影一樣。
  
現(xiàn)在該回到前面的問題了,為什么 Magic Leap 的光場(chǎng)顯示技術(shù)很重要?
  
首先,它是基于極細(xì)的光纖的,可以讓眼鏡做得輕薄。但更重要的是因?yàn)?Brian 證明了用這種技術(shù)不僅可以投射出一個(gè) 2D 圖片,還能顯示出一個(gè)光場(chǎng)(Light Field)。
  
現(xiàn)代的近視眼鏡為了實(shí)現(xiàn) 3D 有兩種主要的技術(shù):Stereoscopic(中文翻譯成“立體”,但其實(shí)不夠準(zhǔn)確),和 Light Field(光場(chǎng))。Stereoscopic 眼鏡早已商化(比如所有 3D 影院里用的,還有市面上幾乎所有 AR 和 VR 眼鏡/原型——包括 Microsoft HoloLens,Epson Moverio,Lumus DK-40, Facebook Oculus——都是 Stereoscopic)。而 Light Field 還只在實(shí)驗(yàn)室里有雛形(Magic Leap 大概是做得最好的一個(gè))。什么是 Stereoscopic 3D 呢?為什么它不夠好還要做 Light Field 呢?什么又是Light Field 呢?
  
[page]
Stereoscopic 3D 是假 3D
  
3D 圖像比 2D 圖片多了一個(gè)維度,這個(gè)維度就是景深(depth),看過 3D 電影和 2D 電影的同學(xué)知道感官上有明顯的區(qū)別(只有少數(shù)人有雙盲癥不能看到)。大家知道人眼感知景深有很多機(jī)制,包括單眼(monocular)和雙眼(binocular)的。
  
單眼能感知的景深信號(hào)很多,比如:一個(gè)東西遮擋了另一個(gè)(occlusion),熟悉的物體的大?。╮elative size/height),物體移動(dòng)的變化(遠(yuǎn)的物體變化慢近的物體變化快,即 motion parallax)。在此基礎(chǔ)上,雙眼的景深信號(hào)也非常強(qiáng)烈(所以遠(yuǎn)古的我們能更好地判斷對(duì)面的老虎或者鹿到底離多遠(yuǎn))。兩只眼睛看到同一個(gè)場(chǎng)景會(huì)有細(xì)微差別,這讓大腦能通過三角計(jì)算(triangulation)來得到物體景深。
  
Stereoscopic 3D 就是利用這個(gè)原理給雙眼分別顯示不同的圖片(如下圖),它們很相似,只在水平方向上有細(xì)微差別。而這兩張圖片拍攝的時(shí)候,就是用兩個(gè)并排的相機(jī)模擬人眼的位置拍的,現(xiàn)在的 3D 電影都是基于這個(gè)原理。
  
但這樣的 Stereoscopic 3D 有什么問題呢?簡(jiǎn)單講它會(huì)引起用戶身體不適如頭暈、惡心等。為什么呢?這又涉及到人眼的一個(gè)有意思的機(jī)制。當(dāng)我們?cè)诳匆粋€(gè)現(xiàn)實(shí)世界中的物體時(shí),眼睛其實(shí)有兩種自然反應(yīng):
  
(1)聚焦(Accommodation/Focus)。眼睛的晶狀體就像一個(gè)凸透鏡,它會(huì)調(diào)節(jié)凸度來讓那個(gè)物體在咱們視網(wǎng)膜上清楚成像。
(2)“會(huì)聚”(Convergence)。在每只眼睛聚焦的同時(shí),兩只眼球還會(huì)有旋轉(zhuǎn)運(yùn)動(dòng)來一起指向那個(gè)物體。
  
很自然地,這兩種反射運(yùn)動(dòng)在神經(jīng)上是聯(lián)接的(neurally coupled),也就是說任意一種運(yùn)動(dòng)會(huì)自動(dòng)引發(fā)另一種運(yùn)動(dòng)。這也意味著,在人眼看真實(shí)物體的時(shí)候,聚焦和會(huì)聚的距離總是相等的(vergence distance = accommodation distance,參見下圖A)。
  
那么 Stereoscopic 3D 的問題就來了。因?yàn)?Stereoscopic 的投射距離總是固定的(也就是 accommodation distance 不變),而圖片的 disparity 會(huì)讓眼睛會(huì)聚在不同的距離(vergence distance)以產(chǎn)生景深 3D 效果(見下圖B)。所以,這兩種距離經(jīng)常是不一致的(vergence distance ≠ accommodation distance),會(huì)造成這兩種神經(jīng)相連的運(yùn)動(dòng)強(qiáng)行分離(neurally decoupled)。
  
從另一個(gè)角度講,在自然世界里,當(dāng)人眼聚焦并會(huì)聚到一個(gè)物體時(shí),別的距離的物體應(yīng)該都是模糊的(下圖C)。而在Stereoscopic 3D 里,不管人眼聚焦到哪兒,別的距離的物體成像都是清楚的(下圖D)。
  
這些都不符合自然界人眼的規(guī)律,因此大腦會(huì)產(chǎn)生混亂,長(zhǎng)時(shí)間就會(huì)引起惡心暈眩等癥狀。所以 Stereoscopic 其實(shí)是用了一個(gè)小伎倆讓人能看到 3D 效果,但它并不是真 3D。
  
光場(chǎng)(light field)是真3D
  
光場(chǎng)顯示跟 Stereoscopic 3D 比的一個(gè)很大不同就是它有本事能讓人眼聚焦到不同的距離,從而和會(huì)聚的距離保持一致。這是最符合人眼觀察自然世界規(guī)律的做法,因此被稱為 true-3D。
  
可以想象要實(shí)現(xiàn)這樣的光場(chǎng)顯示,并不是那么簡(jiǎn)單。現(xiàn)在主要是兩種方法:空間復(fù)用(space multiplexing)和時(shí)間復(fù)用(time multiplexing)。“空間復(fù)用”簡(jiǎn)單說就是把一個(gè)像素當(dāng)幾塊用來實(shí)現(xiàn)不同的聚焦距離。Nvidia 在 SIGGRAPH 上展示的那個(gè)原型就屬于這種。這個(gè)方法最大的問題就是分辨率大打折扣。我曾經(jīng)試戴過,基本就是霧里看花。
  
“時(shí)間復(fù)用”呢,就是用高速原件來快速產(chǎn)生不同的聚焦距離,讓人眼以為它們是同時(shí)產(chǎn)生的。這樣的好處就是分辨率不損失。大家知道人眼的速度感知是有限的,很多顯示器都是 60Hz 的,因?yàn)槿搜勰芊直娴臉O限值一般就是 60Hz(在某些高速內(nèi)容比如游戲里可能達(dá)到 90-120Hz)。這意味著什么呢,如果利用高速顯示 360Hz,就可以實(shí)現(xiàn) 6 個(gè)不同的聚焦距離。而有研究表明用6 個(gè)聚焦距離加上一種線性混合(linear blending)的渲染算法就基本能實(shí)現(xiàn)從約 30 厘米到無窮遠(yuǎn)讓人眼自然對(duì)焦。
  
Magic Leap 的技術(shù)是哪種呢?它最近 demo 用的哪種技術(shù)沒有公開,但很有可能還是基于 Brian 的高速激光光纖掃描(scanning fiber)技術(shù),也是一種時(shí)間復(fù)用的辦法。Brian 當(dāng)年先試過只用一根光纖掃描不同聚焦距離,這樣做明顯對(duì)速度要求太高,后來用一個(gè)光纖束(fiber bundle/array),比如 16 根,每個(gè)光纖有一點(diǎn)位置差,然后同時(shí)掃描得到不同聚焦距離。
  
這樣的光場(chǎng)受現(xiàn)實(shí)系統(tǒng)的局限肯定不可能是連續(xù)的,都是被采樣的(downsampled)。但是,即使是這樣的光場(chǎng)投射到眼睛里也在理論上是跟真實(shí)世界物體光線進(jìn)入眼睛是一個(gè)道理,因此可以實(shí)現(xiàn) true-3D?;氐阶畛醯膯栴},這也是為什么 Magic Leap 的技術(shù)重要的原因?,F(xiàn)在你也理解了為什么 Rony 說“ HoloLens 會(huì)讓人惡心”了吧?
 
透明 AR 眼鏡面臨哪些挑戰(zhàn)
  
1.顯示
  
首先能實(shí)現(xiàn)近眼光場(chǎng)顯示就很難,現(xiàn)在的公司除了 Magic Leap 還都是用古老的 Stereoscopic 3D 的方法,用戶戴長(zhǎng)了就會(huì)眼困頭暈惡心。而 Magic Leap 所用的近眼顯示技術(shù)理論上成立,現(xiàn)實(shí)中也還有很多問題要解決。比如:
  
系統(tǒng)大小: Magic Leap 現(xiàn)在還沒有公開過它的原型照片,據(jù)報(bào)道都還是像一個(gè)冰箱一樣大的,離可穿戴還有很長(zhǎng)的路要走。
  
光場(chǎng)采樣:既然是采樣就一定有損失,比如對(duì)比度清晰度上,如何才能最優(yōu)采樣?
  
聚焦和會(huì)聚(Accommodation-vergence matching):即便聚焦距離對(duì)了,也要保證會(huì)聚距離始終與其保持一致。Magic Leap 現(xiàn)在的 demo 視頻還只是從單眼攝制的,還沒有證據(jù)表明他們很好地解決了雙眼問題。
  
室外顯示:現(xiàn)在大家的 demo 都是室內(nèi)的。當(dāng)用戶在室外時(shí),太陽光強(qiáng)度比顯示光高幾個(gè)數(shù)量級(jí)。至少鏡片需要有自動(dòng)調(diào)光的技術(shù)。
  
捕捉內(nèi)容:雖然現(xiàn)在可以用計(jì)算機(jī)圖形來做demo,但以后的應(yīng)用一定會(huì)需要相機(jī)采集的內(nèi)容,而光場(chǎng)的拍攝本身還有很多問題要解決。
  
散熱:是一個(gè)容易被忽視的問題。當(dāng)年 Google Glass 出來的時(shí)候有人說用著用著臉就像要燒起來了?,F(xiàn)在還沒有證據(jù)表明HoloLens 和 Magic Leap 的眼鏡能長(zhǎng)時(shí)間保持涼爽。
  
2.鏡片
  
近眼顯示有兩個(gè)關(guān)鍵部件:顯示器和鏡片?,F(xiàn)在大部分的 AR 眼鏡鏡片都是基于分光鏡(beamsplitter prism)的,比如 Google Glass,HoloLens,Epson Moverio。如圖左,簡(jiǎn)單的分光鏡就是 45 度角,把顯示器產(chǎn)生的光從眼鏡框反射進(jìn)人眼,也同時(shí)讓現(xiàn)實(shí)世界的光透進(jìn)來。這樣做簡(jiǎn)單便宜,但是鏡片厚。
  
一個(gè)以色列公司 Lumus 做出了一個(gè)光導(dǎo)(waveguide)技術(shù)讓鏡片變得很薄,可惜工藝復(fù)雜成本太高。后來也有一些便宜的光導(dǎo)產(chǎn)品出現(xiàn),但質(zhì)量還遠(yuǎn)不如 Lumus。所以,鏡片也還有很長(zhǎng)的路要走,不僅要做到視角(Field-of-View)大,還要輕薄,透光性好,在折射/反射顯示光的時(shí)候也要盡量保持光的屬性并做到盡量小的光損失。
  
3.視角(FoV)和分辨率(Resolution)
  
視角直接決定了用戶體驗(yàn)?,F(xiàn)在的很多 AR 眼鏡視角還在 20°-40°之間,不少試戴了 HoloLens 的記者都對(duì)它的視角表示失望。而人眼的橫向視角雙眼差不多有 200°,縱向有 130°。視角大意味著總的分辨率也要很大才能覆蓋,8K*8K 才會(huì)比較理想。
  
4.遮擋(Occlusion)
  
前面說到過單眼的景深感知有一個(gè)很重要的信號(hào)就是物體之間的遮擋。在用透明 AR 眼鏡時(shí),一個(gè)關(guān)鍵問題就是虛擬物體和現(xiàn)實(shí)物體之間的遮擋怎么實(shí)現(xiàn)。
  
如果是現(xiàn)實(shí)物體在前面,虛擬物體在后面,還相對(duì)比較好辦,就是要自動(dòng)探測(cè)現(xiàn)實(shí)物體的距離,再計(jì)算出虛擬物體哪些部位需要遮擋從而不渲染。但是如果反過來,虛擬物體需要遮擋現(xiàn)實(shí)物體,就沒那么直接了,因?yàn)槔碚撋闲枰熏F(xiàn)實(shí)物體的光從眼鏡上選擇性地濾掉。從 Magic Leap 最近的 demo 看,在虛擬物體明亮?xí)r,它本身的亮度會(huì)自然遮擋后面的真實(shí)物體,但當(dāng)虛擬物體比較暗時(shí),還是有所謂的“鬼影效果”(ghost effect),不符合自然規(guī)律,又會(huì)讓大腦產(chǎn)生混亂。
 
如果想實(shí)現(xiàn)完全正確的遮擋效果,只能在鏡片上做實(shí)時(shí)的像素級(jí)的濾光機(jī)制(per-pixel shutter),但現(xiàn)在的技術(shù)都還不成熟。
  
5.渲染黑色
  
透明 AR 眼鏡現(xiàn)在還沒辦法渲染黑色。因?yàn)樗f到底是虛擬光和自然光的疊加。如果畫黑色,用戶是看不到的,只會(huì)看到后面的背景真實(shí)物體的光。類似的暗色都有這個(gè)問題。
  
6.延遲
  
透明 AR 眼鏡還有一個(gè)很大的挑戰(zhàn)就是延遲。把虛擬物體疊加到真實(shí)物體上(比如放一個(gè)虛擬水杯到一個(gè)真實(shí)桌子上)涉及到一系列計(jì)算:探測(cè)真實(shí)物體→計(jì)算它的空間位置和方向→計(jì)算疊加位置→渲染虛擬物體等。
  
這一切都必須在一眨眼內(nèi)發(fā)生,讓用戶感覺不到延遲。比如在那個(gè)水杯例子里,我們的頭可能是一直在動(dòng)的,隨著我們頭動(dòng),我們看到的那個(gè)水杯應(yīng)該在桌上原來的位置不動(dòng)才對(duì)。而如果系統(tǒng)延遲過大,我們看到的那個(gè)水杯的位置可能就總是不對(duì),大腦就又混亂了。
  
這對(duì)透明 AR 挑戰(zhàn)尤其大,因?yàn)檎鎸?shí)世界我們是直接看到的,幾乎沒有任何延遲,而虛擬物體的渲染得能跟上這個(gè)速度才顯得自然。在 video overlay 里,就沒有這個(gè)問題,因?yàn)槲覀兛吹降恼鎸?shí)世界的視頻已經(jīng)是延遲的了,這樣在上面的物體疊加就比較容易跟它保持同步。
  
7.激光
  
Magic Leap 以前的技術(shù)專利是用激光直接打到人眼里,雖然據(jù)說很安全,但還沒有確切的科學(xué)證據(jù)。所以用戶接受度是個(gè)問題,很多人估計(jì)一聽到這個(gè)就望而卻步了。
  
說了這么多,下一代移動(dòng)人機(jī)交互界面到底什么時(shí)候能做成呢?我個(gè)人感覺要做成人民群眾喜聞樂見的版本至少要 5 年時(shí)間,也許更長(zhǎng)。因?yàn)橐陨狭谐龅倪@些挑戰(zhàn),每一個(gè)都還需要很多努力才能解決。目前它們很多都還不到量變(只是需要優(yōu)化)的階段,而是需要大的質(zhì)的飛躍。所以,路漫漫其修遠(yuǎn)兮。但既然這是計(jì)算機(jī)發(fā)展的必然方向,拭目以待吧。
    
關(guān)于作者:吳萬敏,浙江大學(xué)計(jì)算機(jī)專業(yè)本科,伊利諾伊大學(xué)香檳分校博士??蒲谐晒@雅虎重要科技挑戰(zhàn)獎(jiǎng)、ACM多媒體會(huì)議2011最佳學(xué)生論文獎(jiǎng)、ACM計(jì)算機(jī)領(lǐng)域2012最佳論文獎(jiǎng),SIGMM最佳博士論文獎(jiǎng)(全球每年一篇)。畢業(yè)后到硅谷工作,曾任理光創(chuàng)新實(shí)驗(yàn)室顧問研究科學(xué)家,現(xiàn)在谷歌工作。
特別推薦
技術(shù)文章更多>>
技術(shù)白皮書下載更多>>
熱門搜索
?

關(guān)閉

?

關(guān)閉