VR和AR經過多年發展，現今也算小有所成，給很多人帶來了全新的體驗。然而，對比那些科幻電影，總覺得它們還差很多東西。沒錯，電影裡那些炫酷的虛擬世界場景，都需要一個不可或缺但門檻又非常高的技術來支撐，那就是位置追蹤。這個問題不解決，VR、AR就永遠只能是一種宅男科技。
《頭號玩家》電影相信很多人都看過，片中的場景應該算是VR的終極形態了。但是要達成這樣的體驗，必須要解決一個問題：如何定位玩家的空間位置？也就是所謂的位置追蹤怎麼實現。對於AR而言，這個問題還不算很尖銳，因為它是基於現實世界的圖像增強。但全沉浸式的VR就不同了，玩家看不到周圍的真實環境，展現在玩家周圍的完全是個虛擬世界，這個虛擬世界又必須把真實環境裡的各種障礙以及玩家的空間位置準確反映出來，才能讓人暢玩。
定位空間位置這個概念很好理解。但為了接下來便於闡述各種定位技術，我們還是要從學術的角度來說明一下。我們生活在三維世界中，稍微學過幾何的人都知道一旦確定了任何物體的X、Y、Z座標，就能準確知道它的位置。VR行業將這種定位座標稱為Dof（自由度，Degree Of Freedom），由3個座標描述的位置信息即3Dof。但是，這樣只能定位到一個體積忽略不計的“點”，而現實世界任何物體都有體積，僅靠3Dof描述三維空間物體的位置是遠遠不夠的，於是便有了“位姿”。
是的我沒有打錯字，位姿是指物體在三維空間裡的位置和旋轉量。位姿需要6Dof來描述，通俗地講就是在3Dof的基礎上，加入三個角度參數，也就是讓物體還能繞三個軸轉動，構成六軸定位。很多人第一次聽到這個詞，應該都是因為Wii和PS3的手柄。在虛擬世界中，只有6Dof才能準確定位物體。
▲由3Dof和6Dof描述的角色動作，6Dof的定位更加準確。
電影和遊戲製作中經常用到動作捕捉技術，其實就是在追蹤貼在人體關節上的標記點的6Dof。多個標記點根據人體動作規律連接起來就能模擬出人的動作。實際應用中一般只能捕捉較大關節的位置信息。要想精準捕捉每塊骨骼、每塊肌肉的位置是很難的。有了動作捕捉，才能在虛擬世界中呈現人物的準確形態。
▲動作捕捉在電影和遊戲製作中都是關鍵技術，今後有望在AR/VR中扮演同樣角色。
目前，位置追蹤技術主要有兩大門派：依靠各種外部設備來定位的“外向內追蹤技術”（Outside-in Tracking），和不需要任何外部設備的 “內向外追蹤技術”（Inside-out Tracking）。
外向內追蹤技術
外向內追蹤技術是當前相對比較成熟的主流技術，它的實現方法也有很多：光學追蹤、電磁追蹤、慣性追蹤、超寬帶（Ultra Wide-Band，UWB）追蹤等等。這其中，光學追蹤是比較常見的方案。光學追蹤需要一個標記點和負責捕捉這個標記點的相機，這其中根據相機和標記點的數量、相機曝光方式、標記點是否有源等，又分成了好幾個流派。PS MOVE用的是單相機單標記點；PS VR、Oculus、HTC Vive是多相機多標記點。
單標記點方案只能捕捉3Dof信息，因為對於一個點而言，它怎麼旋轉都還是一個點。多標記點方案才能記錄到6Dof位姿信息。
以Oculus Rift為例，它利用多個紅外LED作為標記點，通過兩臺已校準空間位置的紅外相機實時拍攝獲取標記點方向，再通過PnP算法，即利用四個不共面的紅外LED的位置信息、四個點獲得的圖像信息計算出設備在紅外相機座標系裡的位置，進一步擬合出設備的三維模型，最終得到玩家的位置和方向。
▲設置Oculus Rift紅外相機的位置參數是很重要的。
HTC Vive採用了激光掃描方案。它有兩個Steam激光發射器，分別在水平和垂直方向上以每秒6次的頻率發射激光掃描定位空間。頭戴顯示器和手柄上有數十個光敏傳感器，設備通過測量傳感器接收到激光的時間差來計算傳感器相對於激光發射器的位置。有多個傳感器的位置就能擬合出設備的位置和方向。相對於紅外定位技術而言，激光掃描定位具有成本低、定位精度高、可分佈式處理等優勢，且幾乎沒有延遲，不怕遮擋和干擾。
▲HTC Vive的“Lighthouse”，由兩個steam激光發射器進行定位。
當然上面的話說起來簡單，但實際上不論Oculus Rift還是HTC Vive，它們的定位計算過程都十分複雜，對於圖像處理設備的要求也很高。但橫向比較的話，激光掃描定位效果要優於紅外追蹤定位，運算量也相對較少一點。
現在我們可以看到，上面提到的這些定位方式有著很大的侷限性：必須校準相機空間位置，意味著換個環境就得重新調試；必須通過線纜連接外部主機（即圖像處理設備），意味著使用者不能做很大的動作；必須在相機拍攝範圍內活動，這一點最不能讓人容忍。除非腳下有一個萬向傳送帶之類的玩意兒，能保證使用者無論往任何方向奔跑，在現實世界中都不會離開原地，就像跑步機那樣。然而現實中並沒有這樣的東西。
閱讀更多 互聯磚家 的文章
