2016，VR元年，oculus、HTC、索尼等這樣的重量級(jí)廠商紛紛推出或宣布了自己的消費(fèi)級(jí)硬件產(chǎn)品來搶占消費(fèi)者市場，相信廣大VR愛好者們中的很多人都已經(jīng)入手了一款虛擬現(xiàn)實(shí)設(shè)備。在這些硬件當(dāng)中，Oculus Rift CV1（以下簡稱“CV1”）無疑是最受人矚目的硬件產(chǎn)品之一，畢竟它有2014年拿了Facebook20億美金這樣的大事件撐腰。

　　本文作者系G-Wearable軟件工程師。

　　眾所周知，Oculus Rift采用的是主動(dòng)式光學(xué)定位技術(shù)，那它到底是如何實(shí)現(xiàn)的呢？

　　基本實(shí)現(xiàn)流程：

　　Oculus Rift設(shè)備上會(huì)隱藏著一些紅外燈（即為標(biāo)記點(diǎn)），這些紅外燈可以向外發(fā)射紅外光，并用紅外攝像機(jī)實(shí)時(shí)拍攝。獲得紅外圖像后，將攝像機(jī)采集到的圖像傳輸?shù)接?jì)算單元中，通過視覺算法過濾掉無用的信息，從而獲得紅外燈的所在方向，再利用PnP算法，即利用四個(gè)不共面的紅外燈在設(shè)備上的位置信息、四個(gè)點(diǎn)獲得的圖像信息即可最終將設(shè)備納入攝像頭坐標(biāo)系，擬合出設(shè)備的三維模型，并以此來實(shí)時(shí)監(jiān)控玩家的頭部、手部運(yùn)動(dòng)。

　　注：具體可看如下圖，注意上面這些紅色的小點(diǎn)點(diǎn)。

　　接下來我將向大家介紹一下我的推理過程，以及算法的一些細(xì)節(jié)。

　　頭顯上的LED燈

　　解密Oculus Rift 的定位技術(shù)

　　前文中我提到我們需要利用四個(gè)不共面的紅外燈在設(shè)備上的位置信息來進(jìn)行定位，而如果想要知道不同的紅外燈在設(shè)備上的位置信息，就必須能夠區(qū)分不同的紅外燈。

　　為什么這么說呢，如果不區(qū)分紅外燈，那么當(dāng)DK2（注：特指頭顯）在空間中運(yùn)動(dòng)時(shí)，攝像機(jī)捕捉到光點(diǎn)后，要進(jìn)行關(guān)聯(lián)（姿態(tài)最優(yōu)匹配的過程）的次數(shù) 會(huì)非常大，舉個(gè)列子：

　　1） 如果有N預(yù)測圖像點(diǎn)和M <= N觀察圖像點(diǎn)，則有N！/（N-M）！可能的關(guān)聯(lián)

　　2） 對(duì)于N = 40和M = 20（對(duì)DK2 LED的數(shù)量），有3.3&times;1029的關(guān)聯(lián)，所以就算是計(jì)算機(jī)，也無法快速地得到結(jié)果。

　　很顯然，DK2一定是采用了某種先驗(yàn)的方式區(qū)分光點(diǎn)。那么問題來了，DK2到底是如何區(qū)分的呢？

　　我曾看到有文章中猜測說DK2是通過LED燈的亮滅來區(qū)分的，實(shí)際上卻并非如此。因?yàn)殡m然通過LED燈的亮滅來區(qū)分比較簡單，因?yàn)榱翜缱钊菀讌^(qū)分出來，但是這種方法有個(gè)缺陷，就是無法區(qū)分是姿態(tài)改變導(dǎo)致的LED燈被遮擋，還是LED燈本身就熄滅了，所以，DK2沒有使用這個(gè)方法，而是采用LED燈光信息的強(qiáng)弱來實(shí)現(xiàn)的。我們來觀察用灰度攝像機(jī)拍攝的圖：

　　對(duì)比上面兩圖，可以發(fā)現(xiàn)亮斑的大小有變化?？梢钥闯黾t色部分，在圖2時(shí)光斑更大，藍(lán)色則相反。接下里我們看詳細(xì)的做法。這里必須說一下，在推測具體的做法過程中，我曾誤以為DK2直接判斷光斑大小，然后根據(jù)多幀圖像的規(guī)律來判斷LED燈的ID，但實(shí)際上DK2是使用差分法來判斷光斑大小。我在這里簡單給大家介紹一下我的推理過程。

　　首先我用自己的攝像機(jī)拍攝了大量照片進(jìn)行觀察后發(fā)現(xiàn)如果把攝像機(jī)用60HZ左右頻率拍攝，圖像每10張就會(huì)開始重復(fù)。

　　我先給光點(diǎn)編個(gè)號(hào)，如下圖：

　　比如，2號(hào)點(diǎn)的可以用肉眼識(shí)別的強(qiáng)弱順序：弱，弱，強(qiáng)，強(qiáng)，弱，強(qiáng)，弱，弱，弱，強(qiáng)。

　　那么是不是這樣呢？如何在DK2中表示這些強(qiáng)弱關(guān)系呢？

　　首先，已知SDK的windows的driver會(huì)發(fā)送一個(gè)開始信息，讓頭顯開始運(yùn)作；

　　緊接著，這個(gè)driver就會(huì)不斷接收到下面信息：

　　X1 X2 X3 X4 是1個(gè)32位數(shù)，是圖像分析后得到的空間坐標(biāo)（原理后面給大家解釋），DX則不知道干什么用，但是觀察上面的num，換算出來是40，index從1開始，不斷遞增到40，說明DK2在一個(gè)一個(gè)的識(shí)別LED燈，另外，這些信息每17ms左右發(fā)上來一次，和60HZ的拍攝頻率差不多，基本上可以認(rèn)定是利用每10幀確定一個(gè)LED的方式。

　　為了完全確定這一點(diǎn)，還必須確定另一個(gè)問題：同步。

　　如果真的是LED通過10幀不同的變化來讓攝像機(jī)確定LED燈的ID，那么必須要同步。

　　這要求一個(gè)同步信號(hào)能同時(shí)傳給攝像機(jī)和頭顯，如果能了解同步的時(shí)機(jī)，就知道到底是不是60HZ的頻率了。

　　可是當(dāng)我看了MT9V034的資料后發(fā)現(xiàn)居然拍攝的頻率是30HZ左右，不過細(xì)想一下，如果使用差分檢測發(fā)，使用30HZ這個(gè)頻率也能拍攝出光強(qiáng)的變化。也就是說，DK2根本不是直接判斷光斑是大還是小，而是將當(dāng)前幀的光斑與上一幀同一個(gè)光斑做對(duì)比，如果比之前大，則為大，反之則為小。那么當(dāng)一個(gè)新的幀到達(dá)時(shí)，該算法首先提取幀的亮像素斑點(diǎn)，如下圖。忽略少于10個(gè)像素或不是圓盤狀的，最后確保所有的斑點(diǎn)來自前一幀中提取的大圓盤狀斑點(diǎn)，然后進(jìn)行對(duì)比。

　　所以，DK2將當(dāng)前幀的光斑與上一幀同一個(gè)光斑做對(duì)比，然后根據(jù)10幀不同的變化來讓攝像機(jī)確定LED燈的ID。

　　我在進(jìn)一步查看這些點(diǎn)和位置信息的對(duì)應(yīng)關(guān)系后，總結(jié)出DK2判斷強(qiáng)弱變化的依據(jù)是：

　　1） 如果當(dāng)前幀的斑點(diǎn)比上一幀斑點(diǎn)大10%，就是0；

　　2） 如果當(dāng)前幀的斑點(diǎn)比上一幀斑點(diǎn)小10%，就是1；

　　3） 否則忽略。

　　這樣的設(shè)計(jì)非常好，防止了LED燈受到隨機(jī)干擾。

　　不過在實(shí)際驗(yàn)證中，發(fā)現(xiàn)如果這樣提取圖像，在頭顯運(yùn)動(dòng)時(shí)，還是會(huì)有錯(cuò)誤出現(xiàn)（比如漏拍了幾幀）， 那么它是如何判別的呢？這個(gè)花了我不少時(shí)間去想，最后發(fā)現(xiàn)這和漢明距離有關(guān)系。

　　所謂漢明距離，簡單地說：如果數(shù)字是相同的，它們的漢明距離為0，如果他們在單一的比特不同，它們的距離為1，如果10比特它們彼此逐位否定，它們的漢明距離是10。我發(fā)現(xiàn)，DK2已經(jīng)默認(rèn)每個(gè)拍攝后的圖像（提取40個(gè)LED燈表示的比特位）和前一幀最多的漢明距離是 3，如果大于這個(gè)數(shù)字，則認(rèn)為是錯(cuò)誤幀。

　　最后，給出幾個(gè)比較有特點(diǎn)的LED的10幀圖，大家可以看一下：

　　感知姿態(tài)

　　前面談了如何探測LED燈，我介紹了DK2的攝像機(jī)通過視頻流捕獲LED燈獨(dú)特的閃爍模式，拼出10位二進(jìn)制數(shù)來識(shí)別ID。

　　現(xiàn)在來談如何感知姿態(tài)，你可能會(huì)很自然地想到，通過每10幀來識(shí)別LED，然后利用已知LED的位置來判斷姿態(tài)。說實(shí)話，這個(gè)方法也可以，但是這就表示要間隔10個(gè)幀才能識(shí)別一次姿態(tài)，萬一動(dòng)作快一點(diǎn)，就出現(xiàn)麻煩了。

　　當(dāng)然，要估計(jì)一個(gè)三維模型的姿態(tài)，需要足夠的LED的信息，如果拍攝到的LED點(diǎn)不夠，就必須使用DK2中的IMU來進(jìn)行姿態(tài)的感知。另外，IMU本身也會(huì)累計(jì)誤差。

　　DK2的算法其實(shí)是這樣的：

　　1） 初始狀態(tài)，先讀取靜止?fàn)顟B(tài)的頭顯，10幀的時(shí)間，識(shí)別每個(gè)LED的ID號(hào)；

　　2） 不斷地拍攝，利用前面幀的信息，推測出現(xiàn)在的LED燈的位置；

　　3） 如果出現(xiàn)錯(cuò)誤，就重新通過10幀的時(shí)間識(shí)別LED；

　　4） 如果有足夠的LED燈信息，就使用識(shí)別算法；

　　5） 如果沒有足夠的LED燈的信息，就使用IMU識(shí)別姿態(tài)；

　　三維姿態(tài)估計(jì)或已知物體相對(duì)于2D照相機(jī)的角度，求出該物體在相機(jī)坐標(biāo)系的坐標(biāo)值，稱為PNP問題。在Oculus Rift中，感知頭顯的姿態(tài)是利用PnP算法，融合IMU實(shí)現(xiàn)的。Oculus Rift沒有單純的采用IMU進(jìn)行姿態(tài)解算是因?yàn)镮MU本身會(huì)產(chǎn)生漂移，無法在長時(shí)間內(nèi)跟蹤對(duì)象的絕對(duì)位置，因此必須外接3D參照系，PnP正可以提供這樣一個(gè)參照系。說白了，就是要利用PnP來糾正IMU，最后融合成一組比較合理的姿態(tài)信息。

　　那么，什么是PnP算法？

　　3D姿態(tài)估計(jì)是一個(gè)多維非線性優(yōu)化問題，攝像機(jī)拍攝圖像中的一組2D點(diǎn)，例如提取的LED斑點(diǎn)的集合，可以嘗試重建相對(duì)于相機(jī)的坐標(biāo)模型的未知位置（X，Y，Z）和方向（偏航，俯仰，滾動(dòng)）。

　　說詳細(xì)一點(diǎn)，在相機(jī)內(nèi)參數(shù)巳知的情況，由特征點(diǎn)與其像點(diǎn)的對(duì)應(yīng)關(guān)系求解目標(biāo)相對(duì)于相機(jī)的位姿，就是經(jīng)典的PnP 問題，這些算法大致可分為迭代算法和非迭代算法兩類。

　　非迭代算法采用代數(shù)方法直接求出相對(duì)位姿，針對(duì)P3P 、P4P等問題推導(dǎo)出多種解析算法，該類算法具有運(yùn)算量小、計(jì)算速度快等優(yōu)點(diǎn)，但受誤差影響大且精度不高。Lepetit 提出的一種計(jì)算量為O(n)的PnP問題非迭代算法，只需要4個(gè)點(diǎn)的信息就可以求解目標(biāo)相對(duì)于相機(jī)的姿態(tài)信息， Oculus Rift正是利用這種算法實(shí)現(xiàn)的。

　　最后再向大家總結(jié)說明一下感知姿態(tài)的基本步驟：

　　1、發(fā)出同步信號(hào)，等待LED燈亮起后，提取收到的8位灰度視頻幀明亮的斑點(diǎn)。

　　2、創(chuàng)造一種斑點(diǎn)顏色為亮綠色的8位RGB輸出視頻幀（用于調(diào)試/可視化的目的）。

　　3、匹配大致圓盤形的斑點(diǎn)，并與來自先前幀中的斑點(diǎn)進(jìn)行比較，比較它們的尺寸差異到差分位解碼器中，累積其10位ID和LED關(guān)聯(lián)。排序所有提取或投射二維LED的位置到一個(gè)kd樹，用在下一幀中快速匹配。

　　4、如果有四個(gè)或更多的識(shí)別斑點(diǎn)且沒有當(dāng)前姿勢估計(jì)，運(yùn)行從頭計(jì)算姿態(tài)估計(jì)方法。

　　5、如果有四個(gè)或多個(gè)識(shí)別的斑點(diǎn)，且已經(jīng)識(shí)別了先前幀的姿態(tài)，采用迭代姿態(tài)估計(jì)方法。

　　6、用姿態(tài)信息糾正IMU的漂移，并融合IMU的姿態(tài)信息。

　　以上介紹了Oculus Rift的實(shí)現(xiàn)過程。

　　Oculus Rift的主動(dòng)式紅外光學(xué)+IMU定位系統(tǒng)精度較高，抗遮擋性強(qiáng)。

　　由于其所用的攝像機(jī)具備很高的拍攝速率，并且該類系統(tǒng)總是能夠得到標(biāo)記點(diǎn)在當(dāng)前空間的絕對(duì)位置坐標(biāo)，所以不存在累積誤差。但是由于攝像頭視角有限，因此該產(chǎn)品的可用范圍有限，會(huì)在很大程度上限制使用者的適用范圍，因而無法使用Oculus Rift來玩需要走動(dòng)等大范圍活動(dòng)的虛擬現(xiàn)實(shí)游戲。也因此，雖然Oculus Rift可以支持多個(gè)目標(biāo)物同時(shí)定位，但是目標(biāo)物不可過多，一般不超過兩個(gè)。