VR News: Apr 25 2017 - AMD's Latest GPU the Radeon Pro Duo and What is Predictive Tracking for VR?
 |
按：本文作者是 Sensics 公司首席執行官、OSVR 聯合創始人 Yuval。雷鋒網對其內容進行編譯。
在虛擬現實和增強現實系統環境中，可預測追蹤技術能夠對某個對象，或身體某一部位的下一步方向，和（或）位置進行預測處理。小編給你舉個例子，當你的頭部朝著某個方向轉動時，可以同步來預測你的手可能放置的位置。
為什麼可預測追蹤技術如此有用？
可預測追蹤技術的一個常見應用，就是減少「運動光子」延遲時間，所謂運動的光子延遲，是指用戶在虛擬現實或增強現實環境下，完成一個動作，到該動作被充分反映在顯示螢幕上的時間。
由於運動本身就會產生一些延遲，而當運動完成、資訊展現在螢幕上時，又會出現一段時延（更多引起時延的原因，請參見下文），因此當你能夠預測下一步方向和位置，然後將相關數據，優先更新到螢幕上，就可以大大縮短感知延遲。
由於運動本身就會產生一些延遲，而當運動完成、資訊展現在螢幕上時，又會出現一段時延（更多引起時延的原因，請參見下文），因此當你能夠預測下一步方向和位置，然後將相關數據，優先更新到螢幕上，就可以大大縮短感知延遲。
雖然在虛擬現實應用中，對於可預測追蹤技術的關注比較多，但其實該技術在增強現實領域裡，也同樣非常重要，特別是當用戶在真實世界中發生瞬間移動，相應的增強現實疊加，也要在顯示螢幕上體現出來。
舉個例子，如果你帶著一個增強現實頭盔，看到增強顯示的圖形，疊加在實體對象的頂部，更重要的是，即使你旋轉了自己的頭庫，增強現實環境中的「覆蓋物」，需要依然「鎖定」在原來的那個對象上，而不是隨著你的頭部轉動而轉動，它其實展示的是真實世界的一部分。
對象或許可以被攝影機辨識，但是攝影機可能需要耗費一些時間來捕獲幀，以便處理器能夠判斷出這個對象，在幀中的位置，然後圖形處理晶片，需要再呈現疊加層上的新位置。而透過使用可預測追蹤技術，相比於現實世界，在疊加層中運動處理能夠有所減少。
可預測追蹤技術如何工作？
如果你看到一輛汽車，正在以恆定的速度行駛，然後你想要預測這輛汽車在下一秒後，可能達到的位置，似乎是一件非常簡單的事情，而且不出意外的話，預測的準確度也會很高——因為你不但知道這輛汽車的準確位置，而且還知道它當前的（或是估算的）行駛速度，所以有了這些條件之後，基本就能推斷出這輛汽車未來所處的位置在哪裡。
當然，如果你要預測這輛汽車，在一秒鐘時間內，到底能開到哪兒，那麼這個預測，可能無法做到每次都百分之百準確，因為在這段時間裡，汽車可能會改變方向，也有可能會加速。
因此對於汽車行駛預測而言，你嘗試預測的範圍越遠，預測的就會更不準確。簡單的說，如果讓你預測汽車，在一秒鐘時間之後所在的位置，準確度肯定比讓你預測汽車，在一分鐘時間之後所在的位置要高。
因此對於汽車行駛預測而言，你嘗試預測的範圍越遠，預測的就會更不準確。簡單的說，如果讓你預測汽車，在一秒鐘時間之後所在的位置，準確度肯定比讓你預測汽車，在一分鐘時間之後所在的位置要高。
此外，你對汽車本身情況瞭解的越多，那麼預測準確的機會也就越大。比如，你不僅要測量汽車的速度，還要測量它的加速度，繼而進行更準確的預測。
所以，假如你能夠獲得被追蹤物體對象，更多的行為資訊，那麼也可以提高預測準確度。在舉例說明，當你進行頭部追蹤時，如果能夠瞭解頭部旋轉的速度、以及可能旋轉的角度，那麼就能進一步優化追蹤模型，從而做出更準確的判斷。
同樣地，假如你正在進行眼球追蹤，那麼也可以將獲取到的眼球追蹤資訊，用於預測頭部運動（這會在本文後詳細探討）。
同樣地，假如你正在進行眼球追蹤，那麼也可以將獲取到的眼球追蹤資訊，用於預測頭部運動（這會在本文後詳細探討）。
導致時延的原因
VR頭盔延遲測試裝置
對於可預測追蹤技術的渴望，主要來自於虛擬現實和增強現實環境中的時延，通常這個時延是指用戶在現實世界中，完成了一個動作之後，該動作（或是該動作所產生的效果）要花多長時間，才能反映到顯示螢幕上。事實上，導致時延主要有以下幾個原因，比如：
‧ 感官延遲：傳感器（比如陀螺儀）可能受到頻寬限制，並且不會立即報告方向和位置變化資訊。同樣地，基於攝影機的傳感器，也可能出現延遲，因為攝影機傳感器，收到來自追蹤對象的光線像素，到對應的幀準備好被發送到主機處理器，也需要一段時間，因此會造成時延。
‧ 處理延遲：傳感器數據通常會使用一些傳感器，融合算法進行整合，而如果執行相關算法，那麼在接收數據和到算法輸出答案之間，也會造成時延。
‧ 為確保數據流暢，導致延遲：傳感器數據有時會比較雜亂，為了避免出現錯誤，可能會執行一些軟體，或基於硬體的低通算法，雖然能夠在一定程度上，提升數據流暢性，但會因為算法品質較低造成時延。
‧ 傳輸延遲：舉個例子，如果使用一個 USB 互聯設備，來進行方向傳感器數據收集，那麼在主機處理器收集數據，和數據透過 USB 傳輸數據之間，會需要一定時間，造成時延。
‧ 渲染延遲：當你要渲染一個複雜場景時，對於處理器來說，可能需要花上一段時間，來判斷（或決定）每一幀裡面的每一個像素，放在哪個位置，以及這一幀什麼時候被發送到顯示螢幕上。
‧ 幀速率延遲：舉個例子，如果你使用的是 100Hz顯示螢幕，那麼就意味著，從一幀到下一幀所需要的時間大約為 10 毫秒。當繪製特定像素時，可能無法即時匹配當前資訊，因為你需要等該像素，被會繪製到顯示螢幕上，才能出現下一個像素。
上面提到的這些造成時延的原因，可能有一些只會導致非常小的時延感受，不過如果幾個問題疊加起來，可能就會帶來比較不好的用戶體驗了。事實上，可預測追蹤技術（結合諸如時間規整算法等其他技術）對於減少明顯時延非常有幫助。
距離預測未來究竟有多遠？
實際上，上面這個問題似乎沒有標準答案，因為最終還是要看用戶的使用體驗和感受，每個人的體感也都是不一樣的。一開始，你可能會先估計系統端到端的時延，然後根據自己的喜好來優化時間。
此外，在對未來某個給特定時段內進行預測時，你可能需要將這段時間拆分成幾個預測時段，為什麼要這麼做呢？我們用以下幾個例子來做下解釋：
‧ 不同的對象有不同的端到端延遲。舉個例子，基於攝影機的手部追蹤和基於攝影機的頭部追蹤所，表現出的時延就不一樣，但在某些虛擬現實或增強現實應用場景下，你又需要將手部和頭部動作同步起來，所以你需要採用不同的預測追蹤時間，使得最終效果更加協調。
‧ 在配置用於雙眼圖像提供的單螢幕（比如智慧手機螢幕）時，對於單眼圖像顯示，也會出現半幀的延遲（比如，六十分之一秒的一半，或是大約 8 毫秒），一隻眼睛會「先看到」圖像，然後該圖像才會反映到另一隻眼睛上。所以在這種情況下，最好也能夠應用可預測追蹤技術，提前 8 毫秒時間進行判斷，減少半屏延遲體驗。
常見的預測算法
這裡再介紹幾個可預測追蹤算法的例子：
‧ 導航推測算法：這其實是一個非常簡單的算法，如果在給特定時間內位置和速度（或是角位置和角速度）都是已知的，而且在速度保持不變的情況下，速度值也不會有錯誤，那麼就可以計算出對象最後的「落腳點」，繼而進行位置預測。
舉個例子，如果最後一個所知位置是 100 單位，而最後所知的速度是每秒 10 單位，那麼在未來 10 毫秒這段時間裡，該對象的位置點就是 100+10*0.01=100.1。
當然，這是一個非常簡單的計算，因為它有一個假設前提，那就是位置和速度都是正確的（而且在主觀上，也不會受到其他測量問題的影響），同時速度也都是保持恆定。但事實上，所有這些假設在現實中幾乎都很難實現。
舉個例子，如果最後一個所知位置是 100 單位，而最後所知的速度是每秒 10 單位，那麼在未來 10 毫秒這段時間裡，該對象的位置點就是 100+10*0.01=100.1。
當然，這是一個非常簡單的計算，因為它有一個假設前提，那就是位置和速度都是正確的（而且在主觀上，也不會受到其他測量問題的影響），同時速度也都是保持恆定。但事實上，所有這些假設在現實中幾乎都很難實現。
‧ 卡爾曼預測器：它是基於著名的卡爾曼濾波器，用於在已有系統運行的數學模型中，減少系統傳感器噪音的。如果你需要瞭解更多和卡爾曼濾波器有關的資訊，請參見這裡。
‧ Alpha-beta-gamma：ABG 預測器和上文提到的卡爾曼預測器相關度很高，雖然數學應用更簡單，但是它的通用性卻比較一般。ABG 預測器會嘗試不斷估算速度和加速度，然後將這些數據應用於預測。
由於估值考慮到了實際數據，所以他們減少一部分估值誤差。配置 alpha、beta 和 gamma 參數也增強了響應能力。
由於估值考慮到了實際數據，所以他們減少一部分估值誤差。配置 alpha、beta 和 gamma 參數也增強了響應能力。
可預測追蹤技術，是一種非常有用的虛擬現實/增強現實技術，而且也常用於減少表現時延問題。該技術執行起來雖然簡單，但是對專業水準要求較高，所以需要你多做一些思考和分析，因為就目前的虛擬現實和增強現實系統來說，減少時延是至關重要的。
沒有留言:
張貼留言