不只有結構光：機器眼中的立體世界 還在發(fā)生若干變化

       AR/VR中的位姿估計技術(shù)

　　為什么我們在玩AR體驗的時(shí)候，經(jīng)常會(huì )覺(jué)得手機里的東西放在攝像頭視野中并不真實(shí)，像是漂浮在地板上一樣。

　　這就是因為位姿估計算法不夠精準，無(wú)法正確定位物體的空間關(guān)系。在機器視覺(jué)技術(shù)的進(jìn)化下，今天很多位姿估計技術(shù)正在同步進(jìn)化。比如基于動(dòng)態(tài)特征提取算法，達成的動(dòng)作定位今天已經(jīng)比較成熟。

　　這東西聽(tīng)起來(lái)挺玄乎，到底是干啥用的呢?它的最大應用場(chǎng)景，就是在VR/AR正確處理場(chǎng)景中動(dòng)態(tài)物體的空間關(guān)系和運動(dòng)軌跡。比如你在VR里玩踢球游戲，球應該在什么位置挨踢，以什么軌跡撞墻，都有賴(lài)于位姿估計算法來(lái)校準。

　　在機器視覺(jué)算法的幫助下，更精細的位姿估計正在到來(lái)，而這也加速了成熟MR體驗的到來(lái)。另一方面，在VR設備或者手機當中，基于攝像頭與傳感器協(xié)同運作來(lái)完成位姿估計，也是沉浸技術(shù)中即將發(fā)生的一個(gè)亮點(diǎn)。

　　通過(guò)散亂數據達成三維建模

　　3D機器視覺(jué)的最重要任何，肯定是基于數據來(lái)實(shí)現3D建模。這個(gè)應用在產(chǎn)業(yè)端十分重要，地理信息系統、勘探、工程，以及無(wú)人駕駛，都需要大量的3D建模工作來(lái)參與。

　　而消費者級的3D建模今天也在到來(lái)，我們已經(jīng)可以看到在手機端通過(guò)3D結構光來(lái)完成數據收集，從而達成3D建模的玩法。

　　跟3D感知一樣，3D建模也是利用攝像頭或者傳感器來(lái)收集數據，最終通過(guò)不同的解決方案完成建模。

　　然而這個(gè)領(lǐng)域還是有很多問(wèn)題等待解決。比如說(shuō)，今天我們進(jìn)行3D建模時(shí)，還需要非常痛苦的一點(diǎn)點(diǎn)收集數據，必須保證數據的對齊和精準排列。否則出來(lái)的3D模型就是雜亂無(wú)章的。這顯然讓大眾完3D建模的熱情減退，并且給很多工程級項目增添了非常多難度。

　　AI的到來(lái)，正在幫助這種情況有所改變。在深度學(xué)習算法的幫助下，機器視覺(jué)領(lǐng)域正在研究如何在散亂、不規則、巨大數量的數據中完成3D建模。這需要對抗生成以及先驗表示等非常多的方案，但帶來(lái)的效果非常值得期待。

　　比如說(shuō)今天已經(jīng)有3D建模方案，在深度學(xué)習的幫助下實(shí)現對密林的重建。然而其用來(lái)進(jìn)行點(diǎn)云建模的圖像數據中，有很多被樹(shù)葉遮擋的部分。這時(shí)候就可以用AI來(lái)增強3D建模的先驗知識，主動(dòng)“腦補”出遮擋物背后的真實(shí)樣子。

　　不僅是修復遮擋模型和瑕疵數據，機器視覺(jué)技術(shù)與3D建模的融合，還可以讓很多無(wú)人設備具有更雪亮的“眼睛”。比如無(wú)人駕駛汽車(chē)，或許可以基于“大腦”中的3D建模算法，來(lái)腦補智能攝像頭尚未發(fā)現的環(huán)境。這點(diǎn)在復雜立交橋和停車(chē)場(chǎng)中格外有用。

　　在消費者端，3D建模與機器視覺(jué)的結合也將帶來(lái)新的想象力，比如消費者可以根據照片來(lái)重建精準的3D模型，或者傻瓜式完成建模要用的數據收集。讓不那么專(zhuān)業(yè)的人也能建設出專(zhuān)業(yè)的3D模型，這個(gè)改變背后的想象力驚人。

　　更好的深度傳感器解決方案

　　還有一個(gè)機器視覺(jué)技術(shù)和3D的交匯，主要發(fā)生在無(wú)人機領(lǐng)域。

　　無(wú)人機今天進(jìn)行測繪和航拍時(shí)，必須附帶對空間的理解能力，否則拍照不準事小，撞了南墻事大。而這個(gè)能力主要來(lái)自于攝像頭和傳感器進(jìn)行空間閱讀。

　　隨著(zhù)消費級無(wú)人機的不斷升級，人們對無(wú)人機拍攝效果要求也不斷升高。無(wú)人機必須不斷在更遠的距離、更極端的天氣、更復雜的運動(dòng)中拍攝畫(huà)面。然而傳統的傳感系統解決方案已經(jīng)快要跟不上用戶(hù)的期許。

　　今天的消費級無(wú)人機，一般采取兩種感知解決方案，一種是雙目視覺(jué)技術(shù)，比如大疆的某些產(chǎn)品;一種是結構光傳感器，比如微軟的Kinect。而這兩種主流方案都是有一定局限的，比如感知范圍都有限，難以完成遠距離作業(yè)。再比如雙目視覺(jué)技術(shù)在黑夜中會(huì )失靈，所以無(wú)人機夜拍一直是個(gè)大坑，然而結構光技術(shù)應對不來(lái)強光，一到中午無(wú)人機就石樂(lè )志也是很心塞的。

　　更好的解決方案，在于將傳感器與智能攝像頭結合起來(lái)，達成可以適應不同天候與天氣，并且可以長(cháng)距離感知的新型傳感系統解決方案。

　　今天，用機器視覺(jué)技術(shù)中的很多算法，協(xié)調不同的傳感設備工作，讓無(wú)人機變成“多眼無(wú)人機”，正在成為流行的解決方案。機器視覺(jué)算法大量加入無(wú)人機傳感器，還可能帶來(lái)軌跡拍攝能力提升，讓無(wú)人機獲得拍攝整體環(huán)境，或者精準捕捉動(dòng)態(tài)物體，比如說(shuō)運動(dòng)中的動(dòng)物和車(chē)輛的能力。

　　以上幾個(gè)技術(shù)趨勢，都可能成為機器視覺(jué)和圖形學(xué)應用的下一步熱點(diǎn)。這個(gè)領(lǐng)域看似偏門(mén)，事實(shí)上卻能影響今天科技市場(chǎng)中的風(fēng)吹草動(dòng)。

　　讓機器看到立體世界的游戲才剛剛開(kāi)始，機器與人類(lèi)在某一天可以用同樣的視角相互凝視，或許才是這個(gè)故事的終點(diǎn)。