揭秘微软黑科技讲述.docx

揭秘微软黑科技，HoloLens是这样炼成的 本文作者?徐浩?,中国科大理论物理专业在读， 对航空、计算机感兴趣，爱玩无人机。本文首发知乎，已获得作者转载授权。 今日，微软 Kinect 技术参与人 Alex Kipman 介绍了微软新一代虚拟现实技术?Holograms。Holograms 借助头戴设备，让用户以实际环境作为载体，实时处理、获取虚拟信息。比如，在墙上获取消息、查找联系人，在地上、家具间玩游戏、在客厅墙上直接进行 Skype 视频通话、观看球赛。事实上，用户甚至不需要任何信息载体，所有数据都直接通过头戴设备呈现在用户眼前。 与此同时，微软也发布了自有 Holograms 技术设备 HoloLens。从外观上，看这款设备很可能使用了微软此前购买的 ODG 智能眼镜相关技术。据介绍，HoloLens 带有透明镜片，内置高端 CPU 和 GPU。 看过这段视频，绝对是款拽酷炫屌咋天。沉寂了这么多年的微软，似乎终于要崛起了。那要如何评价 HoloLens 的黑科技呢？ 引用宣传视频里面的一句话：It was science fiction, Microsoft brings it into science fact. HoloLens 所实现的效果并不是微软一家的创新，他早已流传在种种科幻电影中。HoloLens 是一个 Oculus＋Kinect＋Jetson TK1 集成起来的夹在鼻梁上的嵌入式怪物。脑补一下把 Kinect 带到头上的情景吧。微软做到了！ 首先给没有看宣传视频的孩子介绍下 HoloLens 吧，HoloLens 是一个基于深度摄像头，高性能处理器和双屏幕显示的进阶版 Glass，长这个样子，具体参见微软官网。 根据我目前看到的信息，HoloLens 需要的技术支持包括三个部分： ? 实时的三维计算 这是游戏届玩烂的东西，可以说在阿凡达之后拉开了一个时代的幕布，经过 NVIDIA、Intel 等公司的苦心经营，实时的双摄像头渲染已经很成熟。微软终于把这种技术推向了更广的领域。下图这种效果在也就是现在是游戏级别的水平。 ? 精准的姿态确定和位置确定 根据网上流传的信息，可以肯定微软采用了基于深度识别的 SLAM（实时定位与地图构建）技术。这里解释一下什么是 SLAM，就是通过传感器获取环境的有限信息，比如视觉信息、深度信息、自身的加速度和角速度等来确定自己的相对或者绝对位置，并完成对于地图的构建。 SLAM 的准确度对于最后的显示效果非常重要，姿态确定就不是事儿。几十块的电容式陀螺仪或者几百块的 MEMS 抄几段代码就好，但怎么确定位置就是微软的功力了。当然深度摄像头这种事情微软常年吊打整个行业，Kinect 快成行业标准了（帮助了多少论文发表）。想想我们用的激光雷达的价格。真是要哭了。 电影中，使用小型探测器扫描出来了隧道全景并且全息呈现了出来。对应到现实《普罗米修斯》里面用的是这种玩意，相当于一辆低配的奥迪 A8 的价格，可以发射几十束激光同时扫描。Google 无人车也用这种激光雷达来进行实时的路况分析。 微软做到的可是实现了三年前科幻电影的效果啊！ 注意这张图，微软暗示进入一个房间之前要先进行扫描，这里明显是在用 Deep Camera 生成 Point Cloud 然后三角面片进行 SLAM（我实验室的某个师兄在微软实习的时候，做的毕业设计也是这个，微软在这个技术上的积累很强的）。如果确定是和 Kinect 类似的红外摄像头，那么可以认为 kinect 有的毛病他都会有，比如对黑色物体、光滑表面的探测。 可以说，HoloLens 的核心难度是深度探测和相关的手势识别。这可是微软的专长了。所以 HoloLens 就是一个戴到了鼻梁上的 Kinect。 为什么说 SLAM 对于 HoloLens 非常重要呢？因为只有实现了靠谱的 SLAM，才能知道眼镜的空间坐标和相对于室内各种障碍物的位置，同时识别出各种室内摆件的形状，这是宣传片中人机交互的基础。 在视频中，主人公一直在走动，画面的稳定性很好。 注意上图这里，可以看到对于各个表面的贴合度已经达到了 SLAM 的程度。 ? 图像识别技术 这里注意到一个细节，展示在三维空间中的 UI 很像是 Autodesk Fusion 的 UI，难道自动桌已经先行一步？来自官网的一张图片，可以看到使用的正是 Autodesk。 作为半个工程师，我当时买 Leap Motion 就是为了玩 Solidworks Fusion。现在有了 HoloLens，比 Fusion 体验不知道酸爽多少倍。脑补一下去参观 EAST 的时候眼睛里显示出 EAST 剖面的情景。不能再震撼了。 这三个技术在近些年成熟，促成了 HoloLens 产品化。之前 Google Glas