动漫美女舌吻I日日夜夜中文字幕I中文字幕五码I日韩不卡在线观看I白丝一区I一级黄色avIxxxww日本I久久婷婷国产麻豆91天堂I大号bbwassbigav女I欧美性乱I国产黄色免费看I欧美性一级I成人欧美一区二区三区黑人一I美女福利在线观看I一区二区三区免费高清视频I黄色aaa毛片I9999国产精品Iwww.色就是色.comI天堂网在线观看免费视频Iwww在线免费观看I日韩一级片在线I午夜色片I亚洲日本一区二区I欧美日韩1区I日本美女动态图

"黑科技"3D感應技術背后的Project Tango！

Project Tango三大核心技術
 
運動追蹤
Project Tango的第一個核心技術“運動追蹤”的三維動態捕捉就是利用了上面提到的單目視覺技術的升級版Feature Tracking（Google稱為特征捕捉）。特征捕捉如何理解呢？ 再回到John神的例子里，我們不再固定接收器的位置了，反而是拿著接收器（這里我們不再叫它接收器了，叫采集設備或相機）移動；而對面只有兩個光點的發射器也變成一個一個的光點貼在John神家里屋子的各個角落。

當我們移動相機時不斷地一幀一幀進行拍攝，因為拍攝到的光點的相對位置在不斷變化（這里“變化”是指拍攝到的兩幀之間同一個光點的相對位置變化），通過計算我們可以得到相機的移動距離。簡單來說Tango設備在不斷循環的一個過程就是：拍攝——識別特征點（個人估計是SIFT點）——匹配特征點——篩去錯誤匹配——坐標換算。當然Project Tango的運動追蹤不僅如此，他還能通過一個內置的6軸慣性傳感器（加速度計和陀螺儀）來捕捉相機的加速度和運動方向。
當融合了以上兩類傳感器的數據之后Project Tango就“完美”（其實還有瑕疵）實現了三維運動追蹤。

區域學習為什么說還有瑕疵的？因為運動追蹤用到TYPE-C只是單純得到了相機移動的軌跡，然而對于相機所處的場景是零認知。所以一旦設備被關掉，它之前的運動軌跡就會被“忘掉”。最大的問題還是運動追蹤中所累積的誤差，或者叫漂移，在長距離使用后真實位置會和運算位置有很大差異。

為解決這個問題，John神團隊為Tango設備設定了一種學習模式名叫移動電源線路板。這應該是他在Google X里面無人駕駛汽車研究成果的冰山一角。這種學習模式理解起來就簡單很多了，為了讓Tango設備具有一定記憶，而不再像一個被蒙著眼睛的人一樣需要靠數自己走了多少步來計算距離，Project Tango可以讓用戶預先錄入某個場景（這里要特別提醒的是，錄入的數據不光包括了運動追蹤里面所識別的特征點，還包含了場景本身），當用戶重回這個場景的時候Tango設備會自動用錄入的數據來糾正運動追蹤的數據，這個糾正的過程中錄入場景里的那些特征點會被當作觀測點，一旦發現移動電源方案與當下特征點匹配的觀測點，系統便會修正當下的追蹤數據。這就是Project Tango的第二大技術核心——區域學習。

深度感知如果說把深度感知作為Project Tango的第三大技術核心，我覺得有點虛，畢竟Google也是采用的第三方的深度傳感器。不過對此Google并沒有掖著藏著，而是很大方的表明Tango設備可以選擇任意一種現今流行的深度感知技術。而對這項技術的順利應用多半也要歸功于John神在Project Natal的經歷了。Kinect一代的推出震動了業界，震動了學術界，同時也把結構光（Structured Light）的概念推廣了出去。那么他到底是怎么實現深度檢測的呢？檢測到的“深度”又是什么概念呢？

結構光顧名思義是有特殊結構（模式）的光，比如離散光斑，條紋光，編碼結構光，等等。他們被投射到待檢測物體或平面上，看上去就好像標尺一樣。根據用處不同，投影出來的結構光也可以分為不可見的紅外光斑，黑白條紋可見光，單束線性激光，等等。比如Kinect投射出來的就是紅外光斑，設想你玩游戲的時候要是一片黑白條紋光打到你身上，這畫面感豈不是很怪。