Phab2Pro體驗&Tango技術簡介
最近入手了聯想的Phab2 Pro,作為“全球首款搭載Tango技術的智慧手機”,還是挺讓人期待的,先來幾張真機實拍:
Phab2 Pro
6.4英寸螢幕,4GB記憶體,64G儲存空間,定製版的8核高通處理器,前置800w畫素攝像頭後置1600w,當然這些都不是重點,重點是它背面的幾個感測器,從上到下分別是:
- 1600w畫素RGB攝像頭
- TOF深度感測器-紅外光接收器
- TOF深度感測器-紅外光發射器
- 閃光燈
- 魚眼廣角攝像頭
- 指紋識別感測器
與Tango技術相關的主要是TOF深度感測器和魚眼廣角攝像頭,這裡的TOF感測器是PMD和Infineon倆家公司合作研發的。TOF技術原理容易理解,向目標點發射特定的光,然後根據發射到接收反射光所花的時間,乘上光速就得到了目標點離感測器的距離,這就要求感測器有相當的靈敏度和很高的資料處理速度,並且要對抗日常環境光的干擾。實際上,在深度獲取方面,TOF已逐漸成為主流,相比雙目視覺方法,其精確度、穩定性、抗干擾性以及適用場景都要好不少。
Phab2 Pro加裝的魚眼廣角攝像頭主要用於運動追蹤,普通手機都內建了陀螺儀和加速度計,通過這兩個感測器,可以粗略地得到裝置的運動資訊,做一些簡單的AR應用(如Pokemon Go),但如果僅依靠陀螺儀和加速度計,要做類似SLAM的大範圍運動追蹤,不僅準確度不夠,Drift也會非常嚴重以至於不可接受,因此Tango用一個魚眼攝像頭來輔助運動追蹤,廣角可以拍攝到更大範圍的周圍環境,從官方視訊來看,猜測這個攝像頭是單色的,並且採用了光流法來做特徵點的跟蹤。
AR應用
Google Play上的Tango應用並不是很多,且都沒怎麼更新,究其原因,可能一方面沒有好的應用場景,另一方面是目前的技術距離大眾期望還有較大差距。Phab2 Pro有將精選的幾個Tango應用放在一起,這裡貼一些應用的截圖:
首先是Google IO 2016上的現場演示Demo:https://youtu.be/yvgPrZNp4So?t=796,科技感很強,根據真實環境構建虛擬環境,最後還有實景結合的部分。
然後是一些經典的AR應用:在實景中增加虛擬物體,實測可以感受到Tango的運動追蹤效果確實比較好
最後值得一提的是測量類應用,如 Measure,可以直接測量實景中物體的尺寸,實測準確度挺高
Tango 技術
如官方介紹,Tango技術主要分為三部分:運動追蹤、區域學習和深度感知。
1、運動追蹤(Motion Tracking)
運動追蹤好理解,即確定裝置的空間位置和姿態,可用六個引數來表示(6-DOF)。通常我們說“定位”,大家會想到GPS,GPS技術是通過確定裝置和外部幾個參考點(衛星)的距離來確定自身位置,而運動追蹤則不一樣,它沒有固定的外部參考點,僅僅是依靠自身來完成“定位”,當然,如前面說的,Tango除了使用陀螺儀和加速度計,還增加了魚眼相機,通過拍攝周圍環境,結合影像特徵點來提高運動追蹤的精度。官方提供了一個通過運動追蹤來顯示裝置軌跡的Demo:
2、區域學習(Area Learning)
區域學習是在運動追蹤的基礎上進行的,“學習”可以簡單地理解為記錄運動追蹤過程中魚眼相機的資料,並建立索引,其作用主要有兩方面:
- 提升運動追蹤軌跡的精確度;
- 在已知環境中重定位。
提升軌跡的精確度不難理解,當追蹤過程中拍攝環境提取特徵資料後,如果匹配上之前某個位置的資料,即可知回到了上次的位置,因此可以修正軌跡構成環路。所以如果你想得到某條彎曲小路的軌跡,就拿著手機來回多跑幾次,軌跡也就越準確。
通過記錄運動追蹤資料,可以看做裝置對周圍環境有了“記憶”,載入某個環境的“記憶”後,重新開啟運動追蹤,就能立馬知道自己在這個環境中的位置,也即“重定位”。打個比方,你拿著手機在停車場把各個角落都給“學習”了,儲存下來,下次開啟手機,立馬就知道自己在停車場什麼位置。
3、深度感知(Depth Perception)
深度感知是基於前面說的TOF感測器,得到的是稀疏的點雲,這裡的點雲只有位置座標,如果要進行彩色3D重建,需要再結合RGB攝像頭拍攝到的影像資料。
暢想
整體上看,目前的Tango技術似乎並沒有達到讓人滿意的效果,但不可否認這是很有意義的技術方向,最基本的,Tango技術增強了裝置與外部環境的互動,類似於GPS,Tango能使裝置知道自己在環境中的位置,而且是室內的高精度定位,這是GPS做不到的;更重要的,Tango使裝置能“採集環境的空間資訊”,想象有一天,滿大街都是帶Tango技術的智慧裝置,所有裝置都將採集到的環境資訊上傳到資料中心,從而構建出一個更精細的3D世界地圖,這個地圖還包含商場、車庫等建築的內部空間結構資訊,甚至重建出整個地球的表面結構,再結合AR、VR等技術,人們的生活可能會發生不可想象的變化。
相關文章
- 積體電路技術簡介
- OCR技術簡介
- FRAM技術簡介
- Raid 技術簡介AI
- RAID技術簡介AI
- 大資料簡介,技術體系分類整理大資料
- 大資料技術簡介大資料
- WebSocket原理及技術簡介Web
- 搜尋排序技術簡介排序
- 區塊鏈-技術簡介區塊鏈
- 區塊鏈技術簡介區塊鏈
- oracle 閃回技術簡介Oracle
- Linux HugePage技術簡介Linux
- 影片壓縮技術簡介
- python技術簡介(三)Python
- 通訊系統之TDM技術和FDM技術簡介
- 技術簡介——後端開發後端
- 深入React技術棧(1):簡介React
- React與Redux整合技術簡介ReactRedux
- Redux技術架構簡介(一)Redux架構
- SSD的兩種技術簡介
- 資料探勘技術簡介(轉)
- Mybatis技術內幕(1):Mybatis簡介MyBatis
- 1.01 容器技術和docker簡介Docker
- 《Web滲透測試技術》簡介Web
- 技術分享 | kubernetes pod 簡介
- 跨平臺開發技術簡介!
- LUKS加密卷應用技術簡介加密
- 那些年的體驗技術部
- Docker容器化技術初體驗Docker
- SAP 前端技術的演化史簡介前端
- 十二種特徵工程相關技術簡介特徵工程
- 爬蟲與反爬蟲技術簡介爬蟲
- 《Hadoop大資料分析技術》簡介Hadoop大資料
- Flutter #0 移動開發技術簡介Flutter移動開發
- 專案管理經典技術簡介(轉)專案管理
- fms 流媒體影片技術介紹
- [招聘] AFX · 螞蟻體驗技術部