本文摘要：(映维网2019年12月24日)映维网曾在九月和十一月共享了关于OculusConstellation跟踪系统的涉及细节，其中负责管理AR/VR设备输出跟踪的Facebook工程经理安德鲁·梅利姆(Andrew Melim)撰文讲解了他们是如何用基于Constellation跟踪的控制器来提升交互保真度，以及在最近版本改版中所使用的近期LED给定方案。日前，安德鲁·梅利姆再度撰文的讲解了他们为更进一步优化和增强Oculus Insight控制器跟踪系统而代价的希望。

(映维网2019年12月24日)映维网曾在九月和十一月共享了关于OculusConstellation跟踪系统的涉及细节，其中负责管理AR/VR设备输出跟踪的Facebook工程经理安德鲁·梅利姆(Andrew Melim)撰文讲解了他们是如何用基于Constellation跟踪的控制器来提升交互保真度，以及在最近版本改版中所使用的近期LED给定方案。日前，安德鲁·梅利姆再度撰文的讲解了他们为更进一步优化和增强Oculus Insight控制器跟踪系统而代价的希望。下面是映维网的明确整理：科技快报伸延读者：了解探寻Oculus Insight如何提升跟踪保真度，保证内向外跟踪系统性能科技快报伸延读者：Oculus揭露Touch控制器跟踪技术：LED 给定科技快报Facebook更进一步讲解关于最近借以优化控制器跟踪性能的版本改版，特别是在是针对具备挑战性的跟踪环境，如包括圣诞树或假日装饰灯具的空间。由于Facebook的跟踪系统是基于检测和几何给定小簇红外光，所以假日季期间将呈现出根本性的挑战，因为它要在包括数百个光点blob的背景下准确跟踪控制器，而系统可能会将其误以为是控制器。

科技快报1. 跟踪挑战科技快报当控制器坐落于圣诞树前时，Insight跟踪系统所感官的画面将如下右图。右侧的黄点是系统检测到的所有潜在控制器LED。如你所闻，无论是来自圣诞树，装饰吊灯，还是其他有可能不存在的灯串，外部光源都会给系统定位控制器的LED带给挑战。

科技快报图中的其他光源对跟踪算法明确提出了一定的挑战：科技快报更好的光点blob不会造成拆分和给定的计算出来时间减少。科技快报若无关于控制器在上一帧中的方位信息，如果控制器介于装饰灯具的离群值范围内，则系统完全不有可能计算出来姿势。科技快报就算不存在先前的信息，网卓新闻网，即便是单个错误的LED都会导致错误地给定，从而造成跟踪告终。科技快报由于Quest的严苛计算出来支出，计算出来时间的任何减少都有可能导致camera的丢弃帧。

科技快报面临上述挑战，在假日装饰灯附近的环境中展开控制器跟踪十分艰难，并且除非用户重开灯具或将其移到其他房间，否则可能会造成错误。但Facebook期望人们什么时候都需要在家里永Quest和RiftS的体验，所以Facebook专心于优化跟踪系统。科技快报2. 解决方案科技快报Facebook建构了两种主要方法来解决问题这个问题的有所不同方面：科技快报首先，研发了一种可以检测环境中的相同3D灯源，并用于其3D方位来协助拒绝接受这种光点blob的全新算法。

同构外部点的过程类似于Insight跟踪背后的系统。科技快报要为这种相同的离群点创立准确的同构，必须系统计算出来它们的基本几何形状并对其在3D空间中的方位展开三角测量。系统将在游玩过程创建其跟踪的标记列表。

这种标记不仅存储离群点的方位，同时存储称作协方差的不确定性值。这种不确定性可以协助提升系统当标记为相同时的辨别精度。一旦在同一方位多次看见完全相同的标记，系统就不会不予证实并在跟踪过程忽视涉及的光点blob。

科技快报在下面的两边图像中，你可以看见新的算法(左侧)辨识出有粉红色标记和绿色标记。其中，粉红色为圣诞树灯具的光点blob，而绿色则为控制器LED的光点blob。科技快报一旦绘制了相同标记，系统就不会将它们投影到camera视图，从而提供其在每一帧中的像素方位。在所述方位检测到的光点blob(通过特定阈值内的误差度量来测量)会用作给定。

展开删改后，系统将取得一个十分有可能是控制器blob的非相同blob索引列表。但是，仅有跟踪相同的标记足以保证可信的跟踪。在最不具挑战性的环境中，我们期望系统在处置之前再行去除显著不准确的光源。科技快报所以，Facebook通过内部测试分析为何不会再次发生跟踪不给定。

Facebook找到一般来说的情况是，由于姿态给定，不给定的控制器blob尺寸不会错误，如假设姿态相似时blob太小。综上所述，图像中的显式blob尺寸基本可根据以下因素展开预测：科技快报LED与摄像头的距离科技快报入射光到LED的入射角科技快报图像blob到图像中心的距离科技快报图像Blob椭圆在图像空间中的方向科技快报考虑到这种关系，Facebook尝试了有所不同的方法来将上述输出信号建模为输入。Facebook找到由于塑料的反射效应，几何建模非常不精确，而机器学习方法(特别是在是小型神经网络)能带给最低的精确度。

本文来源：南宫28圈官网-www.kubernetek.com