增強現實技術為什么引起關注

隨著近日，某家增強現實技術（Augmented Reality, AR）公司融資14億美元，AR再度成為科技領域內一個追捧熱點。其中到底藏著什么樣的巨大前景這么被人們看重呢？

在說清楚這個秘密之前，我們先得區分另一個類似的技術——虛擬現實技術（Virtual Reality，VR）。兩者的技術可能有重疊的部分，但應用場景則不同。

簡單來說，假如有一天，你趕不上演唱會只能看直播，但不想放棄現場體驗怎么辦？沒關系，戴上VR眼鏡，你在家里就能如身臨其境般感受最逼真的視覺體驗。VR眼鏡是不透明的，用于顯示完全虛擬的世界，把物理世界完全擋住，即使坐在家里，你也能感到去大溪地“潛水”。 

而AR眼鏡通常是透明的，讓你能看到現實世界的景象，同時會由眼鏡虛擬出一些圖像疊加在上面。

總的來說，這些設備是計算機的必然發展趨勢。自2007年iPhone面世以來，智能手機發展迅猛。用戶隨時隨地帶著它，各項使用數據毫無懸念地都在超越PC端。所以，人機交互界面的未來主要在于移動。但現在的手機局限在于，

（1）既然要便于攜帶屏幕就做得小，屏幕小了某些功能就得受限；

（2）顯示屏幕是平面也就是二維(2D)的，而真實世界是三維(3D)的。

未來的透明AR眼鏡有望實現大突破，既能讓用戶隨身攜帶，又能在眼前顯示超大屏幕，還能把以假亂真的3D內容渲染到人所看到的真實世界里。想象你坐在教室里自習，講臺上的老師看起來真實無比，但其實他就是在你的眼鏡上虛擬出來的人。這樣的眼鏡大概不會完全取代手機，但毫無疑問潛力無窮。

跟VR比較，AR的應用場景更廣闊。畢竟，我們一般不會戴著VR頭盔在大街上逛吧。本質上，AR是VR的超集，鏡片前面一擋就成了VR。

戴眼鏡好麻煩，能不能裸視？

直接像《星球大戰》一樣，在空氣中顯示全息圖（Holography）行不行？這樣的美好愿景，有一天也許能做成，但近期看離實用還早。

現在有一些大學實驗室的確在研究裸眼光場顯示器（Light Field Display），但需要很復雜笨重昂貴的設備，還必須先安置才能使用。相對這些，做成眼鏡的效果要好得多。輕便的AR眼鏡將是移動人機交互界面上，也是計算機發展的重大革新。

在VR頭盔前加個攝像頭也能成AR，為什么非要做透明？

說起來AR有兩種，一種是前面所說的透明AR（Optical See-through)，人透過鏡片能直接看到現實世界。另一種就是“視頻疊加”（Video See-through; Video Overlay）——通過攝像頭捕捉現實世界圖景，然后以視頻的方式呈現給用戶，同時其中再渲染一些畫面。事實上，現在手機和平板上已經出現了很多Video Overlay的應用，比如看星空，求翻譯，選家具等。

那為什么不用VR頭盔加攝像頭實現這種AR呢？事實上，現在很多VR頭盔都在試探這種做法。不過，它和透明AR相比各有優劣。其優勢在于，用視頻實現的虛擬和現實的疊加(overlay)要比透明AR簡單得多。這也是為什么它已經開始在移動端商用的原因。

但劣勢也可想而知，用戶看到的畢竟只是一個2D視頻，質量跟眼睛直接看到的世界差距很大。而且視頻從采集到顯示總是有延遲的，如果跟體感信號不一致的話會造成身體不適。所以不管怎樣，還是會有公司追求更好的產品體驗，前仆后繼地去做透明AR的。

光憑這些就能融到14億美金？

前面我們說了AR技術應用潛力，這只是資本看重的一方面，同時還有技術，創始人，團隊的原因。

其實，該AR的核心技術來自華盛頓大學前研究員Brian Schowengerdt。 他導師Eric Seibel是光纖掃描內窺鏡(Scanning Fiber Endoscope)的專家。大家都知道，內窺鏡就是醫生們做手術時用來體內成像的，本質是個微小攝像頭。Brian很聰明地逆轉光路，把這個技術用到了顯示上。這樣通過極細的光纖（如左圖所示）用激光就可以打出彩色的圖像。

這個技術十幾年前就發表了[2]，后來又不斷改進，生成了一堆專利。該AR技術在很大程度上是基于Brian的這些專利。

那這種技術為什么重要呢？我們后面留成一個專門的問題講。

然而光技術牛是不夠的，要想做好AR眼鏡，可想而知是需要軟件硬件都得有重大突破。國際大公司可能有財力去做這個事，為什么他們認為一個初創小企業能做成？我覺得，其團隊創始人Rony Abovitz起的作用非常大。他曾經在機器人手術（Robotic Surgery）上創業，做骨科手術精準定位。2004年創建的公司，2008年就上市了，后來在2013年以16.5億美元被并購。聽起來就是很牛，這種背景當然拉投資比較容易。

除了創始人兼CEO很牛，其團隊也不一般，計算機視覺部分更有不少業內大牛。合作的團隊更有在好萊塢給電影做特效的。而公司當年用來拉投資用的概念視頻就像一個微型電影一樣。

新技術核心：光場顯示技術為什么對AR很重要

首先，光場顯示技術基于極細的光纖，可以讓眼鏡做得輕薄。但更重要的是，Brian證明，這種光纖技術不僅可以投射出一個2D圖片，還能顯示出一個光場(Light Field)。

目前利用眼鏡實現的3D主要可分成兩種技術框架：Stereoscopic（中文翻譯成“立體”，但其實不夠準確），和Light Field（光場）。Stereoscopic眼鏡早已商化，比如所有3D影院里用的，還有市面上幾乎所有AR和VR眼鏡/原型。而Light Field還只在實驗室里有雛形。

什么是Stereoscopic 3D？為什么它不夠好？又什么新技術核心是Light Field呢？

Stereoscopic 3D是假3D

3D圖像比2D圖片多了一個維度，這個維度就是景深(depth)，其在感官上有明顯的區別（只有少數人有雙盲癥不能看到）。

人眼感知景深有很多機制，包括單眼（monocular）和雙眼（binocular）機制。單眼能感知的景深信號有很多種，比如：一個東西遮擋了另一個（occlusion），熟悉的物體的大小（relative size/height)，物體移動的變化（motion parallax）——遠的物體變化慢、近的物體變化快。所以在此基礎上，人類雙眼的景深信號也非常強：兩只眼睛看到同一個場景會有細微差別，這讓大腦能通過三角計算（triangulation）來得到物體景深。人類在遠古時就有這樣的感知，幫助他們很好地判斷對面的老虎或者鹿到底離自己有多遠。

Stereoscopic 3D也就是利用這個原理給雙眼分別顯示不同的圖片（如下圖），它們很相似，只在水平方向上有細微差別。而這兩張圖片拍攝的時候，就是用兩個并排的相機模擬人眼的位置拍的。實際上，現在的3D電影也都是基于這個原理。通過一些光學技術把細微差別的畫面分別傳入左右雙眼，以形成立體的感知。

但這樣的Stereoscopic 3D有些問題。簡單來說，它會引起用戶身體不適如頭暈、惡心等。為什么呢？這又涉及到另一個視覺原理。

當我們在看一個現實世界中的物體時，眼睛其實有兩種自然反應：

(1) 聚焦(Accommodation/Focus)：眼睛的晶狀體就像一個凸透鏡，它會調節凸度來讓那個物體在咱們視網膜上清楚成像。

(2) 會聚(Convergence)：在每只眼睛聚焦的同時，兩只眼球還會有旋轉運動來一起指向那個物體。

很自然地，這兩種反射運動在神經上是聯接的(Neurally Coupled），也就是說任意一種運動會自動引發另一種運動。這也意味著，在人眼看真實物體的時候，聚焦和會聚的距離總是相等的（Vergence Distance = Accommodation Distance）。

那么Stereoscopic 3D的問題就來了。因為Stereoscopic屏幕到眼的投射距離總是固定的，也就是聚焦不變，但對圖片的感知會讓眼睛會聚在不同的距離以產生景深3D效果（見上圖B）。所以，這兩種距離經常是不一致的，以至于造成這兩種神經相連的運動強行分離（Neurally Decoupled）。