編輯導(dǎo)讀：AR界面作為一個(gè)觸點(diǎn)，實(shí)現(xiàn)了人和機(jī)器雙方的聯(lián)結(jié)，進(jìn)行了信息的交流和轉(zhuǎn)化。作為一名AR設(shè)計(jì)師，要對硬件和軟件的技術(shù)有所了解，才能實(shí)現(xiàn)AR智能化發(fā)展。本文作者列舉了AR設(shè)計(jì)師需要了解的6個(gè)技術(shù)點(diǎn)，與你分享。

和屏幕UI一樣，AR界面本身并不等于我們所要探索的自然交互方式，它只是一個(gè)觸點(diǎn)。通過這個(gè)觸點(diǎn)，機(jī)器與人實(shí)現(xiàn)了雙方的聯(lián)結(jié)，進(jìn)行信息的交流和轉(zhuǎn)化。

為了實(shí)現(xiàn)人機(jī)間更自然的交互方式，在我們所看到的AR界面背后，需要許許多多包括硬件和軟件層面的關(guān)鍵技術(shù)來支持它實(shí)現(xiàn)智能化發(fā)展。作為AR領(lǐng)域的設(shè)計(jì)師，自然需要對這些技術(shù)術(shù)語及基本原理有所了解，才能更好的發(fā)揮自己的專長，賦能技術(shù)更早的面向應(yīng)用層面和生產(chǎn)層面。

這篇文章，我主要以設(shè)計(jì)師的角度來理解和分享這些技術(shù)術(shù)語，確保我們在設(shè)計(jì)的時(shí)候?qū)R界面下的基本技術(shù)和通識概念有所了解。

一、FOV

Field of view的縮寫，是AR設(shè)計(jì)中所設(shè)計(jì)對象的顯示區(qū)域，在之前的文章里我也有介紹過。它可以理解為屏幕UI設(shè)計(jì)里的手機(jī)屏幕、電腦屏幕，如果使用視頻流式的顯示方案兩者區(qū)別不大，如果使用光學(xué)顯示方案區(qū)別就會(huì)比較大。大家一般在網(wǎng)上所看到的AR應(yīng)用視頻，其實(shí)都是視頻流顯示方案的效果，和真實(shí)帶上光學(xué)式AR眼鏡的感覺是完全不同的。

光學(xué)方案下AR設(shè)計(jì)中的屏幕沒有固定的物理尺寸，大小主要由設(shè)備里的光學(xué)儀器能夠顯示出來的視角場范圍決定，距離越遠(yuǎn)，虛擬物體能顯示的范圍越大。這個(gè)距離是可以由設(shè)計(jì)定義的，但由于設(shè)備和人眼等限制問題，在設(shè)計(jì)中并不是越遠(yuǎn)越好。

現(xiàn)在的光學(xué)技術(shù)所能提供的虛擬顯示區(qū)域并不大，以比較先進(jìn)的50°FOV視場角為例，1080P屏幕在1.5m距離的顯示大小，換算成真實(shí)世界尺寸大概為1.16×0.51m。

二、手勢

對于頭戴式設(shè)備來說，手勢操作是一種理想的交互方式。它作為物理世界里本來存在的自然交互方式，對物體的抓取，移動(dòng)等，有不可置疑的體驗(yàn)優(yōu)勢。但要在AR的世界里實(shí)現(xiàn)這樣的交互，首先必須要滿足用戶使用手勢的手是在機(jī)器的識別FOV范圍內(nèi)的，否則它無法被機(jī)器所識別，也無法做出反饋。

需要注意的是，這里的FOV與上面的顯示FOV不是同一個(gè)FOV，是指另外一個(gè)硬件（TOF相機(jī)）的FOV。

總的來說，我們在加入手勢交互的時(shí)候，要了解對應(yīng)設(shè)備與手勢有關(guān)的效度，精度和準(zhǔn)度，以輔助我們形成更完整的設(shè)計(jì)方案。效度就是指手勢在什么條件下是有效的，起作用的。一般來說，現(xiàn)在的TOF相機(jī)的FOV都不太大，很容易跟丟或認(rèn)錯(cuò)手勢的運(yùn)動(dòng)。精度是指設(shè)備可以識別到什么程度的手勢，比如是否能區(qū)分一只手指和兩只手指的區(qū)別。準(zhǔn)度是指設(shè)備對此手勢的判讀是否準(zhǔn)確無誤，錯(cuò)誤或與其他手勢混淆的概率是多少。

三、SLAM

Simultaneous localization and mapping的縮寫，是一種同步定位與地圖構(gòu)建的技術(shù)。即是讓設(shè)備知道兩個(gè)問題：我所處的環(huán)境是什么樣子的？以及我在哪的問題。最早用于機(jī)器人領(lǐng)域，現(xiàn)在在多個(gè)人工智能領(lǐng)域都有所運(yùn)用。

圖片來源：Hololens 網(wǎng)站

由于這門技術(shù)還屬于正在發(fā)展中的一項(xiàng)技術(shù)，具體的實(shí)現(xiàn)方式也會(huì)各有不同，一般是通過設(shè)備的相機(jī)、傳感器等輸入設(shè)備，經(jīng)過計(jì)算得出自身定位坐標(biāo)和地圖構(gòu)建。由于依賴于相機(jī)等輸入設(shè)備來進(jìn)行實(shí)時(shí)計(jì)算，對AR設(shè)備來說，用戶使用時(shí)的位置和姿態(tài)會(huì)影響其輸入，網(wǎng)絡(luò)延遲造成的丟幀現(xiàn)象也會(huì)影響其輸入，實(shí)際的環(huán)境和光線強(qiáng)弱造成的曝光現(xiàn)象也會(huì)影響其輸入，在設(shè)計(jì)的時(shí)候考慮到這些情況，就可以在用戶使用的時(shí)候做出引導(dǎo)或反饋性的設(shè)計(jì)，來更好的提升技術(shù)限制所帶來的用戶體驗(yàn)問題。

四、3DOF VS 6DOF

這兩個(gè)術(shù)語其實(shí)可以歸類于SLAM技術(shù)下，和經(jīng)過SLAM技術(shù)所得出的坐標(biāo)位置有關(guān)。DOF就是自由度的意思，也就是3個(gè)軸向和6個(gè)軸向的問題，關(guān)系到設(shè)備在人機(jī)交互中可以支持到的程度。

3種平移自由度（3DOF）+3種旋轉(zhuǎn)自由度 = 6種自由度（6DOF）。

圖片來源：https://www.sohu.com/a/418784025_230122

五、物體識別

相較于SLAM是讓設(shè)備（機(jī)器）回答“我在哪，我來去何方？”的問題，我理解物體識別是讓機(jī)器回答 “他是什么？” 的問題。在維基百科里的解釋是“計(jì)算機(jī)視覺及影像處理中的術(shù)語，指的是讓計(jì)算機(jī)去分析一張圖片或者一段視頻流中的物體，并標(biāo)記出來。這需要給神經(jīng)網(wǎng)絡(luò)大量的物體數(shù)據(jù)去訓(xùn)練它，這樣才能進(jìn)行識別。”

怎么理解這段話呢？簡單的說，如果把機(jī)器比作小孩子，當(dāng)我們需要小孩子去認(rèn)識三維世界一個(gè)叫蘋果的東西，首先需要給與他真實(shí)的蘋果或大量的蘋果照片去告訴他這就是蘋果，也就是上面所說的大量物體數(shù)據(jù)，這樣在新遇見一個(gè)蘋果的時(shí)候，他才能準(zhǔn)確的認(rèn)知到這是蘋果。機(jī)器也是一樣。

圖片來源：公司內(nèi)部培訓(xùn)資料

是否能正確的識別出這個(gè)物體，除了之前輸入的數(shù)據(jù)以外，還受限于物體本身是否易于識別，這個(gè)物體的背后是否有過多干擾，當(dāng)時(shí)環(huán)境的光線是否過于明亮或昏暗等。

由于技術(shù)難易程度的不同，使用視頻流顯示方案比使用光學(xué)顯示能獲得更精準(zhǔn)和快速的識別效果。如果是需要穩(wěn)定度更高的工業(yè)應(yīng)用，可以更多的考慮視頻流顯示方案。

六、特征點(diǎn)

這個(gè)術(shù)語可以看做SLAM和物體識別所衍生出來的技術(shù)術(shù)語，我們知道，SLAM和物體識別都需要依賴于攝像機(jī)的輸入，它相當(dāng)于機(jī)器的眼睛。而在機(jī)器看來，一副生動(dòng)的圖像其實(shí)是由無數(shù)的像素點(diǎn)構(gòu)成的，每一個(gè)像素都可以翻譯成0~256的RGB數(shù)值，當(dāng)某一個(gè)像素點(diǎn)和周圍的像素點(diǎn)數(shù)值特別不一樣的時(shí)候，這個(gè)點(diǎn)就成為了值得機(jī)器去關(guān)注的一個(gè)特殊的點(diǎn)，它可能代表某個(gè)物體的邊緣位置，或者某個(gè)空間的轉(zhuǎn)角界限。

這個(gè)特殊的點(diǎn)，就是特征點(diǎn)。

當(dāng)你要定義一個(gè)虛擬界面屬于A類和B類的時(shí)候（《AUI中的四種分類模式》），可以提前考慮這個(gè)場景或者物體的特征點(diǎn)是否足夠穩(wěn)定和相對不變，在機(jī)器的性能、算法、環(huán)境，甚至用戶本身的使用條件下，設(shè)計(jì)效果圖里的理想狀態(tài)所出現(xiàn)的概率有多大，是否能滿足產(chǎn)品所定義的場景應(yīng)用等。

在以“人”為核心設(shè)計(jì)界面的同時(shí)，對基本的技術(shù)術(shù)語有所了解，不僅更方便與研發(fā)溝通，也更了解當(dāng)前技術(shù)下所能達(dá)到的設(shè)計(jì)邊界，從而更好的探索AR領(lǐng)域下的人機(jī)自然交互。AR界面本身只是一個(gè)觸點(diǎn)，它并不等于智能化，要實(shí)現(xiàn)更好的人機(jī)交互，就必須依賴于背后更多技術(shù)的綜合應(yīng)用。

作者：林影落，10年+體驗(yàn)設(shè)計(jì)師，專注AR及創(chuàng)新領(lǐng)域設(shè)計(jì)；微信公眾號：林間有影落

本文由 @林影落 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自?Unsplash，基于 CC0 協(xié)議