Google都還未應用，這家中國公司已經推出了廉價多人空間定位

數娛科技CEO林云帆

許多人都看過The Void發布的一個視頻，視頻里多人在一個大空間里戴上VR頭盔進行對戰，大家覺得非常震撼。The Void做的是VR主題樂園，而那個視頻只是個宣傳片，要實現這個的場景，首先就需要一個大空間定位方案。

然而目前OptiTrack這種Outside-in的光學定位方案雖然精度很高，但要做到大空間成本會非常高昂。于是有一些公司就在研發低成本的替代方案，其中就包括剛剛在廣州舉行了首次產品發布會的數娛科技。

該公司在8月5日舉行的發布會上推出了兩款產品，一款是INAVR力反饋背心，另一款是INAVR多人空間定位系統解決方案。

INAVR力反饋背心

INAVR力反饋背心是一款輸出設備，為的是讓用戶在體驗VR時獲得更真實的感受。例如，當你在玩一款射擊游戲時，身體如果被擊中，這款背心會給你一種被打中的感覺。

根據官方的介紹，這款售價2388元的產品，其背心正面擁有個6力作用單元，依次分布在腰部、肋骨以及胸部（每個部位對稱分布兩個單元）。另外，在背后左右肩胛骨的位置還各設有一個力作用單元。通過8個力作用單元，能夠實現豐富多樣的力作用模式，上下左右前后等均可設計控制。此外，它的四角分別設有四個扣環，可以快速與背負式電腦結合。

背心正面的中間位置有一個圓柱體的盒子，是背心的控制中樞，內部集成了英特爾Curie芯片。這款產品的開發得到了英特爾方面的支持。

Inside-out的廉價空間定位系統

下面重點來講一下該公司推出的另一款產品，同樣得到英特爾技術支持的INAVR CAMERA全感攝像頭，主要應用于大空間多人定位，AR與體感深度交互。

在發布會之前，該公司就放出過一段視頻，展示通過手機上顯示的一款增強現實應用。從演示來看，它與Google的Tango技術非常類似，后者目前已由聯想推出了首款Tango手機。

INAVR CAMERA和Tango都是Inside out的定位技術，Tango使用深度攝像頭加上SLAM技術來識別周圍物體的位置。

不過在與數娛科技的CEO林云帆溝通后，他表示INAVR CAMERA并“不是SLAM模式，是Motion Tracking加我們的算法融合”，而且“不需要用到外部標記點”。

該公司一位技術負責人告訴沉浸感（公眾號vrleiphone），“這個相機會捕捉外部的環境，提取出它的特征點，同時里面有IMU加速度傳感器監測它的位移，結合了光學特征點和IMU傳感器的這種技術方案。”

而后該技術人員又表示會通過Mark點（標記點）來規避掉長時間（30分鐘以上）使用所累積的誤差。它表示這套系統的定位精度能達到厘米級別，前提是使用時長在30分鐘以內。

現場還演示了這款產品的AR功能，類似于HoloLens，但用戶是透過攝像頭看到外部的場景。不過這次演示并不成功，還有VR的演示也同樣如此，會后技術人員解釋說這套系統在光線反差大的地方會受到影響，而會場黑暗的環境加上明亮的射燈估計是演示不成功的原因。

根據官方給出的資料，這款比OptiTrack方案便宜非常多的產品售價3388元，采用英特爾凌動TM X7-Z8700處理器，支持Andorid和Windows，兼容英特爾RealSense SDK和Google Tango SDK，內置INU（前文說的是IMU傳感器，沉浸感猜測可能是現場PPT打錯了），支持30、60、100fps，640×480魚眼攝像頭，以及三維攝像頭。這與Tango手機的配置幾乎一致。

此前Google Tango項目的技術大神Johnny Lee接受沉浸感采訪時曾表示，Tango能夠實現在同一空間內讓用戶能看到其它用戶的位置，這與INAVR CAMERA的技術應用描述非常類似。而Tango除了應用到AR方面，也在探索在VR領域的應用，只是目前該技術仍然存在一些局限，例如功耗發熱問題。

空間定位方面的技術專家王銳對沉浸感解釋了攝像頭Inside out定位技術的一些局限：

1、抖動問題，頭上戴攝像頭有一個問題，用戶搖頭晃腦的時候，觀察的圖像會劇烈變化。而相機的姿態稍微有變化，帶來的信息變化其實是特別大的，很難保證數據的平滑。不管是蟻視的Mark點方案還是SLAM，抖動問題是共有的，卡馬克之前也是受困于這個問題。

2、巨大的特征數據庫，一旦你行動的空間變大了，這個數據庫也會變得特別大，基本上手機就難以承受了。所以應該說基于目前的輕量級硬件設備，不太可能做大空間的SLAM定位。

3、耗電量太大，所以SLAM方案有價值，但是得等到SLAM的asic芯片能量產之后，現階段更多的是科研成果。

對于數娛科技強調自己用的不是SLAM技術，王銳表示即便用的不是SLAM，“估計也是類似的概念，或者就是結構光，本質上都是識別圖像和深度特征然后定位的”。

INAVR可能不是完整的SLAM，就是說它截取了SLAM過程中的某一部分來做運算，但是應該還是基于圖像特征來做識別的方案。所以之前說的幾個問題它也都存在。

林云帆之后對雷鋒網解釋了自家的技術，他表示他們用的是RGB攝像頭加算法來實現的空間定位，僅憑二維圖像就能判斷空間位置。王銳認為，這應該就是SIFT或者SURF，并不是很新的技術，需要的計算量大。

（注：SIFT（Scale-invariant feature transform）是尋找特征（feature）的方法。發布于2004年，2年后，SURF（Speeded Up Robust Features) 發布。SIFT和SURF是目前最常用的特征算法，用數學方法來理解圖像的重要基礎。來源《跟Hoevo繆慶學習VR/AR/MR的空間定位技術》）

至于實際效果如何，目前僅看到現場不成功的演示，活動后并未提供這款產品的體驗，所以還需進一步去驗證。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。