支持动态变焦，剑桥大学基于LiDAR的全息HUD方案解析( 二 ) 近年来

文章图片

文章图片
为了显示清晰的3D全息图像，该方案的光学元件会通过算法来投影多层不同尺寸的全息影像，这些全息影像叠加在真实环境中的特定位置，比如树后面的路牌等等，以起到提醒强调的作用。
而为了计算LiDAR数据和3D全息模型，科研人员采用了4种不同的算法，其中两种基于路线识别，另外两个利用逐点的几何特征来进行分类和标注。其中， LiDAR扫描所采用的环境分离算法在识别物体的准确率可达90% ，路线识别的准确率大于80% 。
在3D成像过程中，系统会将不同焦点平面的物体转化为同一个物体平面，然后再将物体平面显示在人眼面前特定的焦距，从而模拟多样物体在不同深度距离的效果，实际无需调节焦距即可自然查看AR指示。
关于测试结果
实验发现，该方案显示的焦距越远（大于600毫米），效果越清晰、对比度越高、与真实环境的位置越对齐。此外，该方案的眼动范围可达7毫米x7毫米，对角线FOV达6.856° 。同时， SLM的像素间距越小， FOV越大。

文章图片

文章图片
LiDAR 数据与点云数据的集成将有效提升AR导航的安全性，可以实时预测道路障碍。LiDAR 点云可以识别隐藏在驾驶员视野之外（在其他物体后面）的道路障碍物。在 AR 模式下将扫描的 LiDAR 数据集成到全息 HUD 中，可以通过实时提醒驾驶员来增强障碍物识别。使用光学扫描仪识别驾驶员，人类识别技术可以与机器学习方法相结合，在汽车领域创建安全应用。
实际上，许多自动驾驶汽车已配备LiDAR传感器，这项方案也许可以直接用于自动驾驶汽车中。
未来，该方案将支持画面布局设置，还可以同时现实多个3D物体，甚至同时渲染不同焦点平面的AR内容。比如：远处的路牌可以缩小尺寸，近处的路牌可以放大，提升自然观感。而且，这些功能未来将支持自定义。另外，科研人员正在着手缩小光学元件的体积，以用于车载系统。参考：newswise
来源：ZAKER汽车