最近发布的Pico4支持了RGB see through（16MP*1 RGB），支持了彩色透视，相信有些小伙伴已经体验上了。（我还没有）
昨天夜里的OC大会上，期待已久的Quest Pro也支持了全彩透视，正好借着这个机会聊聊XR当中的透视问题。
VR or AR？
VR还是AR，这是一个长期的争论。这个争论的前提是两种场景都存在，而且在将来会融合进同一台设备中，问题就成了VR取代AR，还是AR取代VR。
这个问题的关键所在，就是哪个透视方案更加优秀？
AR see through，与生俱来的特性
AR目前的光学方案主要是光波导与BirdBath，在设计思路上的相通之处是
眼睛既可以看见传递/反射的虚像，又可以透过镜片看见真实环境。
但是体验过AR产品，不论是Nreal，Rokid，还是MagicLeap，Hololens，都有一种显示效果“咋就这吊样”的疑问。
MD跟宣传图明显不符啊！
加色法与减色法原理
加色法原理针对的是色光混合，也就是大家常常提到的RGB三原色。
RGB三种颜色的光，通过不同亮度的混合，可以产生丰富多彩的颜色。在一个色深8bit的色域当中，每种原色有2的8次方的色阶，也就是256种变化，三种颜色即为256的三次方1670万色。
如果一张FHD的图片在未压缩的情况下，数据量是多少呢？192010808*4，大约是63MB。
1920*1080是图片分辨率，说明有多少个像素点
8是8bit的色彩深度
4是通道数。那有细心的小伙伴可能发现了，为啥上面说三原色，3个色彩通道，为啥现在是4呢？因为在一般的人机界面中会用到透明和半透明，所以这里会有一个256阶的α通道，同样是8bit。
从下面左侧的图，可以清晰地看到加色法的效果，在三原色0，0，0的状态下为黑色，即不发光；在三原色为255，255，255的状态下为白色。
右侧的图则说明了在印刷中的减色法，在一张白纸上，什么颜色都不涂，是白色，如果把青品红都涂上，就变成了黑色。
大家回想一下，电脑显示器，电视，手机屏幕，在不点亮的情况下，是不是黑色？
而书籍，海报，一般都是印刷在白纸上？
在一个加色法的系统内，需要一个绝对的暗场来保证色准与对比度。大家记住这句话。
为什么需要绝对暗场？因为要保证色彩准确度与对比度。我们来举几个例子帮助理解。
假如三个子像素，最大亮度都为255nit，在一个纯黑的环境中发光，要显示一个墨绿色。
这时候的RGB色值分别为50，100，64，实际发光亮度约为138nit，理想状态下对比度为138/0，接近无穷大。
如果环境白光等效亮度为100nit，相当于每个色彩通道都叠加了100nit，则RGB的色值变为了150，200，164，已经发生了色偏，颜色淡了很多。并且对比度变成了（138+100）/100，大幅下降到2.38比1。
案例一：LCD与OLED的原理
传统的LCD屏幕是怎么来营造暗场的呢？通过相位垂直的偏振片来实现。
当两个偏振层（Polarizer）相位垂直时，光线不能通过，则认为是一个纯黑的环境。通过液晶的偏振效应，将透过下层偏振片的偏振背光，再次进行偏转通过彩色滤光片，通过上层偏振片时就看到了色光。
在实际的制造中， 因为工艺问题，偏振片并不能阻隔100%的光线，所以LCD屏幕会出现漏光问题。
OLED采用了自发光的材料，所以没有背光层，无需对背光遮光，所以结构上要简单很多。
但光线的干扰除了来自背光，还有环境光的反射，所以OLED在最上方加入了偏振层，同样利用偏振原理，来抑制环境光线的反射，以保证暗场的纯粹性。
案例二：投影仪原理
投影仪跟AR透视的问题接近了。
我们看到的投影画面非自发光，而是来自于光的漫发射，同样适用于加色法原理。
大家在使用投影仪的时候，一定会有这样的体会：
关灯，哇，投影效果好棒，家庭影院！
开灯，擦，全面拉垮，怎么这个叼样？
投影仪没有像屏幕一样的内部偏振结构形成的暗场，只能靠消除环境光线来保证暗场的纯粹性。
所以投影比较好的环境是全黑环境里面的大白墙。
影响投影效果的规律，是投影仪亮度越高越好，环境越黑越好。
但由于白墙这种暗场的环境脆弱性，即便是一点点光线，开个小夜灯，投影仪的对比度下降也非常明显；
即使是亮度非常高的投影仪，甚至反射的等效亮度超过了电视机，在白天的观看效果也远不如电视，因为电视是自带暗场的。
AR透视的暗场问题
第一次体验AR眼镜，模糊惨白的显示似曾相识，这不就是白天看微投的效果吗！？
由于AR眼镜要追求透视，所以光学结构中一定是可以透光的。
透光之后环境光就带来了暗场不纯粹的问题，导致色彩失准，对比度急剧下滑。
怎么解决暗场问题呢？
我们依据前面投影的规律，AR亮度越高越好，环境越黑越好。
提升亮度
提高显示亮度可以略微提升一点效果，但正如投影仪，一点光线也会影响色彩与对比度。况且以目前的AR产品形态与电池技术，高亮度下的功耗，发热，microOLED寿命都会收到较大的影响。
剩下的就是让环境光降低了。
遮光之物理遮光片
其实厂家并非没有意识到这个问题，这不Nreal就贴心地提供了一个塑料遮光片。
戴上之后，偶吼，效果好了很多。
物理遮光片原理简单，成本低，效果还不错。
但是这个片片戴上去，摘下来，实在有点累赘与傻。
遮光之 电致变色
电致变色就是材料在外加电场的作用下，改变颜色或者透明度等光学性质。
电致变色材料如果取代塑料遮光片，可以直接集成在眼镜本身，并通过软件控制，比塑料遮光片不知道优雅到哪里去了。
但缺点也非常明显：技术成熟度低，成本高，增加重量与功耗，是上电透明还是下电透明，得想清楚。
最关键一点：类似于塑料遮光片的一刀切，肯定不是最优解。
像素级遮光之液晶偏振
前面分析过LCD的原理，设想一下：
在AR眼镜的最外侧加上一层偏振片，这时候透过镜片的环境光线就变成了偏振光。
再加一组液晶层，根据α通道的阶梯值，控制液晶偏转的方向；
α通道为0：则液晶与偏振层相位对齐，光线正常透过；
α通道为255：则液晶与偏振层相位垂直，光线被阻隔。
像素级控制透视与暗场，才是AR see through的终极目标。
video see through/Passthrough
video see through是业界比较通用的叫法，Oculus一般叫做Passthrough。我挺喜欢Passthrough的叫法，pass有着透着某种管线（camera→display）传递过去的意思，与AR see through直接用眼镜看透相对应，定义更加形象准确，按照大家习惯就先叫VST了。
灰度video see through
在Quest2上，灰度Passthrough是买一送一的功能。
为实现VR设备的inside-out追踪，quest2配备了4颗30万像素的灰度摄像头。与动辄4800万，1亿像素的手机摄像头无法相提并论。
很多人就想问了，30万像素这么低，做slam能好吗？手势识别能好吗？
换成更高像素的效果会不会更好？
换成彩色的摄像头会不会更好？
首先30万像素灰度的摄像头，成本优势是非常明显的。
实际上，图像识别神经网络往往会做下采样来提升实时性，VGA分辨率足够喂饱一般的神经网络。只要不是目标对象太小，分辨率都是够用的。
换彩色呢？区分情况。比如要识别斑马线，灰度足够了；要识别红绿灯，还是彩色准一些。
但是在inside-out的追踪算法中，主要依赖物体的轮廓，纹理等特征。这些特征识别不依赖色彩（想象一下，一双手的照片，无论是黑白还是彩色，你都能精准识别出这是一双手），所以换成RGB Camera之后收益几乎可以忽略不计。而且，由于灰度摄像头省略了彩色的Bayer filter，感光能力更强，在低光环境下的追踪表现也就更好一些。灰度图像数据量为彩色图像的1/4，也更加节约内存与算力。
综上所述，用于inside-out追踪的Camera，30万像素分辨率足够，灰度满足特征识别要求，低光下表现更佳，运算速度更快，节约算力与功耗，成本低廉，是非常好的选型方案。
但是，这样规格的Camera用于passthrough则远远不够。
RGB video see through
彩色透视的优势
基于RGB Camera的彩色透视，可以说从根本上解决了透视中暗场营造的问题，全封闭的结构，自带暗场的LCD，OLED。
虚像与真实环境融合从现实效果来讲天衣无缝，真正可以实现以假乱真的效果。手头有iPhone的小伙伴可以尝试一下基于AR kit开发的一些应用，大致感受一下效果。
但是基于RGB video see through的透视方案，同样面临非常多的挑战。
彩色透视的挑战
更高的像素，色彩，与动态范围
为还原现实，忠于显示，彩色Camera在成像水平上远远高于灰度Camera。
以Quest2为例，1832*1920的单眼分辨率，点对点满足的话需要350万像素以上。况且双眼存在非交叉区域，边缘畸变不可用，以及FOV的仿真度，实际需要600万甚至更高的Camera。（如果Pico4的1600万是四合一拜耳排列，灯效像素也就在400万）
彩色是必须的，不光是色彩，还有动态范围。人眼的动态范围在120db以上，而一般消费级sensor在60db左右（拍照时可以通过包围曝光与堆栈实现HDR）。
更高的成本
高像素彩色Camera的成本肯定是高于低像素灰度摄像头的，而且并不适合做inside-out的追踪，所以日常灰度Camera并不能去掉，这给透视功能带来了额外的成本。
额外的性能开销与功耗
在设备工作状态下，追踪算法要一直运行，所以灰度Camera是一直在工作的。在灰度透视中，只是把Camera中的图像进行显示，额外的功耗微乎其微。
但由于彩色透视状态下，灰度Camera与彩色Camera需要同时工作，且彩色Camera带来的性能开销，内存占用，最终到功耗发热，都要远高于灰度透视。
而且，彩色Camera日常处于关闭状态，上电，加载驱动，屏幕送显等一系列工作也会导致透视功能启动缓慢。
令人眩晕的延迟
正如VR的显示延迟会导致晕动症一样，彩色透视下的显示延迟同样会导致晕动反应。
VR的渲染显示，可以通过ASW，ATW算法进行补偿，但是现实世界复杂而精妙，难以通过补偿算法抵消延迟。
这种延迟来源于MIPI CSI视频输入接口捕获CMOS senor输出的RAW data（video capture latency）
ISP对RAW data进行流水线处理，生成YUV图像（IPS pipeline latency）
从YUV图像转化与渲染为屏幕可显示的RGB图像（rendering latency）
以及最终通过MIPI DSI上屏显示（display latency）
以我们日常用的手机相机预览界面为例，通常也有几十毫秒的延迟。
（测试方法，高刷屏幕显示秒表，使用手机相机拍摄并预览，使用高于1/1000的快门的相机拍摄）
在Quest Pro上搭载的XR2+ gen1上，高通提供了新的图像处理pipeline，让e2e的延迟低于10ms，这是对透视体验至关重要的改进。而根据Pico4目前的反馈，延迟不算令人满意。
畸变，双目拼合，与图像mapping
一般来讲，焦距越短，广角畸变越明显；如果是用于算法，鱼眼镜头也没问题。但是人眼看就很别扭了。
如果采用单目，将无法实现视差带来的立体视觉，使用双目则需要对图像进行拼合处理。
同时，彩色透视不光要还原光线与色彩，同样也要还原空间关系。如何将现实环境完美的mapping到显示中，这也是一个有挑战的问题。
我对VR彩色透视应用的期待
第一，干掉安全区
我敢说安全区（Guardian）是VR里面最烂的发明了，这直接消灭用户使用VR的兴致。
戴上VR设备后：
找不到边界！
创建边界！
确认高度！
切换到原地边界！
确认清空周围物体！
创建安全区的过程，仿佛接连不断的大耳刮子，直到把人扇晕，才能进入迷幻的虚拟世界。
我对彩色透视的期望，第一个就是能赶紧消灭安全区。
第二，解锁使用场景，让VR破圈
VR在现阶段有个矛盾点：
- 戴上之后，封闭起来，隔绝真实环境，关于现实世界的事情都做不了了；
- 虚拟世界又还没那么让人沉迷其中，玩一玩就想摘掉。
这导致了用户缺少购买动力，甚至使用动力。
如果VR往现实增强的方向迈进一步，提供给用户一个与现实环境相容，不那么隔绝封闭的使用体验，伴随人与现实世界的交互，额外的体验都是增量收获。
这样的体验下，用户不但可以在家使用VR，更可以将VR带入更多户外场景中，通勤，办公，小憩休闲，等用户的使用时长与习惯逐渐养成，消费沉浸式内容是自然而然的举动。
原文始发于微信公众号（邪魔与科技）：XR透视问题，从Quest Pro与Pico4的RGB see through说开去
English 
Chinese