狒特科技周愷弟：何必執著於SLAM，定位追蹤你有更多選擇

空間中運動追蹤一直是AR、VR中的大問題，沉浸感和真實體驗除了是視覺上的完美融合，更是讓你能夠感受到和現實世界裡一樣的自由移動和行走，因此準確的定位定姿是很多公司努力的方向，今天我們AR醬專訪狒特科技創始人周愷弟，來了解他們的星圖運動追蹤系統。

星圖運動追蹤系統

星圖運動追蹤系統主要包括近似隱形標記點（半徑1cm）、硬體（雲台和攝像頭）和運動追蹤演算法三大部分。標記點是一些半徑1cm的反光貼紙，使用時用戶隨機將其貼附在運動範圍內頭頂上方的天花板上，用戶在體驗AR/VR過程中，將紅外攝像頭、IMU感測器和雲台組成硬體置於頭顯頂部，攝像頭捕捉在環境中隨意部署的標記點，通過光學定位演算法獲得高精度、低延時的位姿信息，通過光學定位演算法獲得高精度、低延時的位姿信息，因為目前相機的FOV約60°，一平米大概需要5個反光點。

為了滿足移動設備的需求，狒特科技還配備了一個小型模塊，可通過wifi、藍牙、數據線等方式與移動端頭顯鏈接，來完成定位數據數據處理。

一種折中的方案

周愷弟向AR醬介紹，追蹤定位的方案，尤其是通過光學方式來定位，現在已經有比較清晰的技術方案。

outside-in的方案，例如HTC 採用的Lighthouse激光掃描定位技術，通過基站上的激光感測器識別佩戴者佩戴的機身上的位置追蹤感測器，從而獲得位置和方向信息，再如OptiTrack通過架設多個攝像頭來捕捉運動物體身上的標記點來算出姿態，而近年來最受追捧的則是inside-out的SLAM (simultaneous localization and mapping)，通過移動物體自身的感測器或者攝像頭去識別外部環境，通過環境變化結合演算法來判斷自身的姿態和位置的改變。星圖的方案也屬於inside-out，而它和SLAM的差別在於，SLAM識別的是外界的自然特徵，而星圖識別的是人造特徵，也就是空間中分布的反光點。

針對幾個不同的方案，周愷弟還為我們進行了對比：

設備

定位系統中設備分為基礎設施和終端。outside-in的方案如lighthouse和optitrack中提前在環境中架設基站或者是搭建攝像頭就是基礎設施，被追蹤物體如arvr設備就是終端，終端上需要有接收器，例如HTC Vive中使用頭盔和手柄上有超過70個光敏感測器，而OptiTrack的追蹤物體則會貼上小球。SLAM則相對輕鬆，不需要任何基礎設施，但是需要終端比較強大，終端需要配備了多個攝像頭、感測器和強大的計算資源。而星圖的方案需要把攝像頭+IMU+雲台的硬體固定在頭顯上作為終端，再就是一些小小的反光貼紙貼在天花板上作為基礎設施。

成本

outside-in方案中環境的部署與場地的面基有關，隨著場地增加設備數量隨之增加，成本不容小覷，而SLAM表示，沒有壓力，一個設備走天下，星圖的成本基本不隨使空間面積改變而增加，面積大了就多貼貼紙，貼紙反正也不貴。

靈活性

因為場地部署搭建，outside-in的方案靈活性受限制，通常是在固定場所使用，而SLAM則表現出更大的自由度，在固定場所使用星圖相比攝像機和基站更容易部署，貼紙近乎隱形，不會影響場地的外觀，硬體體積並不大，外出攜帶也算便利，不過前提是有天花板。

穩定性及精度

outside-in的方案，一旦部署完成，則可以保證很好的穩定性，而為了保證精度，需要把接收器做大、做分散以保證準確的定姿；而SLAM由於是做自然識別，自然特徵如果有所改變會引起地圖變化，因此現在的SLAM每次使用都需要進行掃描，同時足夠的自然特徵和充足穩定的光線也會影響穩定性，並且自然特徵提取匹配很難精確，其中的誤差是累計的，SLAM使用中通常要做閉環檢測和控制，目前的大多數slam系統這種誤差是移動距離的1%左右，雖然現在大家都很努力提升精度，但誤差仍是厘米級，而星圖方案因為將自然特徵變為人為特徵，並且固定了，所以穩定性更高，紅外攝像頭也避免了光線的影響，同時他們頭部的模塊配備了雲台，能夠讓攝像頭更加穩定，能夠精準識別掃描點，將誤差控制在2mm內。

運算和功耗

outside-in方案因為在硬體和布置基礎設施上良苦用心，因此在演算法上可以省去一些力氣，而SLAM則因為複雜多變的環境，面臨更大的挑戰，每次使用建模都是對運算和功耗的考驗，目前的AR設備單純的顯示已經有很大的功耗，而SLAM這強BUFF一加，壓力更大，星圖的方案則恰好介於兩者之間，一個攝像頭去感受外部信息相比outside-in的方案有點累，但是識別特徵點卻比識別自然特徵輕鬆不止一點，功耗也更低。

綜合以上方面，用周愷弟的話來說，outside-in屬於重基礎設施輕終端，SLAM屬於無基礎設施重終端，而星圖方案則是輕基礎設施輕終端介於兩者之間，大家各有側重。

多一個選擇，而不是替代

對於這這種介乎兩者之間的方案，我不禁好奇，這個尷尬的中間地帶會不會只是短期內的過渡品。

周愷弟告訴我們，在他們團隊看來，outside-in方案更適合B端市場，尤其是新一代的lighthouse技術，可以無限擴展，並且像gps一樣不限制定位終端數目，對於商家來說場所固定體驗穩定，搭建和成本不是太大問題，而SLAM因為靈活和低門檻，更適合用在營銷或者輕體驗中使用，比如POKEMON GO這樣的遊戲，而狒特科技要做的是提供C端用戶的家庭定位追蹤服務，通常是相對固定的場所，相對低廉的成本，並且不破壞場地外觀，無論是卧室、客廳，更換場地也不會麻煩。三者之間是不衝突的，有著不同的市場定位。

其次，從現實來看，Lighthouse新一代要年底才能出來，量產可能需要明年，，而SLAM暫時還沒有成熟的方案，「slam對計算資源要求太高，雖然隨著摩爾定律計算能力可以提高，但是目前已經到了瓶頸，功耗上來說，電池這塊也沒有太多突破，slam需要反覆提取匹配特徵並建地圖，精度和穩定性理論上是存在缺陷」，在他們看來，其實目前的性價比之選就是星圖，「用marker來代替feature，最後讓marker盡量趨近於markless——標記貼了就像沒貼一樣，人工標記又高校又準確，為什麼非要用slam炫酷和炫技呢」。而且如果將攝像頭FOV提升，降低對標記點密度要求等，或許這套方案能具備更大的潛力和空間。

其實，星圖為代表的這類方案被統稱為天花板定位，國內外有很多公司在做這種方案的應用和產品，例如我們曾寫過的StarTracter，就把它運用到電視直播中，給畫面加實時的特效，再如戰鬥機頭瞄系統中也採用類似方案來準確定位駕駛員頭部位置。而狒特科技的星圖特點在於除了演算法，他們還努力把marker變成markless，力求讓標記點隱形，他們還在嘗試把產品小型化，甚至模塊化，以更好的配合AR、VR設備。

目前這款產品開發者版本已經在售，「是為了讓開發者知道，他們還有這樣一個高性價比的選擇」。

關於團隊

像很多創業者一樣，周愷弟不是一個沒有故事的男同學。2015年下旬，決定做定位追蹤之後，研一的周愷弟和小夥伴們投入了研發，初期為了籌得資金他們參加了很多比賽，各類獎金拿到了近百萬，，15年項目啟動就休學了為了更好的創業他決定休學，16年中間公司還拿到了天使。當我問他休學還會繼續回去念嗎，他告訴我，「為了公司的發展，書還是會讀的」。

狒特科技的創始團隊里還有北大和北航的博士，大家都是計算機軟體等專業，其實這些高校和專業也都是他們同行的出處，周愷弟感慨「校友師兄很多，做定位還是挺多，也經常也遇到同行，不過也沒什麼好競爭的，市場還沒起來，交互比較核心沒解決，早期大家都屬於探索狀態，不能像老中醫一樣，感覺自己有啥祖傳秘方捂著不和大家說，大家也都是敞開心扉互相交流，我們很多公司交流緊密」。

AR醬原創，轉載務必註明

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！