斯坦福大学提出采用RGBD摄像头的高帧率，低延迟AR头显系统

　　日前，斯坦福大学的Hanseul Jun和Jeremy N. Bailenson等人发布了名为《An Easy-to-use Pipeline for an RGBD Camera and an AR Headset》的论文，并介绍了他们利用单个RGBD摄像头来支持AR头显的实验。

　　团队表示，这一研究的贡献在于为采用现成硬件的工作系统提供可用代码，而非为计算机视觉或图形学提供先进的理论。当前的研究用一个搭载RGBD摄像头(微软Kinect v2)的系统来捕获人物，并通过AR头显(微软HoloLens)来显示场景。尽管保真度低于选择多摄像头的其他系统，但所述系统的帧率高，延迟低，且可移动，因为它不需要一台渲染计算机。

　　系统的硬件端由两方面组成：配备Kinect v2的笔记本电脑和HoloLens。 软件端同时包括两个方面：将像素从Kinect v2发送到HoloLens;以及由HoloLens渲染像素。所述过程面临三个挑战，而这三个挑战来自于设备的三个特征:

　　Kinect v2产生大量数据。

　　HoloLens需要无线传输。

　　HoloLens具有较低的计算能力。

　　面临的挑战是：

　　a. 由于(1)和(2)，需要压缩。

　　b. 由于(a)和(3)，需要计算有效的解压缩。

　　c. 由于(3)，需要一种有效的渲染技术。

　　1. 压缩与解压缩

　　Kinect v2具有彩色像素和深度像素。对于彩色像素，团队采用VP8编解码器，并通过libvpx和FFmpeg进行编码和解码。尽管H.264至少表现出相同的性能，但团队选择VP8的原因是libvpx基于修订的BSD许可，而这与团队提供系统源代码的目标一致。对于深度像素，由于需要避免有损压缩的不确定性，所以团队选择RVL(Wilson，2017)进行压缩，因为它的计算成本低且无损。图1概述了团队系统的压缩和解压缩过程。

　　2. 压缩阶段

　　利用接到Kinect v2的笔记本，libvpx将彩色像素编码为VP8帧，并将深度像素RVL压缩为RVL帧。执行这一功能时，由于彩色像素的分辨率(1920×1080)较于深度像素(512×424)过大，所以彩色像素的分辨率在宽度和高度减少一半，特别是对于团队的可视化技术而言(其将每个深度像素与颜色值配对)。两种像素都通过无线网络发送到HoloLens。

　　3. 解压缩阶段

　　团队的系统使用FFmpeg解码编码后的彩色像素，并将解码后的像素转换为三个8位单通道Direct3D纹理，其中每个纹理都属于YUV的颜色通道。为了避免从YUV420(一种视频流式传输的主要颜色空间，因为它允许在U通道和V通道进行4倍压缩)转换到高计算量的RGB，团队选择在YUV颜色空间中创建纹理。另外， 为避免将解码后的像素重新排列为单个纹理，团队使用了三个纹理而非一个。接下来，用RVL压缩的像素将解压缩为16位单通道Direct3D纹理。

　　4. 渲染阶段

　　借助YUV纹理和深度纹理，HoloLens可以将深度纹理的每个像素渲染为漂浮在空间上的四边形，并使用YUV纹理中的颜色值对四边形进行着色。团队的渲染技术需要使用由Kinect v2的intrinsic variable预先计算的网格。在具有深度纹理的顶点着色器中，预先计算的网格变成反映深度纹理深度值的一组点。在几何着色器中，所述点变为四边形。四边形的大小选择为不影响相邻四边形的最大大小。最后，在片段着色器中，根据YUV纹理对四边形进行着色。图2是团队的渲染技术示例。

　　团队发布系统代码的目的是，支持大家将其用作AR头显应用程序开发的基础，尤其是远程呈现系统。尽管渲染质量远非完美，但团队希望这个系统能够提供一种便携的，支持现成硬件的经验证方法(无需机器进行渲染)，从而为开发者，研究人员和消费者带来帮助。

　　相关论文：An Easy-to-use Pipeline for an RGBD Camera and an AR Headset

　　5. 源代码

　　系统的源代码已经托管至GitHub。