雖然許多注意力一直集中在虛擬現(xiàn)實應(yīng)用程序的預(yù)測跟蹤上,它對于增強現(xiàn)實技術(shù)方面也是非常重要的。舉例來說,如果你要顯示一個圖形覆蓋，使其出現(xiàn)在你通過增強現(xiàn)實眼鏡看到的物體的上方,非常重要的一點是保證疊加物在你轉(zhuǎn)頭時位置不變。觀察對象能夠被相機識別,但相機需要一些時間來捕捉幀,處理器需要確定對象在框架中的位置，圖形芯片要呈現(xiàn)新的覆蓋。通過使用預(yù)測跟蹤,你可以更好的記錄覆蓋圖像和物理對象。

　　如果你了解更多關(guān)于被追蹤的個體的信息，也可以提高預(yù)測精度。例如，當(dāng)進(jìn)行頭部跟蹤時,了解轉(zhuǎn)頭最快的速度和一般狀態(tài)下的速度,可以提升跟蹤模型。同樣,如果你做眼部跟蹤,你可以使用眼球追蹤信息預(yù)測這篇文章中討論到的頭部運動，

　　感應(yīng)延遲。傳感器(如陀螺儀)可能是帶寬受限的，因而無法立即報告方向或位置變化。同樣,基于相機的傳感器可能出現(xiàn)延遲，通常在相機傳感器上的像素接收到跟蹤對象的光線到框架發(fā)送到主機處理器之間這段時間里。

　　在單一屏幕布局時---如手機屏幕---為雙眼提供圖像,通常情況下, 相對于另一只眼睛，映入在一只眼睛只有半幀(例如1/60秒的一半,大約8毫秒)。在這種情況下,最好給延遲的另一半屏幕使用提前8毫秒的預(yù)測跟蹤。

　　航跡推算。這是一個非常簡單的算法:如果位置和速度(或角位置和角速度)在給定的時間內(nèi)是已知的，預(yù)測位置假設(shè)最終位置和速度是正確的,而且速度是相同的。例如,如果最后已知位置是100個單位,最后一個已知的速度是10單位/秒,因而未來10毫秒(0.01秒)內(nèi)的預(yù)測位置100 + 10 x 0.01 = 0.01。雖然計算很簡單,但它假定的是過去的位置和速度是準(zhǔn)確的(例如,忽略各種噪音)且速度是恒定的。而這兩個假設(shè)往往是不正確的。

　　alpha-beta-gamma。ABG預(yù)測器與卡爾曼預(yù)測器密切相關(guān),但并不是很通用且數(shù)學(xué)程式簡單。我們可以從較高層面解釋一下。ABG不斷試圖估計速度和加速度并使用這些數(shù)值進(jìn)行預(yù)測。由于這些估測將實際數(shù)據(jù)考慮在內(nèi)所以一些測量上的誤差減少了。配置參數(shù)(,和)增強了反應(yīng)與降噪能力。如果你想了解一下,請看這里: