阅读文本:手势控制背后的三种感知技术 早就出现了手势交互的产品

触摸控制方式未来将逐渐取代物理按键，但是文本，我们也都知道触控并非是手势唯一被选择的交互方式。除了语音、控制手势这种现在日常生活中常见的背后方式外，眼球、感知意念控制等都曾出现在各式各样的技术概念产品上。sne

今天的阅读主角就是手势控制技术，手势控制是重要未来人机交互的重要发展方向。其实在游戏领域，早就出现了手势交互的产品，比如任天堂Wii和微软Kinnect等，通过摄像头识别常见的手势和身体动作，用户不必重新学习复杂的命令和控制工具，彻底颠覆了传统游戏的交互方式。sne

手势控制，世界上的三点手势识别技术大致可以分为三种——ToF技术、结构光技术和毫米波雷达技术，下面分别进行介绍。sne

No.1sne

ToF技术sne

ToF被称为飞行时间，它是一种通过计算光的传播时间来测量距离的技术。根据不同的距离，判断不同手指的具体位置，然后判断具体的手势，再对应相应的控制命令。为了通过光传播来测量距离，需要能够发射光的设备和能够接收光的感测设备。大众汽车使用3D摄像头模块发射脉冲光，然后使用内置传感器接收用户手部反射的光。然后，根据时间差，处理芯片可以构建手的当前位置和姿势。sne

大众手势识别技术中隐藏在换挡杆后面的ToF摄像头(红点位置)实时采集这些信息，中控系统可以调用相应的数据库获取用户正在进行的动作。根据预定义的功能，可以实现不同的操作。由于光的传播速度很快，基于ToF技术的光敏芯片需要飞秒快门来测量光的飞行时间。这也是ToF技术难以普及，而且这种感光芯片成本过高的原因之一。sne

No.2sne

结构光技术sne

结构光技术的基本原理与ToF技术相似，但不同之处在于它使用具有点、线或平面图案的光。以英特尔集成前置实感摄像头为例，包括红外激光发射器、红外传感器、颜色传感器和实感图像处理芯片。sne

英特尔RealSense Technology使用的摄像头的基本原理是：首先激光发射器将结构光投射到人体正面，然后利用红外传感器接收人体反射的结构光图案。然后，处理芯片根据接收到的图案在相机上的位置和变形程度计算人体的空间信息。结合三角形测距和深度计算原理，可以识别三维物体。摄像头采集的信息发送到负责现实世界计算的软件开发工具包(SDK)后，SDK结合加速度计算器，可以提供手势识别等功能。结构光测量技术作为一种快速、便携、高精度的三维测量技术，已经广泛应用于航空、模具和医疗领域。手势识别只是其中一个应用案例。sne

No.3sne

毫米波雷达sne

毫米波雷达的原理与ToF技术基本相同，只是用于测量的介质从光变成了无线电波。例如，谷歌的Soli项目使用内置的毫米波发生器发射无线电波(雷达波)，然后使用接收器接收回波。此时，内置的处理芯片会根据发送和接收的时间差，实时计算出目标的位置数据。sne

谷歌Project Soli芯片比较不同时间段的不同手指位置，Project Soli可以与内置数据进行比较，得到手指正在进行的动作。毫米波雷达的缺点是信号容易被空气阻挡，扫描范围有限，所以探测远距离目标不清楚，但探测近距离目标非常清楚。在主动安全技术中，毫米波雷达是不可或缺的。此外，它在近程高分辨率防空系统、导弹制导系统、目标测量系统等方面也有应用。手势控制是近年来发展起来的一种全新的交互方式，不同于按键、语音等常见的交互方式，更容易掌握和应用。然而，由于目前技术的限制，仍然存在使用成本高、手势识别准确率低等问题，因此目前尚未得到广泛应用。相信随着技术的发展和创新，手势识别将在更多领域发挥作用。sne

The Endsne

手势控制离我们还有多远？sne

虽然手势控制很容易吸引人们的注意力，但距离真正的大规模应用还有一定的距离。主要有两个原因。一是技术本身不够成熟，二是没有切中用户痛点。sne

ToF技术在应用中存在明显的“外叠加误差”缺点，所谓外叠加误差是相对于光散射引起的内叠加误差而言的。产生误差的原因是相机发出的光到达手时并不直接返回相机的摄影原件，而是经过几次不规则的漫反射后返回相机模组，导致测得的距离与实际距离不匹配。然而，如果摄像机中的背景是固定的，传感器可以忽略由外部叠加误差引起的测量误差。sne

毫米波雷达捕捉运动、距离、速度等信息，感应误差细如毫米。如何将设备小型化到这样的精度是一件非常困难的事情，最困难的是小型化会影响传输功率和效率、感应灵敏度等。谷歌用了大约十个月的时间将Soli Project从PC主机的大小缩小到硬币大小，为了提高精度和消除干扰，使用了两个发射器和四个接收器。sne

从技术本身来看，结构光技术最需要解决的问题是合适的使用场景。此外，从现场经验来看，识别准确率有待提高。sne

除了技术研发上的困难，用户的体验也对开发者提出了挑战：与传统运营模式的不同要求开发团队设计一套新手教程，让用户逐渐感受到技术的使用；在使用期间，用户的手的一部分可能在检测区域之外；在实际应用中，系统还需要根据环境对摄像头进行校正，并且有一个学习的过程。这些都是开发团队需要提前想到的策略。目前，手势控制只能实现相对简单的功能。即便如此，真实的用户体验还是会出现一些问题。无论是使用ToF、结构光还是毫米波雷达识别手势，都要求手势指令必须在特定区域操作，同时所有手势都必须满足系统对动作的标准要求，这样手势指令的正确识别率必然会大大降低。sne