Microsoft HoloLens 技术解谜（下）

读者提问“HoloLens的深度传感器有没有可能是基于TOF？”

先介绍下背景知识，市面上常见的有三种类型的深度传感器：

• 结构光，这个技术的代表产品是Kinect一代，它的传感器芯片用的是PrimeSense家的。说句题外话，PrimeSense现在是苹果旗下的公司，这个领域未来一定会很精彩。
• TOF，time-of-flight，代表产品是Kinect二代，由于微软对于One这个单词的热爱，它的官方名字是Kinect One，有点混乱是吧？
• 双目摄像头，代表产品是Google Tango以及Leap Motion，前者配有四台摄像头，后者有两个。

我认为HoloLens没有使用TOF技术的原因是因为如果这四个摄像头的位置放的是TOF传感器，那么还缺少一个朝前的RGB摄像头用于视频聊天类App。读者提到的中间部分我认为是微型的投影仪，HoloLens使用微投在“挡风玻璃”上显示全息的画面。参见 Wired 的这篇报道点此进入。

至于这个问题的标准答案，还得等微软发布新的信息。

读者提问之“HoloLens能不能当VR用？

这个问题很好，的确可以这么玩，NASA与微软的的火星合作计划基本上是一个虚拟现实的应用，它无视了真实的环境。如果HoloLens可以提供调节“挡风玻璃”透光度的API，那么调成完全不透光时就好比戴着Oculus Rift的头盔，是另一种体验VR的途径。可是朋友们，这是在浪费 HoloLens 的机能啊！

那么，作为未来的应用开发者，应该怎样充分榨干它的机能呢？这是本篇文章的重点。

正文部分

首先让我脑洞开一会，为大家“介绍”下Holo SDK。按照微软的偏好，SDK标配的语言肯定有 C++ 和 C#，因此要进行开发，这两门语言你至少得会一门。

然后，这个SDK里有哪些功能呢？根据官方demo中的场景，我觉得基本功能至少有：

• (a) 摄像头看到的图像，即当前场景的color buffer。
• (b) 当前场景的深度图，depth map或z buffer。
• (c) SLAM合成后的三维场景，这个场景所在的空间下文我们暂且称为Holo Space，它可能是以乐高方块的形式表示，也可能是用三角形来表示。
• (d) HoloLens设备在Holo Space中的坐标 （x, y, z）、朝向（tx, ty, tz）。
• (e) 手势识别的结果，类似HRESULT OnGestureDetected（DWORD dwHandId、DWORD dwEventId、LPVOID lpUserInfo）的样子。
• (f) 语音识别的结果，类似 HRESULT OnVoiceRecognized（std::string& strSentence、FLOAT confidence）的样子。

同样的，根据官方demo，我将HoloLens应用分为三种：

• 伪全息的传统应用

• 针对 HoloLens 特别优化过的应用

• 沉浸式的真-全息游戏

这一篇只讲“伪全息的传统应用”

这种类型的应用对于传统开发者而言最容易上手，几乎不需要修改代码，自然也不需要拥有3D图形学的知识。大部分人会从这种应用入手开始Holo开发。

如果不需要3D知识就能实现3D的界面，那么3D的效果是哪来的呢？那就是Windows 10引入的全息窗口管理器——explorer3d.exe。我们平时启动Windows看到的“桌面”是窗口管理器（explorer.exe）的一部分，把“桌面”想像成三维的就行了，很简单是吧？

一点都不简单！

以视频播放器为例，播放器并不会直接将视频画面显示到桌面上，而是画到一个缓存区域，经过一系列我不知道的步骤后，explorer.exe再将画面以“2D 的方式拷贝”到能被我们看到的地方。而explorer3d.exe用的是“3D 的方式”。

所谓“3D 的方式”就是使用Direct3D做一些“会的人嫌我讲得啰嗦，不会的人看了还是不会”的事……

也就是在初始化应用的时候：

• 创建一个3D的矩形来表示3D的窗口，保存在顶点缓存vertex bufer（可以认为是放在显卡上的数组）
• 创建一个贴图texture（可以认为是放在显卡上的图片）
• 创建表示窗口平移、旋转、拉伸值的local_matrix（这里的 matrix 是数学中的矩阵概念，不是电影名称）

在应用运行时：

• 如果需要在Holo Space中移动窗口，那么修改local_matrix中的平移值，功能与explorer.exe中的移动窗口类似，只是除了上下（y 轴方向）左右（x 轴方向）移动外还可以前后（z 轴方向）移动。
• 如果需要在Holo Space中旋转窗口，那么修改local_matrix中的旋转值。explorer.exe中没有类似的功能。
• 如果需要在Holo Space中放缩，那么修改local_matrix中的放缩值，功能与explorer.exe中按住窗口边缘拖拉改变大小一致。
• 如果视频内容需要更新，那么更新texture为最新的内容，只有这么做我们才能看到会动的视频。

在应用退出时：

• 释放 Direct3D 的资源

不用担心，这些都是explorer3d.exe会负责的。

细心的读者会发现我们没有用到一个很重要的功能：HoloLens设备在Holo Space中的坐标 （x, y, z）、朝向 （tx, ty, tz）。

要解释它我必须讲解world、view、projection三个矩阵，还要讲解矩阵的乘法以及dot product的公式等等，这些完全是图形学的知识了，一时半会讲不完，我会再专门为它们写一个系列。我打算用一句话解释下，explorer3d.exe 会维护一个全局的global_matrix，它等于world * view * projection，view的值由功能 (d) 中的信息可以得到。global_matrix的作用就好比第一人称射击游戏中的鼠标，写到这里我发现把explorer3d.exe视作一个 3D 游戏会简单很多，3D游戏场景里的电视机也能播放视频，其实是一样的道理。

总结一下，这个类型的应用程序员几乎不需要修改代码，由explorer3d.exe负责调用Direct3D将传统应用的内容转换成3D的贴图。

结束语

这篇先写到这里，看看大家的反馈意见。虽然文章叫做《HoloLens 技术解谜（下）》，但是放心这个系列并没有完结，随着脑洞的逐渐展开，我发现要介绍的内容越来越多。

本文作者：张静，前微软上海Xbox ATG软件工程师。微信公众号“黑客与画家”（HackerAndPainter），欢迎各位童鞋与他交流探讨。