微软HoloLens技术解谜（下）

本文作者张静是前微软上海Xbox ATG软件工程师

在前一篇文章《微软HoloLens技术解谜（上）：如何还原三维场景》中我介绍了自己对于 HoloLens 背后的建模技术的看法，虽然之前在微软的 Xbox 部门工作过，但是和大家一样也是上周才知道 HoloLens 这个好玩的设备。当前微软官方对于 HoloLens 透露出来的信息非常有限，最核心的两个组件深度传感器以及全息屏幕的原理依然充满着迷题。文章发表后，在微软HoloLens技术解谜（上）：如何还原三维场景的留言中读者提出了一些问题。

读者提问之“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http://www.wired.com/2015/01/microsoft-nadella/

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：

(d) 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。