NED是玻璃或護目鏡式可穿戴顯示設(shè)備,由微型顯示面板和成像光學(xué)器件組成,,靠近眼睛的微顯示面板發(fā)出的光通過成像光學(xué)器件進行準直,,從而在眼睛可以舒適聚焦的遠距離處形成虛像。 作為貼近眼睛的可穿戴設(shè)備,,NED 還需要具有宜佩戴,、重量輕、寬視場和較大眼動范圍的特點,。在 NED 顯示中,,虛擬圖像與真實對象的光學(xué)匹配對于其所成的像和用戶之間的自然交互非常重要,目前 NED 已經(jīng)開發(fā)了各種光學(xué)器件來實現(xiàn) AR/VR NED 滿足這些要求,。 然而,,在一般情況下,用于 NED 的大塊透鏡和反射鏡光學(xué)器件不滿足目前對 NED 所提出的重量和形狀的要求,,難以實現(xiàn)可穿戴和美觀兼?zhèn)?。并?NED 每個微顯示面板的簡單二維(2D)圖像將虛像平面固定在一個特定距離上,從而阻礙了虛像與真實場景的精確光學(xué)匹配,,導(dǎo)致目前 NED 的穿戴觀看體驗不舒適,。 近年來,全息技術(shù)在 AR/VR NED 中的應(yīng)用引起了廣泛關(guān)注,,未解決上述問題提供了有效的解決方案,。 鑒于此, 韓國仁荷大學(xué) Jae-Hyeung Park 與韓國首爾大學(xué) Byoungho Lee 聯(lián)合,,在 Light: Advanced Manufacturing 上發(fā)表了“Holographic techniques for augmented reality and virtual reality near-eye displays”,,介紹了應(yīng)用于 AR / VR NED 的全息技術(shù),,并解釋了 NED 的基本原理和全息 NED 的特點。 研究人員主要說明了目前的兩種重要全息設(shè)備對 NED 的技術(shù)支撐,,分別為靜態(tài)全息光學(xué)元件和動態(tài)全息顯示設(shè)備,。還討論了當前的問題和最新進展,從而全面回顧了全息技術(shù)在 AR / VR NED應(yīng)用中的研究前景,。 作為靜態(tài)光學(xué)元件(holographic optical element,簡稱:HOE),,全息設(shè)備可以替代傳統(tǒng) NED 。全息設(shè)備的最大特點就是薄而輕,,它所呈現(xiàn)的薄膜狀有助于顯著降低 NED 的整體系統(tǒng)外形尺寸,。同時,全息元件的多視角和波長選擇性讓不同功率的光做到空間上的光重疊,,使單一元件具有多重光學(xué)功能并實現(xiàn)了光學(xué)透視能力,。圖2:靜態(tài)全息元件在NED中的應(yīng)用 作為動態(tài)全息設(shè)備(dynamic holographic display devices),可以替代傳統(tǒng) NED 的 2D 微顯示面板,。作為一種動態(tài)器件,,全息顯示模塊可以向用戶的每只眼睛呈現(xiàn)全息三維(3D)圖像。AR / VR NED的微型顯示面板可以在面板表面再現(xiàn)空間幅度分布,,從而呈現(xiàn) 2D 圖像,,而全息顯示可以通過空間光調(diào)制器 (SLM) 調(diào)制光的幅度或相位來重建所需 3D 圖像的波前信息,。它所提供的全單眼對焦線索在提供圖像與真實物體的精確光學(xué)匹配,,同時滿足舒適觀看的體驗,并且不會出現(xiàn)聚散調(diào)節(jié)沖突 ,。另外,,全息顯示的波前重建能力可用于補償 NED 光學(xué)器件的像差,從而減少 NED 中所需的光學(xué)元件數(shù)量,。另外,,它還可以補償眼睛像差,使視力校正顯示能夠呈現(xiàn)清晰的圖像,,無需額外的視力校正鏡片,。 全息 NED 的優(yōu)勢使它們對 AR/VR 應(yīng)用具有吸引力,對此,,作者介紹了全息 NED 技術(shù)的最新進展,。
散斑是一種顆粒狀的隨機空間強度波動,,在全息顯示中,,眼睛分辨率點內(nèi)的復(fù)雜場會產(chǎn)生干擾,從而導(dǎo)致散斑噪聲,,從而降低圖像質(zhì)量,。可以使用隨機散斑圖案的時間平均技術(shù),,在每個子幀中生成具有不同隨機相位的相同 3D 圖像,,從而創(chuàng)建不相關(guān)的散斑圖案。這些散斑圖案通過時間多路復(fù)用來平均,,從而降低感知的散斑對比度,。
基于神經(jīng)網(wǎng)絡(luò)的實時真實感全息顯示
使用隨機場景生成器訓(xùn)練神經(jīng)網(wǎng)絡(luò),生成大型訓(xùn)練數(shù)據(jù)集,,從而有助于提高圖像質(zhì)量,。這項技術(shù)應(yīng)用復(fù)雜的訓(xùn)練策略,包括在合成隨機場景中設(shè)計的深度分布,、具有遮擋能力的全息圖合成算法,,以及測量重建 3D 圖像體積和中間全息圖平面質(zhì)量的損失函數(shù),通過以上技術(shù)可實現(xiàn)高圖像質(zhì)量重建,。
論文信息
Park et al. Light: Advanced Manufacturing (2022)3:9https://doi.org/10.37188/lam.2022.009