一、写在开始之前

不管是HTC 的Vive还是OC的CV1,都说明VR 定位设备和手柄都会成为未来VR的发展趋势。 
VR目前关键就是体验,全身心的投入,身临其境的感觉。 
不能总玩着玩着,出戏了。这肯定不是VR想要达到的效果,专业词汇那就是“沉浸感”!! 
现在也做了些VR室内定位的东西,不是Vive,也没有CV1。只能成为高信价比的方案。 
没有Vive的华丽上档次,没有CV1的黑科技,但是足够好玩!!

这个只是小结,总结下自己在过程中出现的问题和可能的解决方案!!

二、硬件相关

在VR游戏中,硬件主要有电脑,头盔等。对定位系统来说,还需要定位硬件和接受等等。

1.头盔的陀螺仪偏移的问题: 
头盔的陀螺仪问题,这交给卡马克老兄来处理,能力所限。不过,相对于某朋,还是OC的靠谱。(真不是故意黑,也不是宣传OC,也没有拿人钱)。 
要是OC也飘,咋办?其实还真飘。但是不严重,大部分游戏可以忽略不计的。 
对于头盔漂移的建议:有的说需要重新重启,有说插拔一下。还有说需要找OC刷固件。 
https://forums.oculus.com/community/discussion/2349/help-fix-consistent-right-yaw-in-rift

2.枪的问题: 
添加硬件按键来随时矫正,然后就是尽量的减少上面的各种可能影响磁偏的东东。软件方面的解决方案,正在考虑和测试。 
使用某大厂的陀螺仪,还是同样的问题,原来的味道,真是让我疼啊!!好在有解决方案可以做,那就是强制矫正。

3.电脑问题: 
一个是mini电脑(某星人)批次间或有问题。 
另外,需要的USB供电电流太大,使用电源电压和电流太大,HUB 可能过热,在实际应用中,硬件过热产生数据的中断和连接不正常等问题。 
还有就是电脑的静电问题,USB口常常不稳定,开机需要按下F1,这对于远程桌面调试那就是灾难。 
怎么处理呢?我嘞个去,自己放电还有就是找生产厂家要点靠谱的好的批次,这个基本就是靠运气。 
再有就是引线太多,各种设备繁杂,一是不美观,二是维护人员和客户的教学成本,以及售后都需要很多人力来维护。

4.信标问题: 
再有就是信标的问题。 
信标使用某清的无限定位系统。 
怎么说好呢?应用场景不同。人家追求的应用分辨率不高,实时性也不用太高。所以,选这个,应该纯成本考虑。做成这样,软件各种处理和测试,做了较多的工作。 
要是有好的,不太在意成本的话,可以考虑其他好的,更精确的。 
建议:尽量的每个基站单独供电,防止电压问题,造成不稳定。

三、软件相关

软件方面的问题,如硬件不行,只好软件来填补。

1.算法问题 
各种平滑曲线曲线的多次测试。移动匹配是直接定位还是累加定位? 
直接定位的问题,那就是墙体碰撞和场地固定大小问题。 
累加定位,就是信号不好的时候,它瞎飘的时候的处理。 
设置了各种调试速度来匹配不同场地大小。使用缓动曲线来处理,后期有添加了中值滤波算法,还待测试。

2.枪的校正: 
关于枪的校正,主要工作就是对齐某个坐标。在认为需要校正的地方,提醒或强制玩家校正使用。但是这个漂移问题,还是不靠谱,因它是磁偏累计造成的,或是由于没有做磁偏校正或算法有问题。 
到我这里,只好(暂时)软件来解决问题。

3.调试问题 
每次都需去场地测试,麻烦。用配置来一次调试多个问题。尽可能的通过显示来现场调试。 
配置真的还是要写好,方便也简单。

四、其他

问题总很多,并且还有在路上的。他们前赴后继的,以大无畏精神来等待我们!! 
其它问题还有关卡设计,人与碰撞体碰撞造成偏移,关卡切换,相机与玩家分离,枪与玩家分离等等。

VR室内定位系统小结的更多相关文章

  1. 基于 WiFi ( Wireless Fidelity) 的室内定位技术

    系统的拓扑结构 基于信号强度的定位技术(RSSI, Received Signal Strength Indication) 无线信号的信号强度随着传播距离的增加而衰减,接收方与发送方离得越近, 则接 ...

  2. Slam(即时定位与地图构建) 知识篇

    Slam即时定位与地图构建 技术解释 同步定位与地图构建(SLAM或Simultaneous localization and mapping)是一种概念:希望机器人从未知环境的未知地点出发,在运动过 ...

  3. Indoor Positioning System & Real time location system

    背景 惨痛的背景,正如我前面提到的,参加了公司的一个训练营.刚进来公司的新人,内心充满着对未来的美好憧憬,期待自己能闯出属于自己的天地.更何况,作为一名程序员,无比的希望所有人对自己写得代码或者App ...

  4. 第二届普适计算和信号处理及应用国际会议论文2016年 The 2nd Conference on Pervasive Computing, Signal Processing and Applications(PCSPA, 2016)

    A New Method for Mutual Coupling Correction of Array Output Signal 一种阵列输出信号互耦校正的新方法 Research of Robu ...

  5. NRF52833蓝牙5.1可用于105℃环境温度的Nordic蓝牙5.1 SoC能实现更广泛的并发多协议低功耗蓝牙、mesh和Thread应用

    Nordic Semiconductor宣布推出nRF52833先进多协议系统级芯片(SoC),这是其广受欢迎且验证通过的nRF52系列的第五个新成员.nRF52833是一款功耗超低的低功耗蓝牙 (B ...

  6. 【硬件模块】UWB介绍

    From: https://liudongdong1.github.io/ UWB超宽带定位技术属于无线定位技术的一种.无线定位技术是指用来判定移动用户位置的测量方法和计算方法,即定位算法.目前最常用 ...

  7. 室内定位系列(一)——WiFi位置指纹(译)

    原文:<Advanced Location-Based Technologies and Services>--chapter 2 WiFi Location Fingerprint 作者 ...

  8. 位置指纹(LF)定位技术简介-室内定位

        信号的多径传播对环境具有依赖性,呈现出非常强的特殊性.对于每个位置而言,该位置上信道的多径结构是惟一的,终端发射的无线电渡经过反射和折射,产生与周围环境密切相关的特定模式的多径信号,这样的多径 ...

  9. VR全景项目外包团队— VR/AR相关领域介绍和VR全景案例

    VR/AR相关领域这里我要说的一点就是硬件.诚然,硬件的确很难搞,国内在这方面就是荒漠,所以,如果你有信心,完全可以开拓一片蓝海.注意我是说真正的硬件,那些把Google的纸盒子拿来改改就能融资千万的 ...

随机推荐

  1. 关于Java开发过程中质量提升-1代码格式配置

    在项目开发维护中,编码规范作为开发规范的一个组成部分,是十分重要和必须的,它不仅仅是为了提高开发效率,也有利于降低后期维护开发的成本.编码规范的根本目的就是要让不仅代码可以一目了然,也可以很容易的理解 ...

  2. yum命令与使用

    check          Check for problems in the rpmdbcheck-update   Check for available package updatesclea ...

  3. 设计模式-观察者模式(下)<转>

    观察者模式在Java中有两种实现方式,上文是一种方式,这种方式是自己写代码实现. 另一种方式是使用Java内置的观察者模式来实现.   相关的接口和类如下: java.util.Observable  ...

  4. 一站式学习Wireshark(十):应用Wireshark显示过滤器分析特定数据流(下)

    介绍 掌握显示过滤器对于网络分析者来说是一项必备的技能.这是一项大海捞针的技巧.学会构建,编辑,保存关键的显示过滤器能够节省数小时的时间. 与捕捉过滤器使用的BPF语法不同,显示过滤器使用的是Wire ...

  5. POJ 1523 SPF 割点与桥的推断算法-Tarjan

    题目链接: POJ1523 题意: 问一个连通的网络中有多少个关节点,这些关节点分别能把网络分成几部分 题解: Tarjan 算法模板题 顺序遍历整个图,能够得到一棵生成树: 树边:可理解为在DFS过 ...

  6. php 抽象 继承 多态

    1.继承和重载 !!!php中使用extends单一继承的方法 被继承的类  父类(基类) 继承者   子类(派生类) 如果说我们需要将父类方法重载(方法覆盖),在派生类里使用与基类方法重名的方法名称 ...

  7. ci框架model中的进行增删改的写法

    <?php if ( ! defined('BASEPATH')) exit('No direct script access allowed'); // 商品类别模型class Categor ...

  8. 手动模拟输出json

    每次去写太麻烦,写一个样本,下次对照就好了 context.Response.Write("{\"UserName\":\""+HttpContext ...

  9. CMM已经落伍了,敏捷才是王道

    首先强调一下,敏捷和有没有文档一点关系都没有.我只是对于CMM的那些文档感觉有些浪费. 看看那些文档,看看那些流程.想想那些伟大的软件作品,哪个是用CMM开发出来的? 作为测试工程师,程序员的你在CM ...

  10. Batch Normalization原理及其TensorFlow实现——为了减少深度神经网络中的internal covariate shift,论文中提出了Batch Normalization算法,首先是对”每一层“的输入做一个Batch Normalization 变换

    批标准化(Bactch Normalization,BN)是为了克服神经网络加深导致难以训练而诞生的,随着神经网络深度加深,训练起来就会越来越困难,收敛速度回很慢,常常会导致梯度弥散问题(Vanish ...