[发明专利]在虚拟环境中使用高精度传感器数据来训练低精度传感器数据以进行对象定位的双精度传感器系统

说明书

提供了一种用于改善传感器精度的系统和方法。在训练阶段中，相对低精度传感器系统和相对高精度传感器系统可以分别记录基本上相同的训练场景的相对低精度训练运动信号和相对高精度训练运动信号。可以执行机器学习以生成将来自相对低精度训练运动信号的信息映射到相对高精度训练运动信号的变换。在运行时阶段中，精度显著地低于相对高精度传感器系统的精度的运行时传感器系统可以记录运行时场景的运行时运动信号。可以使用所述变换来对运行时运动信号进行变换以生成精度显著地高于运行时传感器系统的精度的变换运行时运动信号。

技术领域

本发明的实施例总体上涉及运动检测传感器系统以及改善低精度运动检测传感器系统的准确度的领域。更具体地，本发明的实施例涉及在虚拟环境(诸如增强现实(AR)、虚拟现实(VR)或混合现实(MR)系统)中使用运动检测传感器来检测人(例如，头部)运动。

背景技术

在虚拟环境中使用的现代头戴式显示器(HMD)(诸如AR、VR和MR头戴式设备)常常采用传感器来估计头部位置和定向，例如，在六个自由度(6DOF)上。HMD通常将虚拟对象(诸如增强现实(AR)全息图)与物理世界对准并且根据用户估计的头部移动按一位置和定向而渲染虚拟对象。

为了实现高准确度，当前的定位和定向系统需要诸如惯性测量单元(IMU)的传感器或具有高精度水平的基于相机的跟踪系统，这些传感器或跟踪系统与其低精度对应物相比通常是较慢的(例如，执行更复杂且费时的计算)，消耗更多的功率，尺寸更大，并且更昂贵。

因此，在本领域中需要以高准确度水平为位置检测提供更快且更划算的解决方案。

发明内容

为了克服前述问题，提供了一种用于增加对象定位系统的精度水平的方法和系统。

依照本发明的实施例，提供了一种用于改善传感器精度的系统和方法。在训练阶段中，双精度传感器系统可以通过相对低精度传感器系统和相对高精度传感器系统来分别记录基本上相同的训练场景的运动信号以生成相对低精度训练运动信号和相对高精度训练运动信号。可以执行机器学习以生成将来自所述相对低精度训练运动信号的信息映射到来自所述相对高精度训练运动信号的信息的变换。在运行时阶段中，运行时传感器系统可以通过精度显著地低于所述相对高精度传感器系统的精度的运行时传感器系统来记录运行时场景的运动信号以生成运行时运动信号。所述运行时传感器系统可以使用所述变换来对所述运行时运动信号进行变换以生成精度显著地高于所述运行时传感器系统的精度(例如，近似地等于或约为所述相对高精度训练运动信号的精度)的变换运行时运动信号。

依照本发明的实施例，提供了一种双精度传感器系统，所述双精度传感器系统包括：相对低精度传感器系统；相对高精度传感器系统；以及一个或更多个处理器，所述一个或更多个处理器被配置为训练精度改善变换。在训练阶段中，所述相对低精度传感器系统和所述相对高精度传感器系统可以被配置为分别记录基本上相同的目标对象的运动信号以生成相对低精度训练运动信号和相对高精度训练运动信号。一个或更多个处理器可以被配置为执行机器学习以生成将来自所述相对低精度训练运动信号的信息映射到来自所述相对高精度训练运动信号的信息的变换。当所述变换被应用于通过精度显著地低于所述相对高精度传感器系统的精度的运行时传感器系统所记录的运行时运动信号时，可以产生精度显著地高于所述运行时传感器系统的精度(例如，近似地等于或约为所述相对高精度训练运动信号的精度)的变换运行时运动信号。

依照本发明的实施例，提供了一种运行时传感器系统，所述运行时传感器系统包括：一个或更多个存储器单元，所述一个或更多个存储器单元被配置为存储将来自通过相对低精度传感器系统所记录的相对低精度训练运动信号的信息映射到来自通过相对高精度传感器系统所记录的相对高精度训练运动信号的信息的变换。所述运行时传感器系统可以被配置为记录运行时运动信号，其中，所述运行时传感器系统的精度显著地低于所述相对高精度传感器的精度。所述运行时传感器系统可以包括一个或更多个处理器，所述一个或更多个处理器被配置为使用所存储的变换来对所述运行时运动信号进行变换以生成精度高于所述运行时传感器的精度的变换运行时运动信号。

附图说明