AR中的人工智能

往年3月，上海市经济和消息化委员会公示了2018年***批本市人工智能翻新开展专项拟允许名目，一共有19家翻新企业入围，其中就有国际AR代表性企业亮风台。此专项由经信委与市财政局联结展开，拟允许金额超越1亿。这不是AR企业***次被划归到人工智能，但这种归类方式也并不经常出现。AR/VR常作为孪生兄弟被等量齐观，被普遍以为为运行层新技术或许说是“智能可穿戴设施”，相比人工智能相对的“算法”标签，显得不够有深度有外延矮小上，那AR和人工智能之间究竟是什么相关？AR属不属于当下咱们认知中的人工智能？

先来便捷梳理下ＡＲ的外围技术

AR（Augmented Reality），是在事实环球中叠加虚构消息，也即给事实做“增强”，这种增强可以是来自视觉、听觉乃至触觉，关键的目的均是在感官上让事实的环球和虚构的环球融合在一同。

其中，对事实环球的认知关键体如今视觉上，这须要经过摄像机来协助失掉消息，以图像和视频的方式反应。经过视频剖析，成功对三维环球环境的感知了解，比如场景的3D结构，外面有什么物体，在空间中的什么中央。而3D交互了解的目的是告知系统要“增强”的内容。

图.典型AR流程

这其中有几个关键点 ：

首先是3D环境了解。要了解看到的物品，关键依托物体/场景的识别和定位技术。识别关键是用来触发AR照应，而定位则是知道在什么中央叠加AR内容。定位依据精度的不同也可以分为粗定位和细定位，粗定位就是给出一个大抵的方位，比如区域和趋向。而细定位或许须要准确到点，比如3D坐标系下的XYZ坐标、物体的角度。依据运行环境的不同，两种维度的定位在AR中都有运行需求。在AR畛域，经常出现的检测和识别义务有人脸检测、行人检测、车辆检测、手势识别、动物识别、情感识别、人造场景识别等。

在感知事实3D环球并和虚构内容融合后，须要以必定方式将这种真假融合消息出现进去，这外面须要的就是AR中的第二个关键技术：显示技术， 目前大少数的AR系统驳回透视式头盔显示器，这其中又分为视频透视和光学透视，其余的代表有光场技术（关键因Magic Leap而显名）、全息投影（在科幻影视剧作品中常出现）等。

AR中的第三个关键技术在于人机交互，用以让人和叠加后的虚构消息互动，AR谋求在触摸按键之外人造的人机交互方式，比如语音、手势、姿态、人脸等，用的比拟多的语音跟手势。

人工智能和AR的技术关联

在人工智能畛域有几个概念常被提及，如深度学习（DL）、机器学习（ML），在学术畛域包含人工智能（AI）在内几大畛域均有自己的钻研界限，而在普遍意义上，咱们常说的是泛意的人工智能，涵括一切“让机器像人一样”的技术的运行方向。

从这张图也可以便捷一窥三者的相关，深度学习是成功机器学习的一种技术方式，而机器学习是为了让机器变得智能，去到达人工智能。可以说人工智能是最终指标，而机器学习是为了成功这个指标加长出的一个技术方向。在这其中，还有另一个关键概念为计算机视觉（CV），关键来钻研如何让机器像人去“看”，是目先人工智能概念中的一个关键分支，这也是由于人类失掉消息最关键的方式之一就是视觉，目前计算机视觉曾经在商业市场施展价值，比如人脸识别；智能驾驶中读取交通讯号和留意行人以导航；工业机器人用来检测疑问控制环节；三维环境的重建图像的处置等等。这些概念既有辨别也有必定范围的堆叠。

其中，２００６年开局，Hinton引发的深度学习热潮开局蔓延，在必定水平上带动了AI的又一次性崛起，十年中，在包含语音识别、计算机视觉、人造言语处置在内的多个畛域取得严重打破，并向运行畛域加长，正开展的热火朝天。

在ＡＲ的外围技术中，3D环境了解、3D交互了解和计算机视觉、深度学习都有着严密的咨询。 3D环境了解在学术界里关键对应的是计算机视觉畛域，而近年来深度学习在计算机视觉中失掉宽泛运行。交互方面，更趋人造的交互方式如手势和语音在配件终端的经常使用，得益于近几年深度学习在相关畛域的打破。也可以说，深度学习在ＡＲ中运行关键在视觉关键技术。

目前，ＡＲ最经常出现的方式的 ２Ｄ图片扫描识别 ，如腾讯QQ-AR火炬优惠、支付宝五福等少数AR营销中所见，用手机扫描识别图出现叠加的内容，但关键的研发方向还在 3D物体识别和3D场景建模。

事实的物体是以3D外形存在的，有不同的角度和空间方位。所以一团体造的扩展就是从2D图片识别到3D物体识别，识别物体的类别和姿态，深度学习可以用在这里。以水果辨以为例，识别不同类别的水果，并且给出定位区域，即集成了物体识别与检测的配置。

3D场景建模 ，从识别3D物体扩展到更大更复杂的3D区域。比如识别场景外面有哪些物品、它们的空间位置和相互相关等等，这就是3D场景建模，是AR比拟外围的技术。这其中触及目前抢手的SLAM（实时定位与地图构建）。经过扫描某个场景，而后在下面叠加虚构战场等三维虚构内容。假设只是基于个别2D图像识别就须要有特定的图片，而在图片无法见时会识别失败。而在SLAM技术外面，即使特定平面不存在，然而空间定位依然十分准确，就是由于有周围3D环境的协助。

这里想讨论下深度学习和SLAM技术的融合 ，计算机视觉大体上可以分两个流派，一种基于学习的思绪，例如特色提取-特色剖析-分类，目前深度学习技术在这一路途上取得了主导性的位置。另外一种路途是基于几何的视觉，从线条、边缘、3D外形推出物体的空间结构消息，代表性的技术就是SFM/SLAM。基于学习的方向上深度学习基本上一统天下，然而在基于几何视觉的畛域，目前相关的停顿还很少。从学术界而言，深度学习技术的钻研停顿可以说突飞猛进，而SLAM技术***十年的停顿相对较少。在国际视觉***会议ICCV 2年度组织的SLAM技术专题讨论会上，基于近年深度学习在视觉其它畛域的极速开展，有与会专家曾提出SLAM中驳回深度学习的或许性，然而目前还没有成熟的思绪。总体而言，短期内将深度学习和SLAM融合是一个值得钻研的方向，久远来看联结语义和几何消息是一个十分有价值的趋向。因此，SLAM+DL值得等候。

在交互方式，关键的包含语音识别和手势识别，语音识别在目前曾经取得了较大停顿，国际如百度、科大讯飞、云知声等都是其中的佼佼者，AR公司更想打破的是手势识别的成熟商业化，比如亮风台展现过的一款基于深度学习的手势识别系统，关键定义了高低左右、顺时针、逆时针六种手势，首先成功人手的检测和定位，而后经过识别相应的手势轨迹来成功对人手势的识别。而人脸识别等其他人工智能抢手畛域在AR中也有经常使用，但不是AR公司关键的研发方向。

以上不美观出，AR的底层技术或许说基础局部是计算机视觉以及关联畛域的融合，而当下抢手的深度学习和AR的结合，也是算法工程师们的致力方向。这也是AR为计算机视觉与人机交互的交叉学科，AR的基础是人工智能和计算机视觉等说法的依据。

图：计算机视觉与AR流程关联

在去年今天头条颁布的《人工智能影响力报告》中也便捷统计了人工智能迷信家的散布状况，这其中包含人脸识别、语音识别、机器人、AR、芯片等畛域的公司与大型研发机构，上流研发人员的散布也说明了AI畛域的细分方向。

那AR终究是不是人工智能？

对AR从业者来说，理想的形态是用更智能的AR终端去取代智能手机，所以关于用户来说接触经常使用AR首先受影响的是内容，其次是终端，AR产业链假设粗犷划分包含技术提供商、智能终端研发公司，以及AR内容提供商。在这其中，AR设施提供商无法防止关注配件技术，如底层的芯片、电池、光学镜片等，以及配件自身的性能优化，而内容提供商更偏差于在现有技术基础上优化内容及体现。所以咱们可以说AR技术提供商，或许说在底层算法研发上有必定效果的AR公司是人工智能公司。

对公司来说，特意是创企会把底层技术转化为成熟的产品或服务，这或许是如无人机、AR智能终端、机器人等，也或许是行业处置方案，以到达商业目的，并且这曾经成为在沸腾声响之后，媒体、企业以及群众对AI企业的等候和要求。近期，人工智能产业开展联盟（AIIA）出版的图书《人工智能浪潮：科技扭转生存的100个前沿AI运行》将对外颁布，以及涵括了目前巨头公司以及创企在商业化上的前沿效果，也间接反映了AI目前的关键商业化方向。

作为技术驱动的商业畛域，无论是AR还是人工智能的其余少数方向，技术距离齐全成熟还有很长的途程要走，在整个产业链逐渐兴盛，关注商业化成功的同时，也须要有更多公司机构去始终拓展技术边界，建设外围竞争力，让行业迸发更大的价值与后劲，如此，AI时代中国弯道超车当可期。