先来大略梳理下AR的核心技能

AR（Augmented Reality），是在现实天下中叠加虚拟信息，也即给现实做“增强”，这种增强可以是来自视觉、听觉乃至触觉，紧张的目的均是在感官上让现实的天下和虚拟的天下领悟在一起。

个中，对现实天下的认知紧张表示在视觉上，这须要通过摄像机来帮助获取信息，以图像和***的形式反馈。
通过***剖析，实现对三维天下环境的感知理解，比如场景的3D构造，里面有什么物体，在空间中的什么地方。
而3D交互理解的目的是奉告系统要“增强”的内容。

图.范例AR流程

这个中有几个关键点：

首先是3D环境理解。
要理解看到的东西，紧张依赖物体/场景的识别和定位技能。
识别紧张是用来触发AR相应，而定位则是知道在什么地方叠加AR内容。
定位根据精度的不同也可以分为粗定位和细定位，粗定位便是给出一个大致的方位，比如区域和趋势。
而细定位可能须要精确到点，比如3D坐标系下的XYZ坐标、物体的角度。
根据运用环境的不同，两种维度的定位在AR中都有运用需求。
在AR领域，常见的检测和识别任务有人脸检测、行人检测、车辆检测、手势识别、生物识别、情绪识别、自然场景识别等。

在感知现实3D天下并和虚拟内容领悟后，须要以一定办法将这种虚实领悟信息呈现出来，这里面须要的便是AR中的第二个关键技能：显示技能， 目前大多数的AR系统采取透视式头盔显示器，这个中又分为***透视和光学透视，其他的代表有光场技能（紧张因Magic Leap而显名）、全息投影（在科幻影视剧作品中常涌现）等。

AR中的第三个关键技能在于人机交互，用以让人和叠加后的虚拟信息互动，AR追求在触摸按键之外自然的人机交互办法，比如语音、手势、姿态、人脸等，用的比较多的语音跟手势。

人工智能和AR的技能关联

在人工智能领域有几个观点常被提及，如深度学习（DL）、机器学习（ML），在学术领域包括人工智能（AI）在内几大领域均有自己的研究界线，而在普遍意义上，我们常说的是泛意的人工智能，涵括所有“让机器像人一样”的技能的运用方向。

从这张图也可以大略一窥三者的关系，深度学习是实现机器学习的一种技能办法，而机器学习是为了让机器变得智能，去达到人工智能。
可以说人工智能是终极目标，而机器学习是为了实现这个目标延伸出的一个技能方向。
在这个中，还有另一个主要观点为打算机视觉（CV），紧张来研究如何让机器像人去“看”，是目前人工智能观点中的一个主要分支，这也是由于人类获取信息最紧张的办法之一便是视觉，目前打算机视觉已经在商业市场发挥代价，比如人脸识别；自动驾驶中读取交通信号和把稳行人以导航；工业机器人用来检测问题掌握过程；三维环境的重修图像的处理等等。
这些观点既有区分也有一定范围的重叠。

个中，２００６年开始，Hinton引发的深度学习热潮开始蔓延，在一定程度上带动了AI的又一次崛起，十年中，在包括语音识别、打算机视觉、自然措辞处理在内的多个领域取得重大打破，并向运用领域延伸，正发展的风起云涌。

在AR的核心技能中，3D环境理解、3D交互理解和打算机视觉、深度学习都有着紧密的联系。
3D环境理解在学术界里紧张对应的是打算机视觉领域，而近年来深度学习在打算机视觉中得到广泛运用。
交互方面，更趋自然的交互办法如手势和语音在硬件终真个利用，得益于近几年深度学习在干系领域的打破。
也可以说，深度学习在ＡＲ中运用紧张在视觉关键技能。

目前，AR最常见的形式的2D图片扫描识别，如腾讯***-AR火炬活动、支付宝五福等多数AR营销中所见，用手机扫描识别图涌现叠加的内容，但紧张的研发方向还在3D物体识别和3D场景建模。

现实的物体因此3D形态存在的，有不同的角度和空间方位。
以是一个自然的扩展便是从2D图片识别到3D物体识别，识别物体的种别和姿态，深度学习可以用在这里。
以水果识别为例，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功能。

3D场景建模，从识别3D物体扩大到更大更繁芜的3D区域。
比如识别场景里面有哪些东西、它们的空间位置和相互关系等等，这便是3D场景建模，是AR比较核心的技能。
这个中涉及目前热门的SLAM（实时定位与舆图构建）。
通过扫描某个场景，然后在上面叠加虚拟沙场等三维虚拟内容。
如果只是基于普通2D图像识别就须要有特定的图片，而在图片不可见时会识别失落败。
而在SLAM技能里面，纵然特定平面不存在，但是空间定位依然非常精确，便是由于有周围3D环境的帮助。

这里想磋商下深度学习和SLAM技能的领悟，打算机视觉大体上可以分两个流派，一种基于学习的思路，例如特色提取-特色剖析-分类，目前深度学习技能在这一起线上取得了主导性的地位。
其余一种路线是基于几何的视觉，从线条、边缘、3D形状推出物体的空间构造信息，代表性的技能便是SFM/SLAM。
基于学习的方向上深度学习基本上一统天下，但是在基于几何视觉的领域，目前干系的进展还很少。
从学术界而言，深度学习技能的研究进展可以说日月牙异，而SLAM技能最新十年的进展相对较少。
在国际视觉顶级会议ICCV 2015年度组织的SLAM技能专题谈论会上，基于近年深度学习在视觉其它领域的快速发展，有与会专家曾提出SLAM中采取深度学习的可能性，但是目前还没有成熟的思路。
总体而言，短期内将深度学习和SLAM领悟是一个值得研究的方向，长远来看联合语义和几何信息是一个非常有代价的趋势。
因此，SLAM+DL值得期待。

在交互办法，紧张的包括语音识别和手势识别，语音识别在目前已经取得了较大进展，海内如百度、科大讯飞、云知声等都是个中的佼佼者，AR公司更想打破的是手势识别的成熟商业化，比如亮风台展示过的一款基于深度学习的手势识别系统，紧张定义了高下旁边、顺时针、逆时针六种手势，首先实现人手的检测和定位，然后通过识别相应的手势轨迹来实现对人手势的识别。
而人脸识别等其他人工智能热门领域在AR中也有利用，但不是AR公司主要的研发方向。

以上不丢脸出，AR的底层技能或者说根本部分是打算机视觉以及关联领域的领悟，而当下热门的深度学习和AR的结合，也是算法工程师们的努力方向。
这也是AR为打算机视觉与人机交互的交叉学科，AR的根本是人工智能和打算机视觉等说法的依据。

图：打算机视觉与AR流程关联

在去年今日发布的《人工智能影响力报告》中也大略统计了人工智能科学家的分布情形，这个中包括人脸识别、语音识别、机器人、AR、芯片等领域的公司与大型研发机构，高端研发职员的分布也解释了AI领域的细分方向。

那AR究竟是不是人工智能？

对AR从业者来说，空想的状态是用更智能的AR终端去取代智好手机，以是对付用户来说打仗利用AR首先受影响的是内容，其次是终端，AR家当链如果粗暴划分包括技能供应商、智能终端研发公司，以及AR内容供应商。
在这个中，AR设备供应商不可避免关注硬件技能，如底层的芯片、电池、光学镜片等，以及硬件本身的性能优化，而内容供应商更方向于在现有技能根本上优化内容及表现。
以是我们可以说AR技能供应商，或者说在底层算法研发上有一定成绩的AR公司是人工智能公司。

对公司来说，特殊是创企会把底层技能转化为成熟的产品或做事，这可能是如无人机、AR智能终端、机器人等，也可能是行业办理方案，以达到商业目的，并且这已经成为在沸腾声音之后，媒体、企业以及大众对AI企业的期待和哀求。
近期，人工智能家当发展同盟（AIIA）出版的图书《人工智能浪潮：科技改变生活的100个前沿AI运用》将对外发布，以及涵括了目前巨子公司以及创企在商业化上的前沿成果，也直接反响了AI目前的紧张商业化方向。

作为技能驱动的商业领域，无论是AR还是人工智能的其他多数方向，技能间隔完备成熟还有很长的路程要走，在全体家当链逐渐繁荣，关注商业化实现的同时，也须要有更多公司机构去不断拓展技能边界，建立核心竞争力，让行业爆发更大的代价与潜力，如此，AI时期中国弯道超车当可期。