谷歌专利提出基于惯性声学传感器的VR手势识别方案
更高效、更准确、更低功耗地检测用户的滑动手势
（映维网Nweon 2025年12月30日）对于近眼显示系统，手势交互正成为日益普及的方式。然而，现有基于摄像头或触控的手势识别技术普遍存在对环境影响（如光线、遮挡）敏感、计算耗电量大、用户需记忆特定手势导致学习曲线陡峭，以及误触率高、可靠性不足等问题。所以，谷歌在一份专利申请中提出，通过一种结合惯性传感器（如加速度计）和声学传感器（如麦克风）数据，并利用机器学习模型进行实时分析来更高效、更准确、更低功耗地检测用户的滑动手势，从而提升交互的自然性、可靠性和用户体验。
在一个实施例中，近眼显示系统包括检测组件，组件实现一个或多个传感器，传感器将物理现象（例如声波、加速力、振动等）转换为电信号。当用户与近眼显示系统交互时，传感器检测物理现象。例如，当用户在框架的一部分（例如镜腿）滑动手指时，传感器检测到由此交互产生的声波、加速力、振动、其组合或其他物理现象，并将物理现象转换为电信号。
检测组件处理电信号（或其表示）以检测用户是否在近眼显示系统上执行了滑动手势。检测组件配置为检测多种不同类型的滑动手势，例如完全向后滑动、完全向前滑动、完全向上滑动、完全向下滑动、半向后滑动、半向前滑动、半向上滑动和半向下滑动。
检测组件同时配置为基于手势的一个或多个特征（例如方向性、持续时间、触控区域大小等）将滑动手势与其他设备手势（例如轻击、双击等）区分开来。当用户执行滑动手势时，所述动作包含方向性方面，例如向左、向右、向上或向下。相反，当用户执行轻击手势时，所述动作缺乏方向性成分，因为轻击手势不涉及在特定方向上的移动。另外，滑动手势的持续时间通常比轻击手势更长。而且，滑动手势的触控区域大小通常大于轻击手势的触控区域大小。检测组件识别手势特征的这些差异，以确定用户与近眼显示系统的交互何时是滑动手势而不是另一种类型的设备上手势。
......（全文 5486 字，剩余 4781 字）
请微信扫码通过小程序阅读完整文章或者登入网站阅读完整文章
映维网会员可直接登入网站阅读
PICO员工可联系映维网免费获取权限
