微软新HoloLens专利可用深度学习减少ToF功耗，延长系统续航
减少功耗，从而延长MR系统的续航时间
（映维网 2021年01月13日）为了捕捉复杂的3D几何图形，MR系统依赖于深度估计系统生成的深度信息。利用深度信息，MR系统可以确定设备和特定对象之间的相对距离，同时能够识别对象的特定轮廓、边面和形状。行业存在不同类型的深度估计系统，如飞行时间系统、点对点激光扫描和干涉测量等。
由于受环境影响小，测量帧率高，算法开发难度低等特性，飞行时间正日益受到厂商的关注。但这项技术的一个缺点是，为了计算单个深度映射或曲面网格，系统需要捕获大量的红外图像。图像越多，功耗就会大幅增加，从而缩短MR系统的续航。
为了提升MR系统的续航，同时为了利用高质量的深度信息来继续提供高质量MR体验，微软工程团队一直在探索不同的解决方案。日前，美国专利商标局公布了一份名为“Machine-learned depth dealiasing”的微软专利申请。
这份专利主要描述了一种优化深度估计操作的技术，方式是对红外相位深度图像的深度ambiguity进行dealiasing。微软指出，发明所述的技术可用于需要深度信息的任何场景，包括但不限于混合现实和自动驾驶。
在实现方面，可以致使照明器向目标对象发射参考光；作为响应，检测反射光，其中反射光包括从目标对象反射的一部分参考光；然后生成相位图像；产生相位图像的过程基于参考光和反射光之间的相位差。
其中，相位差表示参考光和反射光的重叠正弦周期内的深度变化。另外，相位图像包括ambiguity，这是因为即便实际对应于不同的真实世界深度，由相位图像表示的多个不同深度都共享相同的相位差/偏移值。
......（全文 1023 字，剩余 453 字）
