如果說HTC Vive、索尼PSVR這樣的產品給我們打開了邁入虛擬世界的一扇門的話，那么它們裝配的控制手柄則是我們與這個虛擬世界進行交互的雙手。但拿著手柄與世界的交互終究會破壞這種置身于另一個世界的沉浸感，無時無刻不在提醒著我們這是一個虛擬世界。為了解決這個問題，一些公司將廣泛應用在影視行業(yè)里的動作捕捉技術帶到來VR領域，讓用戶能夠扔掉手柄，通過真實的觸摸、抓起、走動以及各種動作來與虛擬世界進行交互。

　　這種統(tǒng)稱為“動作捕捉”的交互技術成為VR產品體驗提升、產品大量普及極為關鍵的一環(huán)，無論是PC主機類VR設備，還是被認為有更大市場空間的移動VR市場，比如VR一體機或配合手機用的VR盒子，這類產品正是因為缺少低成本易用的交互技術方案，讓現(xiàn)在移動VR的交互體驗還顯得那么糟糕；現(xiàn)在已經有一批創(chuàng)業(yè)公司在進行這方面的創(chuàng)業(yè)探索，而且現(xiàn)在競爭已經非常白熱化，可以說，誰先走在前列，誰就能占領下一波VR發(fā)展的高地。

　　與大多數(shù)VR創(chuàng)業(yè)者集中在頭顯、游戲以及全景視頻領域不同，針對VR的動作捕捉細分領域并不那么擁擠，但競爭同樣激烈，今天就全面解讀一下目前動作捕捉技術應用于VR領域的兩大技術路徑、其中的主要創(chuàng)業(yè)公司玩家以及其發(fā)展前景和面臨的困境，為你描繪出一副全面明了的VR動捕創(chuàng)業(yè)江湖圖景。

　　動作捕捉：實現(xiàn)全沉浸的第一步

　　大家都知道目前的VR設備只能夠做到部分沉浸，即當你戴上VR頭顯之后能夠感覺自己進入到了一個新的虛擬世界，但是在這個世界里的你卻僅剩下了一雙手以及半個胳膊，在你低頭往下看的時候是看不到自己身體的。此外，雖然HTC Vive類的設備也會給你提供一個控制手柄來讓你與虛擬世界進行一定的交互，但是當你把攥著Vive手柄的雙手伸向一個物體的時候，卻發(fā)現(xiàn)還需要按下側鍵才能將其“拿”起來，這與真實世界里面的拿的概念可大不相同。上述兩點正是目前VR設備無法實現(xiàn)更高沉浸感的原因。

　　而體感交互技術則可以解決這兩個問題。當有了體感交互技術之后，我們的整個身體都能夠被映射到虛擬世界之中，現(xiàn)實中的你做出什么樣的動作，虛擬世界中的你也會做出同樣的動作。而在與虛擬世界的交互方面，我們也不再依賴于Vive控制器或是其他的手柄，只需要跟現(xiàn)實一樣即可，例如伸出手拿起一個虛擬物品，亦或是用腳去踹開一個準備把你吃掉的虛擬僵尸。而這則正是一種更高級別的沉浸體驗。

　　VR動作捕捉的兩種主流技術路徑：光學方案與慣性方案

　　而想要在VR交互中實現(xiàn)體感交互的體驗，我們需要解決一個關鍵問題——人體動作捕捉。動作捕捉技術在電影中的應用由來已久，像是《加勒比海盜》《生化危機》等好萊塢大片中的科幻人物，其外表都是由電腦特效合成而來，而這些科幻人物在熒幕上的一舉一動則完全來自于真實演員的動作。

　　動作捕捉技術的本質其就是把現(xiàn)實中人物的動作復制到虛擬人物身上。目前，存在著兩種主流動作捕捉方案：

　　一、通過攝像機進行的動作捕捉技術，因為攝像機運用的是光學技術，所以攝像機動作捕捉方案也被稱為光學動捕方案。

　　二、IMU（InerTIal measurement unit）慣性傳感器單元進行的動作捕捉，通常被稱為慣性動捕方案。

　　不管是光學動捕方案還是慣性動捕方案，其核心原理都是對人體關鍵運動部位動作的測量。光學方案是通過計算機視覺技術來分析攝像機抓取的人體關鍵運動部位的動作，而慣性方案則直接通過IMU慣性傳感器單元對人體關鍵運動部位的動作進行測量。

　　由于光學動捕方案容易被物體遮擋或是受到光照條件的影響，所以應用在影視領域的光學動捕系統(tǒng)一般都會在一個偌大的攝影棚里架設上一圈高性能攝像機，并讓動作演員穿上擁有許多光標點的動作捕捉服才能工作。正式由于對場地的要求以及需要大量的高性能攝像機，這類方案的整體價格非常之高，往往都在數(shù)百萬元之間，所以基本也只有財大氣粗的電影劇組有錢使用。

　　而慣性動捕技術的核心部件IMU慣性單元其實就是整合了陀螺儀、加速計以及磁力計的傳感器模塊，其一個模塊的價格甚至可以低至十幾塊錢，并且比光學動捕方案擁有更高的幀速率也不受場地與光照條件的限制，但是慣性動捕方案也有一個弊端，就是通過各種傳感器的數(shù)據(jù)測算出的動作數(shù)據(jù)會有一些誤差，而隨著使用時間增長，這些誤差也會被持續(xù)放大，而影視級光學方案則不存在這個問題。

　　雖然影視級的動捕方案擁有絕佳的精準與效果，但是其諸多的環(huán)境要求以及高昂的售價就決定了其難以在普通消費者市場進行推廣。而微軟在2010年則為其Xbox游戲機推出了一款名為Kinect的體感攝像頭，允許站在其前面的玩家通過簡單動作進行游戲。這種攝像頭能夠感知畫面的深度（距離）信息，并且一般擁有兩個或以上的攝像頭，因此一般被稱為深度攝像頭或者雙目攝像頭。深度攝像頭能夠識別環(huán)境的距離信息，再通過相應的算法就能夠識別出人類的簡單動作或者是手勢。

　　在微軟將這一技術推向消費市場之后，深度攝像頭這類低水平光學動捕技術逐漸推廣開來，幾乎所有手勢識別、動作識別或是體感交互的技術都是基于這種原理，本文所有提及的所有應用于VR領域的光學動捕技術也都是指基于深度攝像頭的光學動捕技術而應用與影視領域的專業(yè)光學動捕。