在上世紀70年代，工業(yè)界開始運用3D視覺技術測量和掃描物件，提高生產效率。最近10多年，家用游戲機廠商將3D體感外設帶入大眾視野，帶來了新奇的體感游戲。近三年，越來越多的智能手機開始配備3D傳感器，并在AI的加持下，開拓出了更多更具想象空間的應用場景。未來10年，AI+3D將無處不在，給我們的生活和工作帶來深遠影響。

　　賦予機器感知三維世界的“眼睛”

　　人類擁有與生俱來的3D環(huán)境感知和理解能力，這是因為我們用兩只眼睛來捕捉圖像，通過大腦處理形成立體視覺，從而辨認物體的形狀方位、他人的動作，輕松自然地跟這個三維世界交互。

　　能否讓機器也能感知三維世界呢?或許很多人會想到給機器添加一顆攝像頭。但普通RGB攝像頭拍攝的現實世界的影像，僅能采集場景中的色彩信息，無法采集物體和攝像頭之間的距離和方位。也就是說，無論場景中的三維結構有多么豐富，對機器來說都是一個平面，一個二維世界。

　　3D視覺技術，就是賦予機器感知三維世界的信息和能力，并給我們帶來顛覆性的價值。試想一下，將汽車立體模型通過增強現實(AR)技術投射出來，客戶可360度觀看，還能“開車門”，由此直觀地提出意見，而不是一張張翻看照片；或者派無人機探索森林或洞穴，一邊前行一邊繪制周邊場景的三維地形，而不是我們拿著一張平面地圖親自探險……

　　事實上，3D視覺技術目前已經在工業(yè)界取得成功，但在消費領域，受限于3D感知硬件的成本和體積、計算能力等困擾，很多場景并未激活。除了掃地機器人等個別終端外，我們的智能手機等移動設備，還處在二維世界里。但近幾年，3D視覺技術終于開始走向個人終端，機器認知世界的新大門正在打開。

　　3D感知硬件小型化，ToF漸成主流

　　實現3D視覺能力，3D感知硬件的加持至關重要。目前主流的3D感知硬件技術包括雙目視覺、結構光、ToF(飛行時間)以及激光雷達。

　　雙目視覺系統(tǒng)是通過雙攝像頭同時進行成像，然后通過對比兩個圖像中每個像素點的相對位置差，來計算出該像素點在三維環(huán)境中的位置，類似于人雙眼的工作原理。

　　結構光和ToF則能在RGB的基礎上直接提供深度信息，屬于RGB-D方案，在精度上比雙目視覺更勝一籌。其中，結構光是通過投射大量光斑到物體上，然后根據光斑的形變量來判斷其所處深度；ToF則是向物體發(fā)射連續(xù)的光脈沖信號，并接收返回的信號，通過計算信號發(fā)射和返回的時間來計算深度信息。相比之下，結構光在較短距離內擁有更高精度，而ToF支持的工作距離更長，適用于更加多元化的場景，且傳感器模塊少，體積小。

　　激光雷達的原理與ToF類似，但其感知距離更遠，范圍更大，精度也更高。很多自動駕駛汽車通過激光雷達來感知周圍環(huán)境，不過缺點是成本過于高昂，只適用于特定場景。

　　在最近的三年，我們觀察到的一個顯著趨勢是ToF和結構光的小型化，使得它成功地應用到了手機當中。而ToF以其體積更小、適用場景更廣等優(yōu)勢，逐漸受到更多廠商青睞，很多最新的旗艦手機都將ToF作為一大賣點。據統(tǒng)計，2019年有約5000萬臺配備ToF的手機出貨，業(yè)內預計2020年、2021年將分別達到1.5億和5億臺，逐漸呈現出爆發(fā)態(tài)勢，2020年全球智能手機3D感知硬件市場的規(guī)模也將到達99.25億美元。

　　ToF在智能手機上的加速應用，有助于3D視覺技術的廣泛普及化，成為接下來10年中非常重要的科技趨勢。深入地觸達消費市場，也激活了更多的應用創(chuàng)新可能。

　　AI技術，突破3D視覺技術的難點

　　3D感知硬件能夠提供距離、深度等數據信息，但我們要的并不是單純的數據，而是基于這些數據，通過不同的表達和理解方式，實現不同的應用。比如對三維場景進行數字化建模，或者繪制三維地圖，從而讓機器能夠實時感知自己在所處空間中的位置，以便在運動時及時避開障礙物等。這需要根據深度信息生成深度圖像，并與RGB圖像，甚至是紅外圖像進行融合并完成大量計算。

　　但是，通過硬件感知的信息生成的深度圖像，往往存在因硬件性能限制而產生的瑕疵，例如在細小或復雜交錯的物體之間，出現深度信息估計錯誤等問題。此外，精準度、魯棒性、實時性、效率等都是決定實際應用效果的關鍵。這都需要依靠額外的算法進行實時處理予以彌補和增強。

　　在工業(yè)場景中，由于應用相對單一，且3D感知硬件大多處于固定或平穩(wěn)狀態(tài)，很多難題可以通過編寫特定算法加以解決。但在移動終端上，不規(guī)則的抖動、晃動等情況帶來的難以預估的挑戰(zhàn)，傳統(tǒng)算法難以突破。

　　2012年，AI在計算機視覺領域取得突破，給3D視覺技術發(fā)展也帶來了全新思路。AI可通過對大量實際數據進行學習，自行總結其中的規(guī)律和特征。這種方法可以在短時間內，完成傳統(tǒng)算法需要多年才能突破的問題，有效彌補硬件能力的不足。

　　更為重要的是，AI不僅能感知場景中的三維結構，還能識別出場景中的三維物體是什么，在做什么。例如檢測人、物體，識別人的姿態(tài)，跟蹤物體的運行軌跡……這就進一步敞開了機器認知世界的新大門。

　　在我們看來，3D硬件的小型化，是3D視覺技術應用場景拓展和創(chuàng)新的硬件基礎，而AI技術則是真正的動力引擎。兩者密不可分，可以說，AI+3D視覺技術拐點已至。

　　AI+3D，緊密協(xié)作實現完美空間感知

　　目前，商湯科技已經將AI技術廣泛地應用于3D感知的各個領域，開發(fā)了基于ToF等3D感知硬件的技術與產品，包括人臉與人體3D重建、物體重建、3D全身關鍵點跟蹤、3D Avatar驅動工具、AR測量、AR場景互動、AR導航、3D人臉認證、3D攝影等等，均體現了AI+3D的顯著優(yōu)勢。

　　首先，AI+3D可以進一步優(yōu)化感知效果，提升用戶體驗。以動作捕捉為例，結合對深度信息的高效處理，能夠整體提升肢體關鍵點的穩(wěn)定性、準確性以及運動的穩(wěn)定性和自然度，精準呈現人在三維空間中的動作姿態(tài)變化；

　　第二，AI+3D可以更加高效地應用和處理深度信息，理解環(huán)境中人物間的相互關系。例如為AR帶來逼真的虛實融合和互動效果，在智能手機上完成高精度3D模型建模，或是為自動駕駛提供車外的人、車、物的識別和距離感知。

　　第三，AI+3D可以更加精準地分割圖像中的主體和背景。特別是在主體和背景顏色比較相近的情況下，得益于對深度信息的快速處理，在分割效果上比2D感知技術有很大的提升，可提供不同人物之間的語義信息，亦可結合3D相機系統(tǒng)帶來更逼近單反的攝影效果；

　　第四，深度信息與紅外圖像的結合，可以讓3D感知適用于更多的場景，使之不受環(huán)境光線明暗的影響。

　　基于上述優(yōu)勢，我們認為，AI+3D會從人機交互、互動娛樂、內容創(chuàng)作、身份驗證、拍照、電商等層面激發(fā)大量的創(chuàng)新應用場景，甚至改變很多傳統(tǒng)行業(yè)的運作模式。

　　AI+3D，激活更多創(chuàng)新的應用場景

　　隨著越來越多的智能手機配備3D感知硬件，AI算法的作用也越加凸顯，只有兩者的緊密協(xié)作，才能夠將完美的影像體驗帶給最終用戶，缺一不可。為此，商湯科技一直積極與合作伙伴攜手共進，將AI+3D相關產品和技術充分應用于手機等智能終端當中。

　　比如，通過AI+3D進行“物品重建”。用戶只需拿手機沿著物體360度環(huán)繞掃描，就能將其掃描成數字模型，并用于3D打印、3D/AR相冊預覽、短視頻直播內容生成，或植入到游戲、電商商品展示等場景。特別是后者，它可讓顧客通過翻轉方式查看物品外觀，告別翻看照片的麻煩。

　　除物品重建，還可以“人臉重建”。用戶不僅可以體驗比2D美顏更加精美的3D美顏功能，還可足不出戶輕松地進行虛擬試妝，甚至通過“3D微整形”來模擬整形效果。

　　AI+3D讓手機就能成為體感設備。玩家可低成本地暢玩體感游戲，而內容創(chuàng)作者則借助商湯的Avatar技術打造自己的虛擬形象，例如虛擬主播、虛擬講解員或者虛擬教師，通過表情、動作進行驅動，這會為互動娛樂、文旅乃至教育打造新的發(fā)展模式。

　　AI+3D也將在很大程度上推動移動AR朝向3D AR方向發(fā)展。基于RGBD SLAM可重建真實環(huán)境的3D結構，準確將虛擬元素植入到真實環(huán)境中，呈現真實的遮擋、碰撞、反彈等效果。

　　有了3D AR，手機還能搖身一變成為更強大的AR測量尺，實現遠超基于2D方案的測量精度，場景覆蓋率到初始化耗時，還可以自動檢測并測量立體幾何物體。

　　AI+3D也將讓3D人臉識別成為更便捷、更安全的解鎖或支付方式。

　　媲美單反的大景深效果一直是手機人像拍照所追求的方向，3D視覺技術可以讓人物等主體與背景的過渡效果更加自然、更加精準。而在電商行業(yè)，AI+3D可以讓AR試妝、AR試衣、AR家居更加逼真，滿足多角度充分預覽，促成購買行為。

　　放眼汽車行業(yè)，AI+3D技術能夠實現更加精準的車外人、車、物識別和距離感知，有力推動自動駕駛的發(fā)展。商湯科技也正以“攝像頭為主、多傳感器融合”的解決方案，研發(fā)L4級自動駕駛解決方案。而在泛工業(yè)領域，AI+3D可以為機械臂賦予3D感知能力，準確判斷物體所處的位置、尺寸、形狀等，從而進行精準的抓取，或是進行自動化的品質檢測。

　　《Prediction Machines》一書中曾提到：“當某種基礎產品價格大幅下降的時候，才是整個世界發(fā)生變化的基礎”。3D視覺技術呈現出的也是這樣一個趨勢。放眼未來，3D視覺技術還有更多創(chuàng)新空間。首先硬件成本的下降使其更加普及，支持的工作距離更遠，而AI技術隨著表達能力將不斷增強，算法模型的小型化等趨勢，可讓深度信息處理更高效，3D效果更逼真、更穩(wěn)定，性能更快，同時硬件資源占用率更低。一方面不斷優(yōu)化現有應用的體驗，另一方面進一步開拓更多應用可能。

　　新的10年， AI+3D將成為變革行業(yè)發(fā)展的全新引擎。

       （本文作者王子彬，商湯科技移動智能事業(yè)群副總裁、智能終端業(yè)務CTO

　　      李啟銘，商湯科技智能終端業(yè)務3D產品負責人）