微软提出了一个红外μLED照明透镜结构的AR/VR专利,该结构能够在给定方向上精确控制光线的传输
哈喽!今天心血来潮给大家带来了《微软提出了一个红外μLED照明透镜结构的AR/VR专利,该结构能够在给定方向上精确控制光线的传输》,想必大家应该对科技周边都不陌生吧,那么阅读本文就都不会很困难,以下内容主要涉及到,若是你正在学习科技周边,千万别错过这篇文章~希望能帮助到你!
根据2024年1月2日映维网的报道,用于XR头显的眼动追踪技术正在快速发展。这种技术可以通过分析用户眼睛的指向和从眼睛反射的红外光信号来追踪眼动并确定用户的注视方向。例如,一种常见的技术是在头戴式显示器上安装一个或多个红外光源,从不同的方向向用户的眼睛发射红外光。传感器可以检测到从用户眼睛反射出的红外光(闪烁),并用于确定用户眼睛的XYZ位置和注视方向。
为了提高红外眼动追踪系统的准确性和处理能力,通常需要在用户的眼睛周围安放几个不同的红外光源。这些光源会在角膜上产生不同的闪烁效果。通过对这些闪烁效果的分析,系统可以更准确地追踪用户的眼动情况。这种方法可以提高系统的追踪精度,并且能够处理更复杂的眼动行为。
很遗憾,传统的XR系统在使用红外光源进行定位时存在一些限制。通常情况下,传统系统将红外光源放置在头显的边缘或其他安装了显示透镜和屏幕的结构中。然而,这种外围位置并不总是最佳的选择,因此需要增加更多的光源或使用更大、更强大的光源。如果能够将光源相对于用户的眼睛虹膜放置得更近或更优,则不需要额外的光源。
为了解决混合现实环境中用户视角的视觉障碍问题,XR系统尝试了一种新的方法,即将红外光源放置在远离显示屏边缘的位置,并靠近眼睛放置在用户视场内。然而,这种现有系统存在问题,因为红外光源的尺寸通常在1.0毫米至4.0毫米直径/宽度范围内,这样的尺寸在用户视场中非常明显。因此,为了减少对用户视角的影响,大多数传统系统只将红外光源定位在透镜/显示器外围边缘的次优位置。
针对这个问题,微软提出了一项名为“Microled based invisible illumination for eye tracking”的专利申请,提供了一种解决方案。根据微软的表示,这项发明可以让红外光源以最佳方向直接照射在头戴式显示器透镜的观看区域内,而不会干扰用户对混合现实环境的感知。这种解决方案还能够定位用户的眼睛/虹膜和相应的摄像头传感器,为眼动追踪技术提供支持。
该公司提出了一种方法,利用小于100 μm的红外μLED光源来制作照明透镜结构。这种μLED被嵌入到头显的透镜中,用户无法察觉到其存在。因此,在使用过程中,这种μLED不会对混合现实环境的呈现造成任何阻碍或干扰。

现在我们来关注一下图1,头戴式设备的配置是基于摄像头130或其他传感器捕捉光线的反射来进行眼动追踪。在使用过程中,光源会围绕着用户的眼睛发出闪光。一旦光线发出后,它会从用户的眼睛(尤其是虹膜)反射回来,并被摄像头检测到。
通过感知光的强度和强度相对于光源的时间,头显光处理模块能够准确检测用户眼睛和虹膜的位置和方向。
系统可以通过对摄像头/传感器捕获的图像进行额外处理,来区分用户的瞳孔和虹膜。这种处理后的图像可以帮助系统确定用户眼睛的位置以及用户眼睛相对于投影全息图或其他对象的方向和注视点。利用用户眼睛的位置信息,系统还可以在需要的位置进行定位,并重新投影全息图,以支持混合现实环境的呈现。

图2示出用户眼睛200的表示,其中红外光源210向用户眼睛200发射红外光220。红外光反射回来作为镜面反射和散射反射。图2同时显示了如何放置摄像头250或其他传感器以检测一个或多个反射。
通过光源的位置、光源发出光的时间、摄像头的位置以及从用户眼睛反射的检测光反射的测量强度和时间,系统可以确定用户眼睛/虹膜的相对定位。这是因为光线在用户眼睛的不同部位反射的不同,例如它在角膜的瞳孔和虹膜区域的反射不同于巩膜。这种差异的检测和测量是基于反射是镜面反射或散射反射。
为了光源能够优化定位,例如靠近用户的角膜,需要将光源定位在合适的位置。但遗憾的是,传统的红外光源太大(例如1-4毫米),无法在用户的视场范围内定位而不会对用户通过透镜查看环境造成阻碍。
为了帮助解决这些问题,微软提出可以采用配置有红外μLED的照明透镜。通过这种配置,可以将光源最佳地放置在靠近用户眼睛的位置,而不必考虑头显安装结构的物理形状因素所施加的现有限制。

图3示出具有以网格方式排列的16个红外μLED的红外μLED透镜结构300。红外μLED放置在透明衬底310之上,沿着导电迹线320在阳极端和阴极端之间形成电路。例如,当电路由头显的电源供电时,电源可以电连接到阳极和阴极端子并由照明控制单元控制,红外μLED将激活并发出红外光。
红外μLED的发光波长在790 μm ~ 1mm之间。在优选实施例中,红外μLED发射波长约为800-900 μm的光,甚至更优选地发射波长约为850 μm的光。

图4A-4D显示了不同照明透镜结构的不哦她那个红外μLED数量不同。具体地说,在图4A,红外uLED的分布模式有点圆形/椭圆形,但在图4C中有点矩形,在图4D中有点菱形。另一方面,图4B所示的实施例包括两种不同的图案,圆形/椭圆形的外部图案和三角形的内部图案。
另外,照明透镜结构400A由6个红外uLED组成,而照明透镜结构400C和400D各由8个红外uLED组成。照明透镜结构400B包含19个红外uLED。
红外uLED的不同数量和模式可以改变,以适应不同的需求和偏好。

在图5中,头显500配置有透明照明透镜结构510,透镜结构510具有多个红外μLEDs 540。如图所示,红外μLEDs 540呈圆形分布,每个眼睛和晶状体区域各8个。不同的红外μLEDs 540可以选择接在单个电路或两个或更多不同的电路。形成电路的电迹线没有显示出来。
在使用期间,从红外uLED发出的光将至少部分地指向用户的眼睛,并且光将反射回来并由设备摄像头530检测到。

图6示出一副眼镜600的实施例,眼镜600具有包括四个红外uLED的第一透明照明透镜结构610和包括八个红外uLED的第二透明照明透镜结构620。
这个例子用来说明头显的两侧不一定要有匹配/对称的红外uLED分布。无论红外uLED的数量和分布如何,应当理解的是,在使用期间,从红外uLED发出的光将至少部分地指向用户的眼睛,并且光可以反射回来并由设备摄像头630检测到。

在相关实施例中,图7所示的头显系统700包括具有遮阳板的透明照明透镜结构710。在这个例子中,遮阳板的一侧有数个形成圆形图案的红外uLED。遮阳板的另一侧有四个红外uLED,呈方形分布。
关于前面所有的例子,红外uLED没有显示成比例。事实上,红外uLED非常小(
同样是因为红外LED非常小,所以它们可以用来用红外光照亮用户的眼睛,并且同时定位在用户通过的透镜而不会阻碍用户通过透镜的视场。
导电迹线非常薄,宽度小于50 μm,甚至小于25 μm,所以在接近用户眼睛使用时,它们在视觉上并不明显,基本不可见。这种配置特别有利于使迹线能够定位在照明透镜结构内部。即便直接定位在用户眼睛的前面,它使用过程中都不会妨碍用户通过透镜感知到的环境视图。

图8可视化了用于制造发明所述照明透镜结构的制造流程。
如图所示,制造过程包括获得包含一个或多个红外μLED的晶圆810。例如,晶圆810可以是通过外延生长或沉积工艺形成的外延晶圆。
图8所示的工艺800同时包括获得用于将红外uLED转移到其上的衬底820。如图所示,执行转移过程830以将一个或多个红外uLED转移到已经位于衬底820上并且在衬底上形成一个或多个不同电路827的导电迹线825。
从衬底上移除并放置在衬底上的红外μLED的尺寸在任何方向都限制在
红外uLED的最大尺寸尺寸可以小于75 μm,小于50 μm,甚至小于20 μm。在一个实施例中,红外uLED的最大尺寸尺寸约为10 μm。
迹线的宽度同样受到限制,厚度不能大于

图9示出了与配置用于执行眼动追踪的流程图900,其中头显包括包含多个红外μLED的照明透镜,并且多个红外μLED中的每个红外μLED具有
系统组件控制红外uLED的照明,从照明透镜中的一个或多个红外uLED向用户的眼睛发射红外光。
接下来,头显进一步配置为检测和处理在使用头显期间从用户眼睛反射回来的红外光的闪烁,并根据检测和处理的闪烁确定用户眼睛的定位。
现在将注意力转向图10,图10说明了与使用多个红外uLED制造照明透镜结构的流程图1000。

这包括用于获得透明衬底,将多个迹线应用于透明背板。其中多个迹线导电,并在阳极端子和阴极端子之间形成至少一个电路。
然后,获得红外μLED晶圆,其包含多个红外μLED或可单独提取为最大尺寸
相关专利:Microsoft Patent | Microled based invisible illumination for eye tracking
名为“Microled based invisible illumination for eye tracking”的微软专利申请最初在2023年1月提交,并在日前由美国专利商标局公布。
需要注意的是,一般来说,美国专利申请接收审查后,自申请日或优先权日起18个月自动公布或根据申请人要求在申请日起18个月内进行公开。注意,专利申请公开不代表专利获批。在专利申请后,美国专利商标局需要进行实际审查,时间可能在1年至3年不等。
好了,本文到此结束,带大家了解了《微软提出了一个红外μLED照明透镜结构的AR/VR专利,该结构能够在给定方向上精确控制光线的传输》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多科技周边知识!
Steam敦促用户升级操作系统,宣布在2024年停止支持Windows 7/8/8.1
- 上一篇
- Steam敦促用户升级操作系统,宣布在2024年停止支持Windows 7/8/8.1
- 下一篇
- 6自由度VR中展示UE游戏的Beta版本
-
- 科技周边 · 人工智能 | 28分钟前 | 人工智能 · 向量检索 · Sentence Transformers truncate_dim 嵌入维度 Matryoshka 向量存储
- Sentence Transformers 怎么截断嵌入维度减少存储
- 165浏览 收藏
-
- 科技周边 · 人工智能 | 2小时前 |
- PEFT 多个 adapter 怎么按权重组合推理
- 454浏览 收藏
-
- 科技周边 · 人工智能 | 4小时前 |
- Accelerate 大模型推理怎么自动分配到多块设备
- 358浏览 收藏
-
- 科技周边 · 人工智能 | 6小时前 | 人工智能 · Tokenizers offset_mapping 原始文本
- Tokenizers offset mapping 怎么映射回原始文本位置
- 328浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | python · 人工智能 · shuffle Hugging Face Datasets streaming IterableDataset buffer_size
- Datasets streaming 怎么在不下载全集时打乱样本
- 470浏览 收藏
-
- 科技周边 · 人工智能 | 17小时前 |
- Diffusers 单文件模型怎么转换成组件目录格式
- 308浏览 收藏
-
- 科技周边 · 人工智能 | 20小时前 | 人工智能 ·
- Diffusers 怎么临时禁用 LoRA 但保留已加载权重
- 309浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 | 人工智能 · diffusers ModularPipeline update_components ComponentSpec 模型组件
- Diffusers ModularPipeline 怎么替换单个模型组件
- 175浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Transformers bitsandbytes 量化后怎么保留部分模块精度
- 359浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · Transformers 大模型推理 KV Cache 显存不足 缓存卸载
- Transformers KV cache 怎么在显存不足时启用卸载
- 499浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Transformers chat template 怎么生成 assistant token 掩码
- 164浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Diffusers LoRA 权重融合后怎么恢复基础模型
- 291浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 350次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 412次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 418次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 374次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 198次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

