为了更好地理解,我们可以用一个简单的比喻：
（图片来源网络，侵删）
- VR 是让你“进入”一个完全由计算机创造的世界，你看到的、听到的都是假的，但感觉是真的，就像你戴上头盔，瞬间被“传送”到游戏里的奇幻世界或虚拟会议室。
- AR 是在你“眼前”的真实世界上叠加一层虚拟信息，就像你用手机摄像头对准一条街道，屏幕上会显示出店铺的评分、历史信息，或者在你的客厅里“放”一个虚拟的恐龙。
下面我们从核心技术原理、系统组成和关键技术点三个方面来详细拆解。
VR (Virtual Reality) 虚拟现实技术原理
VR的核心目标是创造一个完全沉浸式的虚拟环境，让用户感觉身临其境，从而“欺骗”大脑，使其相信虚拟世界是真实的，为了实现这一点,VR系统需要解决以下几个核心问题：
核心技术原理：沉浸感与交互
- 视觉沉浸：这是最核心的部分，通过在用户眼前显示两幅略有差异的图像（分别对应左右眼），利用人眼的视差原理，大脑会将这两幅图像合成为具有深度感的立体图像,这就是3D视觉的来源。
- 追踪定位：系统需要实时、精确地知道你的头部、手部和身体的位置和朝向，当你转头时，看到的虚拟世界画面必须同步转动；当你向前走时，视野中的虚拟景象也相应变化，这种“你动，世界也动”的实时反馈是沉浸感的关键。
- 多感官反馈：除了视觉，还可以加入听觉（3D空间音频）、触觉（手柄震动、力反馈服）等,进一步增强沉浸感。
VR系统主要组成
一个典型的VR系统包括：
- 头戴式显示器：这是VR设备的核心，也就是我们常说的“头盔”或“眼镜”，它内部集成了：
- 显示屏：通常为两块OLED屏幕，分别显示左右眼的图像，刷新率通常为90Hz或120Hz,以减少眩晕感。
- 光学透镜：用于将屏幕上近距离的图像放大并调整到合适的焦距,让你能看清整个画面。
- 传感器：内置陀螺仪、加速度计、磁力计等惯性测量单元,用于追踪头部的旋转和加速运动。
- 定位系统：这是实现“空间定位”的关键，它分为两种：
- Inside-Out（由内向外）：在头显和手柄上安装摄像头，通过摄像头捕捉周围环境中的特征点，然后计算出设备自身的位置和姿态，代表设备是 Meta Quest 系列，优点是无须外部设备， setup方便。
- Outside-In（由外向内）：在空间中安装外部基站（如Lighthouse基站或红外摄像头），这些基站会向头显和手柄发射信号，通过信号到达的时间差来精确计算设备的位置，代表设备是 Valve Index 和HTC Vive，优点是定位精度极高,延迟低。
- 输入设备：通常是两个带有位置追踪功能的手柄，用于在虚拟世界中进行交互、抓取物体、移动等。
VR关键技术点
- 延迟：指从你转动头部，到屏幕上画面更新完成所需要的时间，如果延迟过高（>20ms），大脑和视觉信息不同步，就会导致严重的眩晕感。低延迟是VR的生命线。
- 分辨率与视场角：分辨率越高，画面越清晰，像素点越不明显；视场角越接近人眼（约200度），沉浸感越强，越不容易感觉自己是透过一个“窗户”在看世界。
- 帧率：单位时间内画面刷新的次数，通常需要90fps或120fps的高帧率来保证画面的流畅性,进一步降低眩晕感。
AR (Augmented Reality) 增强现实技术原理
AR的核心目标是将虚拟信息无缝地叠加到真实世界之上，它不是创造一个新世界，而是在你现有的世界里“增强”信息，AR的实现原理可以概括为三个步骤：感知、计算、显示。
（图片来源网络，侵删）
核心技术原理：虚实融合
- 环境感知：AR设备首先需要“看懂”它所处的真实环境，这包括识别平面（如地面、桌面）、理解空间结构、检测和追踪物体（如一张人脸、一个杯子）。
- 空间计算：在理解了真实环境后，系统需要进行计算，它需要确定虚拟物体应该放置在哪个位置（把一个虚拟花瓶放在真实桌面上），以及这个虚拟物体应该以何种姿态、大小出现（虚拟花瓶应该随着你走动而保持在桌面上）。
- 虚实融合显示：将计算好的虚拟图像叠加到摄像头捕捉到的真实世界画面上，并显示给用户，这个过程要做到无缝,让虚拟物体看起来就像是真实世界的一部分。
AR系统主要组成
AR设备形态多样，从手机到专用眼镜,其核心组件原理相似：
- 传感器：这是AR的“眼睛”和“耳朵”。
- 摄像头：捕捉真实世界的视频流。
- IMU（惯性测量单元）：与VR一样,追踪设备的移动和旋转。
- 深度传感器：非常重要！用于测量环境中物体与设备之间的距离，从而构建3D空间地图，技术包括 结构光（如早期的Kinect）、ToF（飞行时间法）（如现代高端手机）和 LiDAR（激光雷达）（如iPad Pro, Vision Pro）。
- 处理器：强大的SoC芯片，负责实时处理摄像头数据、运行SLAM算法、渲染3D虚拟图像并进行融合。
- 显示器：
- 手机/平板屏幕：最常见的AR显示方式，通过屏幕“窗口”看到虚实融合的画面。
- 光学显示模组：在专用AR眼镜中，需要将图像投射到人眼中，主流技术有 Birdbath（光波导） 和 Pancake（折叠光路），它们通过特殊的光学设计，将微型显示屏的图像反射到人眼,同时保持设备轻薄。
- 交互方式：从触摸屏、手势识别（如苹果的Vision Pro）、眼动追踪到语音控制,方式更加多样化。
AR关键技术点
- SLAM（即时定位与地图构建）：这是AR的核心技术，它允许设备在未知环境中，一边移动一边实时构建环境的3D地图，并同时确定自身在这张地图中的精确位置，没有SLAM，AR就无法稳定地将虚拟物体“钉”在真实世界的某个位置上。
- 环境理解与3D重建：比SLAM更进一步，不仅要建图，还要理解地图中的语义信息，这是一个平面”、“这是一把椅子”,从而实现更高级的交互。
- 光学显示技术：如何将清晰、明亮、无畸变的虚拟图像叠加到真实视野中，同时保持设备小巧、轻便、续航长,是AR眼镜面临的最大挑战之一。
- 交互技术：如何让用户自然、直观地与虚拟物体进行交互，而不依赖手柄,是提升AR体验的关键。
VR与AR核心原理对比总结
| 特性 | VR (虚拟现实) | AR (增强现实) |
|---|---|---|
| 核心目标 | 创造一个全新的、完全沉浸的虚拟世界 | 增强现实世界，在其上叠加虚拟信息 |
| 视觉呈现 | 封闭式，用户看到的是纯虚拟画面，与真实世界隔绝 | 开放式或半开放式，用户看到的是真实世界+虚拟画面的融合 |
| 关键技术 | 头部/手部6DoF追踪、低延迟渲染、高刷新率 | SLAM（即时定位与地图构建）、环境理解、光学显示 |
| 核心挑战 | 眩晕感（由延迟、帧率不足引起）、硬件重量与成本 | 环境理解精度、光学模组小型化与轻量化、自然交互 |
| 用户感知 | “我在虚拟世界里” | “虚拟物体在我身边” |
| 典型设备 | Meta Quest 3, PlayStation VR2, HTC Vive | Apple Vision Pro, Microsoft HoloLens (第一代), 手机AR应用 |
补充概念：MR (Mixed Reality)
很多人还会提到MR（混合现实），可以把它看作是AR的高级阶段，在AR中，虚拟物体更像是一个“贴纸”，无论你从哪个角度看，它都固定在那里，而在MR中，虚拟物体是真实地存在于3D空间中的，它可以被真实物体遮挡，你甚至可以绕着它走，从不同角度观察它，MR中的虚拟杯子可以放在真实桌子后面，你只能看到露出的部分，苹果的Vision Pro就是一款典型的MR
（图片来源网络，侵删）
