人们发现把这些光投到不同深度的平面上光的纹路会发生变化，那么如果能采集到这些纹理变化，并且能精准的计算这些变化岂不是可以算出不同的深度？

回归正题，Kinect的离散光斑是如何实现深度检测的呢，我们知道如果拿一个手电照射墙壁，站近或站远，墙上的光斑是不同大小的，从不同角度照射墙，光斑也会呈现不同的椭圆。这就是基本原理了。但如何使一个红外光源按照不同角度射出？并且还要变成一堆离散的光斑？

这就要拿出它的发明者以色列PrimeSense公司的专利图了，他们非常聪明地在红外发射器前面加了一个特殊设计的diffuser(光柵、扩散片)可以使红外光线能从不同角度射出。另一个摄像头再去拍摄这些光斑然后进行计算从而得出每一个光斑所在的深度。每种结构光的扫描精度，所对应的算法，以及应用场景都有所不同。例如用于电子产业元器件锡膏检查(SPI/ AOI)一般就是可见的条纹光。另外几种结构光就不多做介绍了，总之只需要知道他们对深度感知的精准度会远远高于Kinect这种离散光斑类型的结构光(可以达到微米级)，并且算法也有很大出入。

除了结构光Project Tango还提到了TOF(Time of Flight飞翔的时间？)一个激光发射器，一个接收器，一个运算光程的芯片组成。通过计算不同的光程来获取深度信息，它也是一种深度传感器。

这些深度传感器输出称之为“点云”的数据，包含了所有被采集到深度的点的三维信息。

但是这里还隐藏了一个技术难点，因为Tango设备是在一边移动一边采集的，如何把上一帧采集的“点云”信息和当下帧采集的“点云”进行匹配，并且显示在同一世界坐标中就是难点所在。Project Tango巧妙的结合运动追踪的轨迹数据达到了对“点云”的实时拼接。要知道“点云”的数量一般在几百或者上千。算法已经不易，运算量更是大的离谱，而Project Tango还把它做进了移动设备里。

结论

当这三大技术汇聚，Project Tango为移动平台带来了一种全新的空间感知技术，它可以让移动设备像人眼一样感知你所在的房间，找到行走的路，并且感知到哪里是墙，哪里是地，以及所有你身边的物体。

其实这段很酷炫的话只有一个关键词，那就是“移动平台”。为什么？此时先拿出一个上文都没有提过的词语SLAM(Simultaneous Localization And Mapping，同步定位与地图构建)。它是机器人领域里面最重要的一个概念，没有之一。

就是希望机器人能够在某个环境中认识这个环境，找到自己的位置，并且规划出合理的道路。然而自1986年这个概念被提出以来，运算复杂度就一直是它的一个有待解决的问题。可能大家也发现了，Tango设备就是一种SLAM设备，并且Google把它实现在了移动设备端。John神和他的团队靠的不是魔法，而是对于光学传感器和惯性传感器与计算机视觉技术的巧妙结合。利用光学传感器来校正惯性传感器的误差累计或者说“漂移”问题，利用惯性传感器的小尺寸，低成本，以及实时信息输出来降低光学传感器的运算量，再配合上成熟的深度感应器(其实也是光学感应器的一类)从而实现了这个人们眼中的黑科技。

Project Tango的价值并不是把某个技术做到了登峰造极，而是将多种技术完美融合在一起，做到了1+1+1大于3的功效。并且把这些技术融合在了我们每天手边拿着的设备上。在AR，VR，MR盛行的今天，Project Tango的场景扫描和运动追踪功能正是现在AR，VR，MR设备最缺失的几种输入信息方式。再加上Google最近发布的DayDream VR平台和Google移动操作系统的最新版本Android N，可见Google在移动VR上的布局是多么宏大。不过，此时看来Project Tango还处在“Tech Demo”阶段，究竟能给AR，VR带来多大的推动力，我们拭目以待。

视频：（IT之家移动客户端用户若无法观看视频，请点此查看）