【XR技术概念科普】VST（视频透视）vs OST（光学透视）：解码MR头显的两种核心技术路径

混合现实(MR)头显作为连接虚拟与现实世界的桥梁，其核心技术路径主要分为视频透视(VST)和光学透视(OST)两种。本文将深入探讨这两种技术的原理、优缺点、代表性产品、应用场景及未来发展趋势，为读者全面解析MR头显的技术选择。

一、VST技术详解

1.1 VST技术定义与工作原理

视频透视(Video See-Through, VST)技术通过头显上的摄像头实时采集周围环境的视图，然后通过图像处理算法将真实场景画面呈现在头显屏幕上，最终将透视画面与应用内的虚拟场景融合，呈现混合现实效果。

VST原理示意

VST系统的核心组件包括：

• ‌摄像头‌：作为获取现实世界信息的源头，摄像头的性能(如分辨率、帧率、视角范围等)对VST体验有着重要影响。高分辨率、高帧率的摄像头能够提供更清晰、流畅的现实场景画面。
• ‌显示设备‌：常见的有头戴式显示器，需要具备高对比度、低延迟和高刷新率等特性，以确保虚拟信息和现实视频图像能够准确、无缝地融合。
• ‌图像处理单元‌：负责对摄像头采集到的视频图像进行处理，包括图像校正、畸变消除、色彩调整等操作，同时将虚拟信息与处理后的现实视频图像进行融合。

1.2 VST技术的优势

VST技术具有以下显著优势：

• ‌高度的真实感‌：基于真实的视频图像进行虚拟信息的叠加，用户看到的场景与实际环境高度相似，能够带来非常逼真的混合现实体验。
• ‌易于理解和交互‌：用户可以直观地将虚拟信息与现实物体对应起来，更容易理解虚拟内容所代表的含义，并且可以通过自然的交互方式(如手势、语音等)与虚拟和现实元素进行互动。
• ‌应用场景广泛‌：适用于仿真训练、工业维修、教育、医疗等多个领域。

1.3 VST技术面临的挑战

尽管VST技术优势明显，但仍面临一些技术挑战：

• ‌图像配准精度‌：要实现虚拟信息与现实场景的精确叠加需要高精度的图像配准技术。任何微小的误差都可能导致虚拟元素与现实物体的位置、角度不匹配。
• ‌实时性要求‌：为了保证用户在移动头部或场景发生变化时，虚拟信息能够实时、准确地叠加在正确的位置，系统需要具备极高的实时处理能力。

二、OST技术详解

2.1 OST技术定义与工作原理

光学透视(Optical See-Through, OST)技术通过放置在用户眼前的半透明光学合成器让用户直接看到现实世界，同时将虚拟图像投影到用户的视野中，使用户能够同时看到真实世界和增强现实内容。

OST技术原理示意

OST技术的关键特点包括：

• ‌直接视觉体验‌：用户无需通过摄像头捕捉现实世界，而是直接通过光学元件观察真实环境，这提供了更自然的视觉体验。
• ‌光学显示模组‌：通过透明显示屏或眼镜等设备将虚拟图像投影到用户的视野中，实现虚实融合。

2.2 OST技术的优势

OST技术的主要优势体现在：

• ‌更自然的视觉体验‌：用户直接看到的是混合了虚拟内容的真实世界，而非经过摄像头处理的视频画面，这种体验更接近人类自然的视觉感知。
• ‌低延迟‌：由于不需要经过摄像头采集和图像处理的过程，OST技术能够实现几乎无延迟的现实世界呈现。
• ‌适合高精度应用‌：在需要极高空间精度的应用场景(如手术、精密制造)中，OST的直接视觉特性尤为重要。

2.3 OST技术面临的挑战

OST技术也面临一些技术限制：

• ‌视场角限制‌：主流的OST方案的显示视场角通常在30-70°之间，远小于VST方案能提供的显示范围(可达90-120°)。
• ‌光学设计复杂度‌：追求更大的虚像显示范围会使光学模组及显示器等核心元件的设计更加复杂，增大头戴式设备的重量。
• ‌亮度要求‌：光学MR的户外使用要求显示亮度大于2000尼特，这对显示技术提出了较高要求。

三、VST与OST技术对比分析

3.1 技术原理对比

对比维度	VST技术	OST技术
现实世界获取方式	通过摄像头采集视频	通过光学元件直接观察
虚拟内容呈现方式	在视频画面上叠加	通过光学投影直接叠加
延迟	存在摄像头采集和处理延迟	几乎无延迟
视场角	较大(90-120°)	较小(30-70°)
虚实融合精度	可实现像素级精确叠加	受光学设计限制，精度较低1415

3.2 用户体验对比

在体验层面上，VST和OST带来的感知区别非常明显：

• ‌VST体验‌：用户最终看到的是一段真实和虚拟结合的视频，类似于通过手机摄像头观看环境并叠加虚拟内容。
• ‌OST体验‌：用户看到的是混合了虚拟内容的真实世界，更接近我们自然的视觉体验。

3.3 技术成熟度与成本对比

目前VST技术相对更成熟，成本更低，而OST技术由于需要更前沿的光学设计和显示技术，面临更大的技术挑战和更高的成本。这也是为什么当前市场上采用VST方案的MR头显更为普遍的原因。

四、采用VST和OST技术的代表性产品

4.1 采用VST技术的MR头显

‌vivo Vision‌：vivo公司推出的首款混合现实(MR)头显设备，采用视频透视(VST)技术，通过摄像头捕捉外界环境并实时渲染虚拟内容，为用户提供虚实融合的沉浸式体验。该设备仅重398克，以13ms超低延时VST算法突破行业技术瓶颈1920。

‌苹果Vision Pro‌：采用VST技术方案，通过12颗摄像头与激光雷达协同工作，在12毫秒内处理数据，实现环境数字化重构和虚实边界消融。

4.2 采用OST技术的MR头显

‌微软HoloLens‌：行业标杆性的OST方案MR头显，采用光波导技术将虚拟内容投影到用户视野中，实现虚实融合。

‌Magic Leap‌：使用衍射光波导技术，试图解决传统OST方案的重量和视场角问题。

五、VST与OST技术的应用场景对比

5.1 VST技术的典型应用场景

• ‌工业维修‌：技术人员可以在查看真实设备的同时获取虚拟的操作指导，提高维修效率和准确性。
• ‌教育培训‌：学生可以在真实场景中叠加虚拟的教学内容，增强学习体验和理解深度。
• ‌医疗手术‌：医生在手术过程中参考虚拟的解剖结构信息，提高手术精确度。
• ‌远程协作‌：通过VST技术实现远程专家指导，解决现场技术问题。

5.2 OST技术的典型应用场景

• ‌精密制造‌：需要高空间精度的装配和检测工作，OST的直接视觉特性更适合这类应用。
• ‌医疗手术导航‌：外科医生在手术过程中需要直接观察患者身体并叠加虚拟导航信息。
• ‌军事应用‌：士兵需要直接观察战场环境并叠加战术信息。
• ‌日常信息提示‌：如导航、天气等信息的实时显示，适合眼镜形态的OST设备。

5.3 场景选择建议

• ‌选择VST的场景‌：需要高沉浸感、大视场角、复杂虚实交互的应用，如游戏、虚拟会议、工业仿真等。
• ‌选择OST的场景‌：需要直接视觉体验、低延迟、高空间精度的应用，如手术导航、精密制造、日常信息提示等。

六、技术发展趋势与专家观点

6.1 VST技术发展趋势

• ‌环境数字化重构‌：通过多传感器采集数据构建三维环境模型，如苹果Vision Pro的12颗摄像头与激光雷达协同工作。
• ‌虚实边界消融‌：在环境数字化重构基础上，通过动态语义分割与物理引擎融合，使虚拟物体感知真实环境物理属性。
• ‌自然交互‌：强调眼球追踪和手势识别，如Vision Pro用户凝视虚拟按钮触发操作，手部动作"抓取"全息模型。

6.2 OST技术发展趋势

• ‌光波导技术‌：被认为是解决OST设备重量和视场角问题的关键技术，行业正加快朝着光波导方案量产实现上努力。
• ‌Micro LED显示‌：与Micro OLED一起被认为是未来AR眼镜微显示方案的主流趋势，将提升OST设备的显示效果。
• ‌轻量化设计‌：通过新材料和光学设计创新，减轻OST设备的重量，提高佩戴舒适度。

6.3 行业专家观点

• ‌VST支持方‌：认为VST正是苹果Vision Pro所采取的透视方案，其更强的沉浸感和更高的虚实融合精度能带来卓越的使用体验，超透镜等新技术也将带来头显的轻量化革命。
• ‌OST支持方‌：认为低成本与轻量化使基于OST的AR设备成为用户可以日常佩戴的眼镜形态的产品，能够更快融入到公众的社会生活之中。
• ‌中立观点‌：两种技术各有优劣，未来可能会根据应用场景的不同而长期共存，VST更适合需要高沉浸感的场景，OST则更适合需要直接视觉体验的日常应用。

七、总结与展望

VST和OST作为MR头显的两种核心技术路径，各有其独特的优势和应用场景。VST技术凭借其高沉浸感、大视场角和成熟的产业链，在当前MR头显市场中占据主导地位；而OST技术则以其更自然的视觉体验和低延迟特性，在特定专业领域和未来轻量化AR设备中具有广阔前景。

随着光学显示、传感器和计算技术的不断进步，两种技术都在快速发展。VST技术在环境感知和虚实融合精度上持续突破，而OST技术则在光波导、Micro LED等新技术的推动下逐步解决视场角和重量限制。未来，我们可能会看到更多采用混合透视方案的产品，结合VST和OST的优势，为用户提供更完美的混合现实体验。

对于消费者和企业用户而言，选择MR设备时应根据具体应用场景和需求来决定技术路线。需要高沉浸感和复杂交互的场景更适合VST方案，而需要直接视觉体验和日常佩戴的场景则可能更倾向于OST方案。随着技术的不断成熟和成本的降低，MR设备将逐步从专业领域走向大众市场，改变我们与数字世界互动的方式。