（2）精度問題

　　定位及動作捕捉精度，對于VR設備非常的重要。如果定位及動作捕捉精度不夠高，會嚴重影響VR體驗效果，也失去了虛擬現實的本質。影響精度問題的因素包括遮擋、干擾以及算法自身的限制等。

　　遮擋是各種定位及動捕系統最常見的工作失效原因之一。

　　例如光學定位系統中：當掃描光線被用戶或物體遮擋時，空間點三維重構由于缺少必要的二維圖像中的特征點間對應信息，容易導致定位跟蹤失敗。遮擋問題可以通過多視角光學系統來減輕，但這又造成了該系統又一大缺陷——價格過于昂貴。以Optitrack為例，Optitrack是國際上非常受認可的光學定位技術，如果有足夠的攝像機，Optitrack定位及動捕技術可以很好地解決遮擋問題，具有非常高的精度。但是Optitrack攝像機的價格卻讓多添加幾個攝像機變得不那么容易。

　　干擾包括外界電磁波干擾和自身設備間相互干擾。不管是光學定位還是激光定位，對外界的電磁波干擾都非常敏感，特別是當設備使用無線的方式通信時，如果存在同波段的電磁干擾，就會造成卡頓、失靈等現象，嚴重影響體驗效果。

　　還有一個因素是算法本身的限制，例如慣性式動作捕捉技術。

　　慣性式動作捕捉系統采用MEMS三軸陀螺儀、三軸加速度計和三軸磁力計組成的慣性測量單元（IMU， Inertial Measurement Unit）來測量傳感器的運動參數。而由IMU所測得的傳感器運動參數有嚴重噪聲干擾，MEMS 器件又存在明顯的零偏和漂移， 使得慣性式動作捕捉系統無法長時間地對人體姿態進行精確的跟蹤。

　　目前對于這個問題，G-Wearables的解決方案或許可以參考，其利用激光定位、反向動力學、慣性式動作捕捉相融合的算法來解決，從CES Asia展會上發布的STEPVR大盒子的體驗來看，融合算法確實較好地解決了慣性式動捕的零偏和漂移問題，實現了1:1精準的動作還原。當然，這款產品的其他方面還需要消費者們自行去體驗，與本文主題無關就不再贅述。

　　（3）快速運動時的定位及動捕問題

　　快速運動時的定位及動捕一直是VR行業一大難題，甚至現在很多公司都放棄了快速運動時的定位及動捕，通過VR內容控制用戶不要有快速的動作來避免這一問題，但這終究無法從根源上解決問題。

　　那為什么說，快速運動時的定位及動捕難呢？

　　對于光學定位來說，難點在于運動模糊。

　　如果目標物體移動過于快速，則會出現運動模糊，即由于攝像設備和目標在曝光瞬間存在相對運動而形成的一種現象。這種現象很常見，我們平時用手機拍攝人物時，如果人物快速移動（例如奔跑、迅速起身等），則我們拍攝的圖片即是模糊的，在VR的光學定位中是一樣的。

　　光學定位系統利用多臺攝像頭拍攝目標物體，再利用所獲得的圖像信息及攝像頭的位置信息來最終推算目標的空間位置，并基于這樣的空間位置通過IK算法或者慣性傳感器等來推算目標物體的動作。那么如果目標物體處于快速運動中，則攝像頭拍攝的圖像就存在模糊，信息不可用，也就無法實現精準的定位。因此基于光學定位的VR系統，在目標物體快速移動時會出現卡頓、跳點等現象。

　　對于激光定位技術來說，難點在于兩束激光掃描存在時間間隔。

　　激光定位技術需要水平、垂直兩個方向上的激光扇面對整個定位空間進行掃描，目標物體綁定的傳感器必須接收到水平、垂直兩個方向上的激光后方可進行定位，缺一不可。然而，這兩個方向上的激光扇面是先后掃描，也就是存在時間差，如果目標物體迅速移動，則會出現水平和垂直兩個方向上激光掃描到傳感器時傳感器所在的位置不一樣，也就無法定位準確，進而影響動作捕捉。

　　（4）大范圍應用問題

　　大范圍應用問題一直困擾著VR行業，最重要的就是因為定位技術較難擴展。

　　對于主動式、被動式這樣的光學定位技術，大范圍應用最大的攔路虎是成本。

　　光學定位系統對攝像頭要求非常高，造價也就非常昂貴，幾萬甚至上十萬。而要采用多視角光學系統就需要很多這樣的攝像頭，如果在這樣的成本基礎上再做大范圍應用，那么就需要更多的攝像頭，如下圖。這樣就會導致成本翻幾倍，整個定位系統的成本高得難以承受。