灯塔激光、大朋VR、Oculus Constellation等定位方案比较,谁才是VR定位的最强者

（第二个8.33毫秒），然后基站a关闭，接着基站b重复和基站a一样的工作。。。。。。

　　这样只要在16ms中，有足够多的sensor点同时被垂直和水平方向上的光束扫到，这些sensor点相对于基站基准面的角度能够被计算出来，而被照射到的sensor点在投影平面上的坐标也能够获得。

　　同时，静止时这些点在空间中的坐标是已有的，可以作为参考，这样就能够计算出，当前被照的点相对于基准点的旋转和平移，进一步的得出这些点的坐标，这其实也是一个PnP问题。

　　进一步的，再融合IMU上获得的姿态，就能够较准确的给出头盔或者手柄的姿态和位置。

　　在上一步中计算出来的头盔/手柄的位置和姿态信息，通过RF传递到和PC相连的一个接收装置，该装置再通过USB接口，把数据上传到PC端的driver或者OpenVR runtime，最后上传到游戏引擎以及游戏应用中。

　　大朋VR定位方案

　　相比HTC的定位技术，大朋在激光定位方面做了进一步的创新，在每个基站上面加入了三个马达，从上到下编号，一号马达从垂直方向上扫描，2号马达从水平方向扫描，3号马达从垂直方向扫描。

　　每一个马达扫描的时间间歇是4ms，该马达在工作的时候，其他马达都处于关闭状态，基本时序如下：

　　基站上面的马达1首先发送同步光信号给头盔/手柄上的sensor点，sensor点清零计数器，马达1接着朝垂直方向扫射;4毫秒之后，第2个马达朝水平方向上扫射（第二个4毫秒），然后是第3个马达朝垂直方向上扫射（第3个4毫秒）。

　　被照射到的sensor点可以比较容易的得到被照射时的时间，以及每一个号马达开始扫描的时间。马达的转速是固定的，这样就可以得到sensor点相对于扫射平面的角度，而该角度编码后通过RF传送到PC端，再做进一步的姿态融合之后，PC端就能容易的拿到6DOF的数据。

　　在指定时间里增加扫描的次数，大大减少所需要的sensor数量。从实际测试中看，在大朋的最新款的E3P中，最后需要的传感器数量大概是Lighthouse的四分之一左右（Lighthouse用了几十个传感器），头盔和手柄所需要的传感器都是个位数，头盔手柄都变得更轻便。这不仅大大增加了整个定位系统的稳定性，也让sensor在头盔或手柄上的布局也更加的简单。

　　进一步的，由于每次扫描的时间间隔更短，所以手柄的姿态等信息能够以更快的频率（每4ms一次）传送到PC端，更及时的更新到VR游戏中。

　　在玩vr游戏或者应用的时候，难免会出现各种各样的遮挡，为了让用户能够在房间级别的空间中畅玩，必须要让灯塔在360度各角度方位都能够照射到头盔和手柄，大朋vr的解决方案和htc一样，也是双基站。双基站的工作时序和单基站一样，唯一的区别是，主基站工作的时候，从基站是关闭的，反之亦然。

　　大朋VR激光定位固有的定位稳定，需要的sensor点少这些特点，使得该定位方案能够非常好的应用到教育行业和多人联机对战中。

　　联机多人对战也是大朋VR定位版擅长的领域。

　　比如以下的场景中，只需要一到两个基站可以覆盖多台网吧电脑，降低成本。

　　综上来看，相较于红外方案，激光定位在大空间多人联机的应用上具有较明显的优势。